為了促進自駕車在寒冷天氣下的發展,新創公司Scale AI、滑鐵盧大學和多倫多大學合作,開源了CADC(Canadian Adverse Driving Conditions)資料集,其中含有攝影機圖像以及光達資料。雖然許多組織也有釋出自駕車感測器資料集,但Scale AI提到,CADC是第一個專注在真實下雪天氣的行車影像。

人類持續改善自駕車的性能,以建立更高效的交通系統,或是執行更多重要的任務,儘管自駕車的發展已經有了長足的進展,但是卻一直還無法克服不同的天氣條件。Scale AI執行長提到,下雪時很難開車,人類卻可以輕易地應付任何天氣,在任何天氣駕駛車輛行經同一條路,但對自駕車來說並非如此,下雪會嚴重影響自駕車重要硬體,和人工智慧演算法判斷能力,當前自駕車模型無法適應不同天氣,需要更多的資料才行。

自駕車在寬闊有陽光的林蔭大道接受訓練,但是一放到有積雪的街道就會發生錯誤,積雪覆蓋的道路會讓自駕車難以辨識,因此無法穩定的在車道上駕駛,而且積雪會大幅降低環境色彩對比,汽車系統會更難以辨識物體,像是被雪覆蓋的路樹、路邊停放的車輛,甚至是行人。

更大的問題是,降雪使自駕車的攝影機和光達感測器難以正常作用,因此大幅降低安全性,這些問題,自駕車模型需要有豐富的資料進行學習,但目前都沒有已註釋的光達開放資料集,以及下雪天氣的行車影像資料。為此,Scale AI、滑鐵盧大學和多倫多大學合作,釋出寒冷條件的資料集CADC。

CADC拍攝的路線,是根據交通等級以及障礙物而定,從基本的汽車、行人、具有輪子的垃圾桶與動物等,當然,最重要的要素還是降雪。這個資料集是使用滑鐵盧大學和多倫多大學合力開發的Autonomoose自動車輛研究平臺收集,研究人員駕駛搭載光達、慣性感測器、GPS和視覺感測器的車輛,在過去兩個冬天,於安大略省西南部嚴寒的天氣中,駕駛了20公里收集資料。

接著,Scale AI利用自家資料註釋平臺,將收集來的資料加上標籤,CADC內含75個50到100影格的駕駛鏡頭,還有7,000影格的光達資料,Scale AI表示,他們所標記的標籤精準度,高於人類判斷和其他合成標籤技術。

CADC能讓自駕車模型擁有處理下雪天氣的能力,滑鐵盧大學教授Krzysztof Czarnecki表示,由於自駕車應付下雪的問題太大了,任何組織都難以獨立解決,他希望該資料集可以促進社群研究,讓自駕車能應付寒冬條件。滑鐵盧大學和多倫多大學的研究人員,還發表了一份學術論文,概述所收集的資料,其特徵以及物體偵測的標籤。


Advertisement

更多 iThome相關內容