वेमो ओपन डेटासेट स्वायत्त वाहनों द्वारा रिकॉर्ड किए गए सेंसर डेटा का एक सार्वजनिक रूप से उपलब्ध संग्रह है, जो एक स्व-ड्राइविंग प्रौद्योगिकी कंपनी वेमो द्वारा संचालित हैं। अगस्त 2019 में जारी, यह डेटासेट स्वायत्त ड्राइविंग के लिए कृत्रिम बुद्धिमत्ता में अनुसंधान को तेज करने के लिए डिज़ाइन किया गया था, जिसमें उच्च-गुणवत्ता, वास्तविक-विश्व डेटा प्रदान किया गया था जिसे शोधकर्ता अपने स्वयं के बेड़े की आवश्यकता के बिना उपयोग कर सकते थे। इसमें कई सेंसरों से डेटा शामिल है, जैसे कि लिडार, कैमरे, और रडार, जो वस्तु पहचान, ट्रैकिंग, और गति पूर्वानुमान जैसे कार्यों के लिए सिंक्रनाइज़ और लेबल किए गए हैं।
डेटासेट को एक साथी पेपर के साथ पेश किया गया था और यह स्वायत्त ड्राइविंग अनुसंधान समुदाय में एक मानक बेंचमार्क बन गया है। इसका उपयोग अक्सर मशीन लर्निंग मॉडलों को प्रशिक्षित और मूल्यांकन करने के लिए किया जाता है, विशेष रूप से डीप लर्निंग और तंत्रिका नेटवर्क पर आधारित। यह रिलीज़ अपने पैमाने और ड्राइविंग परिदृश्यों की विविधता के लिए उल्लेखनीय थी, जिसमें घने शहरी यातायात, राजमार्ग ड्राइविंग, और पैदल यात्रियों और साइकिल चालकों के साथ बातचीत शामिल है।
सेंसर सूट और डेटा प्रारूप
डेटा संग्रह के लिए उपयोग किए गए वेमो बेड़े में प्रत्येक वाहन पांच लिडार सेंसर, पांच कैमरे, और कई रडार से सुसज्जित था, जो वाहन के चारों ओर 360-डिग्री दृश्य प्रदान करते थे। लिडार सेंसर उच्च-रिज़ॉल्यूशन पॉइंट क्लाउड कैप्चर करते थे, जबकि कैमरे 5 फ्रेम प्रति सेकंड पर सिंक्रनाइज़ छवियां रिकॉर्ड करते थे। रडार डेटा अतिरिक्त वेग और दूरी जानकारी प्रदान करता था, विशेष रूप से कम-दृश्यता स्थितियों में उपयोगी।
डेटा को खंडों में व्यवस्थित किया गया है, जिनमें से प्रत्येक 20 सेकंड के निरंतर ड्राइविंग का प्रतिनिधित्व करता है। प्रत्येक खंड में सिंक्रनाइज़ सेंसर रीडिंग, वाहन मुद्रा जानकारी, और रुचि की वस्तुओं के लिए 3D बाउंडिंग बॉक्स लेबल शामिल हैं। लेबल वाहनों, पैदल यात्रियों, और साइकिल चालकों को कवर करते हैं, और इसमें वस्तु आईडी, गति, और त्वरण जैसी विशेषताएं शामिल हैं। डेटासेट 2D कैमरा छवियों को प्रक्षेपित 3D लेबल के साथ भी प्रदान करता है, जिससे 3D और 2D दोनों धारणा में अनुसंधान संभव होता है।
बेंचमार्क कार्य और मेट्रिक्स
वेमो ओपन डेटासेट कई बेंचमार्क कार्यों का समर्थन करता है। प्राथमिक कार्य 3D वस्तु पहचान, 3D वस्तु ट्रैकिंग, और गति पूर्वानुमान हैं। पहचान के लिए, मॉडलों को लिडार और कैमरा डेटा से 3D स्थान में वस्तुओं की पहचान और स्थानीयकरण करना होता है। ट्रैकिंग के लिए समय फ्रेम में पहचानों को जोड़कर सुसंगत वस्तु पहचान बनाए रखना आवश्यक है। गति पूर्वानुमान में 8 सेकंड तक के क्षितिज पर पहचानी गई वस्तुओं के भविष्य के प्रक्षेप पथ का पूर्वानुमान शामिल है।
मूल्यांकन मेट्रिक्स में पहचान के लिए औसत परिशुद्धता, ट्रैकिंग के लिए बहु-वस्तु ट्रैकिंग सटीकता, और पूर्वानुमान के लिए न्यूनतम औसत विस्थापन त्रुटि शामिल हैं। डेटासेट में अलग प्रशिक्षण, सत्यापन, और परीक्षण विभाजन शामिल हैं, जिसमें परीक्षण सेट लीडरबोर्ड सबमिशन के लिए उपयोग किया जाता है। शोधकर्ता अपने मॉडलों की तुलना मानकीकृत तरीके से दूसरों के साथ करने के लिए आधिकारिक वेबसाइट पर परिणाम सबमिट कर सकते हैं।
स्वायत्त ड्राइविंग अनुसंधान पर प्रभाव
