URT-Kashiwa Dataset

URT-Kashiwa数据集（无保护右转，柏校区）是一个驾驶场景记录集合，专注于无保护右转（在欧洲相当于无保护左转），这是自动驾驶车辆的一项具有挑战性的操作。该数据集使用Pixkit 3.0平台在东京大学柏校区收集，包括在16条不同路线上与一名行人和一辆对手车辆的交互。URT-Kashiwa Dataset (Unprotected Right Turn, Kashiwa Campus) is a collection of driving scenario recordings focusing on unprotected right turns, which are equivalent to unprotected left turns in Europe and represent a challenging maneuver for autonomous vehicles. This dataset was collected using the Pixkit 3.0 platform at the Kashiwa Campus of the University of Tokyo, and encompasses interactions with one pedestrian and one opposing vehicle across 16 distinct routes.

原始信息汇总

URT-Kashiwa 数据集概述

数据集基本信息

• 数据集名称：URT-Kashiwa Dataset (Unprotected Right Turn, Kashiwa Campus)
• 主要场景：无保护右转场景（相当于欧洲的无保护左转）
• 采集平台：Pixkit 3.0 自动驾驶研究平台
• 采集地点：东京大学柏校区
• 交互对象：每条路线包含1名行人和1辆对向车辆
• 路线数量：16条记录路线

关键特征

• 专注于无保护右转这一对自动驾驶车辆具有挑战性的操作
• 使用Pixkit 3.0平台采集
• 包含多样化的交互场景
• 数据格式为ROS 2 bag文件（rosbag），兼容ROS 2 Humble

数据内容结构

自动驾驶专用消息

• /vehicle/status/control_mode - 当前控制模式
• /vehicle/status/gear_status - 档位状态
• /vehicle/status/velocity_status - 自车速度报告
• /vehicle/status/steering_status - 自车转向报告
• /vehicle/status/actuation_status - 加速和制动报告

标准ROS 2消息

感知系统

• LiDAR：原始点云、元数据和处理后的点云
• 摄像头：前摄像头RGB图像和相机信息
• GNSS：定位相关数据
• IMU：原始IMU数据
• Twist：自车twist信息

定位系统

• 自车位姿估计、里程计、twist融合滤波、加速度和定位误差椭圆

感知与规划

• 占据栅格地图、障碍物识别与预测、停止原因信息

诊断系统

• 规划评估指标和各类诊断信息

使用说明

环境要求

• 需要安装ROS 2 Humble
• 构建必要的Autoware消息包

基本操作命令

bash

播放rosbag

ros2 bag play /bagfilepath/bagfilename

可视化

ros2 run rviz2 rviz2 -d civ.rviz

消息检查

ros2 topic list ros2 topic info -v /topicname ros2 topic echo /topicname

许可证信息

• 采用Creative Commons Attribution 4.0 International (CC BY 4.0)许可证
• 允许共享和改编，需注明出处

访问方式

• 数据集下载：https://drive.google.com/drive/folders/1HnDjHkm7w1klh856-SmEVJ6OELNnHj0L?usp=sharing
• 演示视频：https://www.youtube.com/watch?v=1Q1ENXNBhKM

版权信息

• © 2025 Tsukada Laboratory (T-Lab), The University of Tokyo
• 贡献者：Ehsan Javanmardi, Dongyang Li, Manabu Tsukada

搜集汇总

数据集介绍

构建方式

在自动驾驶技术研究领域，URT-Kashiwa数据集通过东京大学柏校区部署的Pixkit 3.0自动驾驶研究平台系统采集。数据采集聚焦于无保护右转场景，该场景因涉及复杂交通参与者交互而被视为自动驾驶关键挑战。研究团队在16条预设路线上同步记录车辆与单一行人、单一对抗车辆的动态交互过程，所有数据以ROS 2框架的rosbag格式保存，确保多传感器时序数据的完整性。

特点

该数据集的核心价值体现在其高度专精的场景覆盖，所有数据均围绕无保护右转这一典型城市驾驶难题展开。数据集包含激光雷达点云、视觉图像、GNSS定位及IMU惯性测量等多模态传感数据，并通过Autoware专用消息主题记录车辆控制状态与规划决策过程。其独特之处在于每组数据均包含确定的交通参与者配置，为研究人车交互模型提供标准化测试基准。

使用方法

使用者需在Ubuntu系统配置ROS 2 Humble环境，通过colcon工具链编译Autoware相关消息包以解析数据格式。数据集以rosbag文件形式分发，可通过ros2 bag play命令回放完整场景，配合RViz可视化工具实时观察传感器数据流。研究人员还可通过ros2 topic命令深入分析特定消息主题，例如车辆控制状态或障碍物预测信息，从而验证自动驾驶算法的场景适应能力。

背景与挑战

背景概述

在自动驾驶技术迅猛发展的背景下，无保护转弯场景因其复杂的交互特性成为研究难点。URT-Kashiwa数据集由东京大学塚田实验室于2025年发布，依托Pixkit 3.0平台在柏校区采集，聚焦无保护右转场景下的车辆与行人动态交互。该数据集通过16条路线记录单车与单行人的交互模式，为自动驾驶决策算法提供了真实世界的行为分析基础，推动了复杂城市环境下协同驾驶的研究进展。

当前挑战

无保护转弯场景需解决动态障碍物轨迹预测与实时决策的耦合难题，尤其在行人突然穿越或车辆切入时存在安全性风险。数据构建过程中面临多传感器时序同步精度控制、复杂光照条件下感知数据稳定性保障，以及真实交通场景中交互行为多样性的标准化采集挑战。

常用场景

经典使用场景

在自动驾驶研究领域，URT-Kashiwa数据集聚焦于无保护右转场景的建模与分析，为算法验证提供了真实环境下的交互数据。该数据集通过16条不同路线的记录，捕捉了自车与行人、对向车辆的动态交互过程，成为评估决策规划模块鲁棒性的基准资源。研究人员可基于ROS 2格式的传感器数据复现复杂路口场景，尤其适用于测试车辆在无交通信号灯调控下的避障与路径规划能力。

解决学术问题

该数据集有效解决了自动驾驶系统中交互行为预测与安全决策的学术难题。通过提供精确的车辆控制状态、多模态感知数据及障碍物运动轨迹，支持了对不确定环境下行为建模算法的定量评估。其意义在于填补了无保护转向场景中细粒度交互数据集的空白，推动了基于真实数据的可解释性决策理论研究，为复杂交通场景的认知建模提供了关键支撑。

衍生相关工作

基于该数据集衍生的经典工作包括东京大学Tsukada实验室开发的协同决策框架，该研究利用数据集中车辆与行人的交互模式训练了基于强化学习的转向控制器。另有团队结合点云与图像数据提出了多智能体轨迹预测模型，显著提升了复杂路口场景的预测精度。这些成果进一步推动了数据集在行为克隆、风险评估等方向的应用，形成了以交互安全为核心的研究脉络。