arXiv cs.AI· Jinsu Yoo, Zanming Huang, Katie Z Luo, Zheda Mai, Qiyuan Wu, Bharath Hariharan, Mark Campbell, Wei-Lun Chao·· 11 小时前AI 评分31
自动驾驶研究需要社区驱动的数据范式
Autonomous Driving Research Requires a Community-Driven Data Paradigm
AI 导读
一篇 NeurIPS 2026 立场论文指出，自动驾驶的瓶颈不在建模，而在数据范式：社区已在近 50 个国家产出超过 600 个自动驾驶数据集，但多数因碎片化、可见性低、协议不兼容和 benchmark 激励集中而未被充分利用。作者主张建立协作式社区数据范式，改善数据集的发现、复用、整合与评估，并降低新贡献者的参与门槛。
正文 · AI 翻译
摘要：自动驾驶已取得显著进展，近期 AI 的进步使商业部署成为可能，并正在重塑城市出行。然而，该领域距离其普遍的社会承诺仍相去甚远：即能够在任何地点、任何时间、为任何人稳健运行的自动驾驶系统。我们认为，这一差距不仅是建模问题，更是当前主流数据范式的问题。当前研究严重依赖少数几个空间和场景覆盖有限的基准数据集，尽管社区已在近 50 个国家共同构建了 600 多个自动驾驶数据集。然而，这种丰富性并未转化为广泛的研究影响：由于碎片化、可见性有限、协议不兼容以及基准激励将注意力集中在少数主导数据集上，大多数数据集仍未得到充分利用。因此，我们认为自动驾驶研究需要一种协作的、社区驱动的数据范式。这样的范式将改善多样化数据集的发现、复用、集成和评估；使尚未充分探索的数据更易于研究且更有回报；并降低新贡献者的门槛。我们概述了其关键原则，展示了一个早期实现，并呼吁学术界和工业界合作，将碎片化的数据集转化为共享的社区基础设施，以实现随时随地自动驾驶。
| 评论： | NeurIPS 2026 立场论文 |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| 引用为： | arXiv:2610.08825 [cs.CV] |
| （或 arXiv:2610.08825v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.08825 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jinsu Yoo [查看邮箱]
[v1]
2026年9月25日星期五 16:44:29 UTC（6,631 KB）
[v2]
2026年11月5日星期四 05:45:30 UTC（6,633 KB）
来源：arXiv cs.AI · arxiv.org