Multiagent Multitraversal Multimodal Self-Driving: Open MARS Dataset

大规模数据集推动了基于人工智能的自动驾驶研究的最新进展。然而，这些数据集通常是从单个车辆在某个位置的一次通过中收集的，缺乏多智能体交互或重复穿越同一地点的情况。这样的信息可以带来自动驾驶车辆感知、预测和规划能力的重大提升。为了弥补这一差距，我们与自动驾驶公司May Mobility合作，提出了MARS数据集，该数据集统一了能够实现多智能体、多次穿越和多模式自动驾驶车辆研究的场景。更具体地说，MARS是由一组自动驾驶车辆在特定地理区域内行驶收集的。每辆车都有自己的路线，不同的车辆可能出现在附近的位置。每辆车都配备了激光雷达和全景RGB摄像头。我们在MARS中策划了两个子集：一个促进了多车协同驾驶，多个车辆同时出现在同一位置，另一个通过多车异步穿越同一位置实现了记忆回顾。我们进行了场景识别和神经重建的实验。更重要的是，MARS引入了新的研究机会和挑战，如多次穿越的三维重建、多智能体感知和无监督的物体发现。我们的数据和代码可以在https://ai4ce.github.io/MARS/上找到。

本文旨在解决自动驾驶领域中数据集缺乏多智能体交互和多次遍历同一地点的问题，提出了MARS数据集

MARS数据集通过自动驾驶车队在特定地理区域内行驶收集数据，包含多智能体、多次遍历和多模态数据，为自动驾驶的感知、预测和规划能力提供支持，同时提出了多次遍历三维重建、多智能体感知和无监督物体发现等新的研究机会和挑战。

MARS数据集包含多智能体、多次遍历和多模态数据，提出了多次遍历三维重建、多智能体感知和无监督物体发现等新的研究机会和挑战。作者在数据集上进行了场景识别和神经重建实验，并提供了数据和代码。

最近的相关研究包括自动驾驶数据集的构建和使用，如nuScenes、ApolloScape等。