El Waymo Open Dataset es una colección de datos de sensores disponible públicamente, grabados por vehículos autónomos operados por Waymo, una empresa de tecnología de conducción autónoma. Publicado en agosto de 2019, el conjunto de datos fue diseñado para acelerar la investigación en inteligencia artificial para la conducción autónoma, proporcionando datos de alta calidad del mundo real que los investigadores pudieran usar sin necesidad de sus propias flotas. Incluye datos de múltiples sensores, como lidar, cámaras y radar, sincronizados y etiquetados para tareas como detección de objetos, seguimiento y predicción de movimiento.
El conjunto de datos se presentó junto con un artículo complementario y se ha convertido en un estándar de referencia en la comunidad de investigación de conducción autónoma. Se utiliza con frecuencia para entrenar y evaluar modelos de aprendizaje automático, particularmente aquellos basados en aprendizaje profundo y redes neuronales. El lanzamiento fue notable por su escala y la diversidad de escenarios de conducción, que incluyen tráfico urbano denso, conducción en autopistas e interacciones con peatones y ciclistas.
Conjunto de Sensores y Formato de Datos
Cada vehículo de la flota de Waymo utilizado para la recopilación de datos estaba equipado con cinco sensores lidar, cinco cámaras y múltiples radares, proporcionando una vista de 360 grados alrededor del vehículo. Los sensores lidar capturaron nubes de puntos de alta resolución, mientras que las cámaras grabaron imágenes sincronizadas a 5 fotogramas por segundo. Los datos de radar proporcionaron información adicional de velocidad y distancia, particularmente útil en condiciones de baja visibilidad.
Los datos se organizan en segmentos, cada uno representando 20 segundos de conducción continua. Cada segmento incluye lecturas de sensores sincronizadas, información de pose del vehículo y etiquetas de cajas delimitadoras 3D para objetos de interés. Las etiquetas cubren vehículos, peatones y ciclistas, e incluyen atributos como ID del objeto, velocidad y aceleración. El conjunto de datos también proporciona imágenes de cámara 2D con etiquetas 3D proyectadas, lo que permite la investigación tanto en percepción 3D como 2D.
Tareas de Referencia y Métricas
El Waymo Open Dataset admite varias tareas de referencia. Las tareas principales son detección de objetos 3D, seguimiento de objetos 3D y predicción de movimiento. Para la detección, los modelos deben identificar y localizar objetos en el espacio 3D a partir de datos de lidar y cámara. El seguimiento requiere asociar detecciones a lo largo de los marcos de tiempo para mantener identidades de objetos consistentes. La predicción de movimiento implica pronosticar trayectorias futuras de objetos detectados en un horizonte de hasta 8 segundos.
Las métricas de evaluación incluyen precisión promedio para detección, precisión de seguimiento multiobjeto para seguimiento y error de desplazamiento promedio mínimo para predicción. El conjunto de datos incluye divisiones separadas de entrenamiento, validación y prueba, con el conjunto de prueba utilizado para envíos en la tabla de clasificación. Los investigadores pueden enviar resultados al sitio web oficial para comparar sus modelos con otros de manera estandarizada.
Impacto en la Investigación de Conducción Autónoma
Desde su lanzamiento, el Waymo Open Dataset ha sido ampliamente adoptado en la investigación académica e industrial. Ha permitido estudios sobre temas como detección de objetos 3D utilizando transformadores, modelos generativos para aumento de datos y modelos de lenguaje grandes aplicados a la comprensión de escenas de conducción. La escala del conjunto de datos - más de 1,000 segmentos en el lanzamiento original, luego ampliado para incluir más ciudades y escenarios - lo ha convertido en un recurso clave para entrenar sistemas de percepción robustos.
El conjunto de datos también ha impulsado el desarrollo de nuevos algoritmos y arquitecturas. Por ejemplo, muchos métodos de detección 3D de última generación se han evaluado en él, y se ha utilizado para explorar la fusión multimodal de datos de lidar y cámara. Su disponibilidad pública ha reducido la barrera de entrada para investigadores sin acceso a plataformas de vehículos autónomos propietarias, contribuyendo a un ecosistema más amplio de innovación en aprendizaje automático.
Comparación con Otros Conjuntos de Datos
El Waymo Open Dataset se compara a menudo con otros conjuntos de datos de conducción autónoma, como nuScenes y KITTI. En comparación con KITTI, que se publicó antes y tiene una escala menor, Waymo ofrece escenarios más diversos y una mayor resolución de sensores. NuScenes, desarrollado por una empresa diferente, proporciona modalidades de sensores similares pero con un enfoque distinto en la conducción urbana en Boston y Singapur. El conjunto de datos de Waymo se distingue por su gran número de objetos etiquetados y la inclusión de datos de radar, que no están presentes en todos los conjuntos de datos competidores.
Los investigadores han señalado que el Waymo Open Dataset presenta desafíos únicos, como manejar escenas altamente dinámicas y oclusiones. Su tabla de clasificación de referencia se ha convertido en un punto de referencia para medir el progreso en percepción 3D, similar a cómo ImageNet ha servido para la clasificación de imágenes. El conjunto de datos continúa actualizándose, con lanzamientos periódicos que agregan nuevos datos y tareas, como la adición de una tarea de puntos clave 2D para la estimación de pose humana.
Direcciones Futuras
A medida que la tecnología de conducción autónoma evoluciona, se espera que el Waymo Open Dataset se expanda aún más, potencialmente incluyendo condiciones climáticas más diversas, conducción nocturna e interacciones con vehículos de emergencia. También hay interés en usar el conjunto de datos para modelos de conducción de extremo a extremo, donde la percepción, la predicción y la planificación se integran en una sola red neuronal. El papel del conjunto de datos en la investigación de IA probablemente crecerá a medida que el campo avance hacia tareas de razonamiento y toma de decisiones más complejas.
El conjunto de datos también ha inspirado lanzamientos similares de otras empresas, contribuyendo a una tendencia de datos abiertos en la industria de la conducción autónoma. Al proporcionar un terreno común para la evaluación, ayuda a garantizar que el progreso en esta área crítica sea medible y reproducible. Los investigadores y profesionales continúan confiando en él como un recurso fundamental para desarrollar sistemas de conducción autónoma más seguros y capaces.