अपनी रिलीज़ के बाद से, वेमो ओपन डेटासेट को शैक्षणिक और औद्योगिक अनुसंधान में व्यापक रूप से अपनाया गया है। इसने ट्रांसफॉर्मर का उपयोग करके 3D वस्तु पहचान, डेटा वृद्धि के लिए जनरेटिव मॉडल, और ड्राइविंग दृश्य समझ पर लागू बड़े भाषा मॉडल जैसे विषयों पर अध्ययन सक्षम किया है। डेटासेट का पैमाना - मूल रिलीज़ में 1,000 से अधिक खंड, बाद में अधिक शहरों और परिदृश्यों को शामिल करने के लिए विस्तारित - इसे मजबूत धारणा प्रणालियों के प्रशिक्षण के लिए एक प्रमुख संसाधन बना दिया है।
डेटासेट ने नए एल्गोरिदम और आर्किटेक्चर के विकास को भी प्रेरित किया है। उदाहरण के लिए, कई अत्याधुनिक 3D पहचान विधियों को इस पर बेंचमार्क किया गया है, और इसका उपयोग लिडार और कैमरा डेटा के बहु-मोडल फ्यूजन का पता लगाने के लिए किया गया है। इसकी सार्वजनिक उपलब्धता ने स्वामित्व वाले स्वायत्त वाहन प्लेटफार्मों तक पहुंच के बिना शोधकर्ताओं के लिए प्रवेश की बाधा को कम कर दिया है, जो मशीन लर्निंग नवाचार के व्यापक पारिस्थितिकी तंत्र में योगदान देता है।
अन्य डेटासेट के साथ तुलना
वेमो ओपन डेटासेट की तुलना अक्सर अन्य स्वायत्त ड्राइविंग डेटासेट, जैसे कि nuScenes और KITTI के साथ की जाती है। KITTI की तुलना में, जो पहले जारी किया गया था और छोटे पैमाने पर है, वेमो अधिक विविध परिदृश्य और उच्च सेंसर रिज़ॉल्यूशन प्रदान करता है। एक अलग कंपनी द्वारा विकसित nuScenes, समान सेंसर मोडैलिटी प्रदान करता है लेकिन बोस्टन और सिंगापुर में शहरी ड्राइविंग पर अलग ध्यान केंद्रित करता है। वेमो का डेटासेट बड़ी संख्या में लेबल की गई वस्तुओं और रडार डेटा के समावेश से प्रतिष्ठित है, जो सभी प्रतिस्पर्धी डेटासेट में मौजूद नहीं है।
शोधकर्ताओं ने नोट किया है कि वेमो ओपन डेटासेट अद्वितीय चुनौतियां प्रस्तुत करता है, जैसे कि अत्यधिक गतिशील दृश्यों और अवरोधों को संभालना। इसका बेंचमार्क लीडरबोर्ड 3D धारणा में प्रगति को मापने के लिए एक संदर्भ बिंदु बन गया है, जैसे कि ImageNet ने छवि वर्गीकरण के लिए कार्य किया है। डेटासेट को नियमित रूप से अपडेट किया जाता है, समय-समय पर रिलीज़ के साथ नया डेटा और कार्य जोड़े जाते हैं, जैसे कि मानव मुद्रा अनुमान के लिए 2D कीपॉइंट कार्य का जोड़।
भविष्य की दिशाएं
जैसे-जैसे स्वायत्त ड्राइविंग तकनीक विकसित होती है, वेमो ओपन डेटासेट के और विस्तार की उम्मीद है, संभावित रूप से अधिक विविध मौसम स्थितियों, रात के समय ड्राइविंग, और आपातकालीन वाहनों के साथ बातचीत शामिल करना। एंड-टू-एंड ड्राइविंग मॉडल के लिए डेटासेट का उपयोग करने में भी रुचि है, जहां धारणा, पूर्वानुमान, और योजना को एक एकल तंत्रिका नेटवर्क में एकीकृत किया जाता है। एआई अनुसंधान में डेटासेट की भूमिका बढ़ने की संभावना है क्योंकि क्षेत्र अधिक जटिल तर्क और निर्णय लेने के कार्यों की ओर बढ़ता है।
डेटासेट ने अन्य कंपनियों से समान रिलीज़ को भी प्रेरित किया है, जो स्वायत्त ड्राइविंग उद्योग में खुले डेटा की प्रवृत्ति में योगदान देता है। मूल्यांकन के लिए एक सामान्य आधार प्रदान करके, यह सुनिश्चित करने में मदद करता है कि इस महत्वपूर्ण क्षेत्र में प्रगति मापने योग्य और पुनरुत्पादनीय है। शोधकर्ता और व्यवसायी सुरक्षित और अधिक सक्षम स्व-ड्राइविंग सिस्टम विकसित करने के लिए एक मौलिक संसाधन के रूप में इस पर निर्भर रहना जारी रखते हैं।