Waymo Open Datasetは、自動運転技術企業であるWaymoが運用する自動運転車両によって記録されたセンサーデータの公開コレクションである。2019年8月に公開されたこのデータセットは、自動運転のための人工知能研究を加速させることを目的として設計されており、研究者が自前の車両を必要とせずに利用できる高品質で実世界のデータを提供する。lidar、カメラ、レーダーなどの複数のセンサーからのデータが含まれ、物体検出、追跡、動作予測などのタスク向けに同期され、ラベル付けされている。
このデータセットは、付随する論文とともに発表され、自動運転研究コミュニティにおける標準的なベンチマークとなっている。特に深層学習やニューラルネットワークに基づく機械学習モデルの訓練と評価に頻繁に使用されている。この公開は、その規模と運転シナリオの多様性で注目され、密集した都市交通、高速道路走行、歩行者や自転車との相互作用などが含まれる。
センサー構成とデータ形式
データ収集に使用されたWaymoの各車両には、5つのlidarセンサー、5つのカメラ、複数のレーダーが装備され、車両周囲の360度ビューを提供する。lidarセンサーは高解像度の点群を捕捉し、カメラは毎秒5フレームで同期画像を記録する。レーダーデータは、特に視界が悪い状況で有用な追加の速度と距離情報を提供する。
データはセグメントに整理され、各セグメントは20秒間の連続運転を表す。各セグメントには、同期されたセンサー読み取り値、車両の姿勢情報、関心対象の3Dバウンディングボックスラベルが含まれる。ラベルは車両、歩行者、自転車を対象とし、オブジェクトID、速度、加速度などの属性を含む。データセットはまた、3Dラベルを投影した2Dカメラ画像も提供し、3Dおよび2D知覚の両方の研究を可能にする。
ベンチマークタスクと評価指標
Waymo Open Datasetは、いくつかのベンチマークタスクをサポートしている。主要なタスクは、3D物体検出、3D物体追跡、動作予測である。検出では、モデルはlidarとカメラデータから3D空間内の物体を識別し、位置を特定する必要がある。追跡では、時間フレームをまたいで検出結果を関連付け、一貫した物体IDを維持する必要がある。動作予測では、検出された物体の将来の軌跡を最大8秒の地平線にわたって予測する。
評価指標には、検出の平均適合率、追跡の多物体追跡精度、予測の最小平均変位誤差が含まれる。データセットには、訓練、検証、テストの分割が別々に含まれ、テストセットはリーダーボード提出に使用される。研究者は公式ウェブサイトに結果を提出し、標準化された方法で他のモデルと比較できる。
自動運転研究への影響
公開以来、Waymo Open Datasetは学術および産業研究で広く採用されている。これにより、トランスフォーマーを用いた3D物体検出、データ拡張のための生成モデル、運転シーン理解に適用される大規模言語モデルなどのトピックに関する研究が可能になった。データセットの規模（当初のリリースでは1,000セグメント以上、後に都市とシナリオを追加して拡張）は、堅牢な知覚システムの訓練のための重要なリソースとなっている。
このデータセットはまた、新しいアルゴリズムとアーキテクチャの開発を促進した。例えば、多くの最先端の3D検出方法がこれでベンチマークされ、lidarとカメラデータのマルチモーダル融合の探求に使用されている。その公開性は、独自の自動運転プラットフォームにアクセスできない研究者への参入障壁を低くし、機械学習イノベーションのより広いエコシステムに貢献している。
他のデータセットとの比較
Waymo Open Datasetは、nuScenesやKITTIなどの他の自動運転データセットとしばしば比較される。より早期に公開され規模が小さいKITTIと比較して、Waymoはより多様なシナリオと高いセンサー解像度を提供する。別の企業によって開発されたNuScenesは、同様のセンサーモダリティを提供するが、ボストンとシンガポールでの都市運転に異なる焦点を当てている。Waymoのデータセットは、多数のラベル付きオブジェクトと、すべての競合データセットに存在するわけではないレーダーデータの包含によって際立っている。
研究者は、Waymo Open Datasetが高度に動的なシーンや遮蔽の処理などの独自の課題を提示することに注目している。そのベンチマークリーダーボードは、画像分類におけるImageNetと同様に、3D知覚の進歩を測定するための参照点となっている。データセットは継続的に更新され、人間の姿勢推定のための2Dキーポイントタスクの追加など、新しいデータとタスクを追加する定期的なリリースが行われている。
将来の方向性
自動運転技術が進化するにつれて、Waymo Open Datasetはさらに拡張され、より多様な気象条件、夜間運転、緊急車両との相互作用を含む可能性がある。また、知覚、予測、計画を単一のニューラルネットワークに統合するエンドツーエンド運転モデルへのデータセットの使用にも関心が集まっている。このデータセットのAI研究における役割は、分野がより複雑な推論と意思決定タスクへと移行するにつれて成長する可能性が高い。
このデータセットはまた、他の企業からの同様の公開を促し、自動運転業界におけるオープンデータのトレンドに貢献している。評価のための共通基盤を提供することで、この重要な分野での進歩が測定可能で再現可能であることを保証する。研究者と実務者は、より安全でより有能な自動運転システムを開発するための基盤リソースとして、引き続きこれに依存している。