我們如何訓練自動駕駛汽車，讓它們對周圍的世界有更深的認識?計算機能否從過去的經驗中學習，從而認識到未來的模式，從而幫助它們安全地駕馭新的和不可預測的情況?

這些是來自麻省理工學院運輸和物流中心和豐田合作安全研究中心(CSRC)的老年研究中心的研究人員試圖通過共享一個名為DriveSeg的創新開放數據集來回答的一些問題。

通過DriveSeg的發布，麻省理工學院(MIT)和豐田(Toyota)正致力于推進自動駕駛系統的研究，該系統很像人類的感知，將駕駛環境視為連續的視覺信息流。

首席研究員Bryan Reimer說:“通過共享這個數據集，我們希望鼓勵研究人員、業界和其他創新者開發臨時人工智能建模的新見解和方向，使下一代輔助駕駛和汽車安全技術成為可能。”“我們與豐田證監會的長期工作關系，使我們的研究努力能夠影響未來的安全技術。”

豐田中國證監會高級首席工程師芮尼(Rini Sherony)表示:“預測能力是人類智慧的重要組成部分。”“每當我們開車時，我們總是在跟蹤周圍環境的運動，以識別潛在的風險，做出更安全的決定。”通過共享這個數據集，我們希望加快對自動駕駛系統和更適應周圍復雜環境的先進安全特性的研究。”

到目前為止，提供給研究社區的自動駕駛數據主要由靜態的單個圖像組成，這些圖像可以通過使用“邊界框”來識別和跟蹤道路內和周圍的常見物體，比如自行車、行人或交通燈。相比之下，DriveSeg通過連續視頻駕駛場景的鏡頭，對許多常見的道路物體進行了更精確的像素級表示。這種類型的全場景分割可以特別有助于識別更多的非定形物體，如道路建設和植被，這些物體并不總是具有這樣明確和統一的形狀。

謝洛尼表示，基于視頻的駕駛場景感知提供的數據流更接近動態的真實駕駛情況。它還允許研究人員探索數據模式，隨著時間的推移，這可能導致機器學習、場景理解和行為預測的進步。

DriveSeg是免費提供的，研究人員和學術團體可以在下面的鏈接用于非商業目的。數據由兩部分組成。DriveSeg(手動)是一段2分47秒的高分辨率視頻，拍攝于白天在馬薩諸塞州劍橋市繁忙的街道上。該視頻的5000幀密集地手工標注了12類道路物體的每像素人工標簽。

DriveSeg(半自動)是20,100個視頻幀(67個10秒視頻剪輯)從麻省理工學院先進汽車技術(AVT)聯盟的數據。DriveSeg(半自動)與DriveSeg(手動)使用相同的像素語義注釋，只是注釋是通過MIT開發的一種新型半自動注釋方法完成的。這種方法同時利用手工和計算工作，以比手工注釋更低的成本更有效地對數據進行粗略注釋。創建該數據集的目的是評估在廣泛的真實駕駛場景中進行注釋的可行性，并評估在基于人工智能的標簽系統創建的像素標簽上訓練車輛感知系統的潛力。