Qpu523/VPSCI-Dataset

🚦 VPSCI 데이터셋 – 차량-보행자 안전 임계 상호작용 데이터셋

개요 – 도시 교차로에서의 차량-보행자 근접 충돌 상호작용에 대한 대규모, 고해상도 데이터셋입니다. 데이터는 먼저 실제 근접 충돌 기록으로 사전 학습된 후, CARLA 주행 시뮬레이터 내부에서 온라인 학습으로 정교화된 3단계 강화학습 파이프라인(MA-SST-DDPG)을 통해 생성되었으며, 최종적으로 198k 이상의 상호작용 에피소드를 합성했습니다.

중요성 – 자율주행 차량 연구에는 인지, 예측, 및 계획 모듈을 훈련하고 평가하기 위해 현실적이고 안전 임계 상황이 포함된 시나리오가 필요합니다. 기존의 공개 데이터셋에는 아찔한 상황(close-call) 이벤트가 상대적으로 적습니다. VPSCI는 수천 개의 다양하고 고주파수의 궤적을 제공하며, 인간 튜링 테스트를 통해 실제 영상과 구별할 수 없음을 입증했습니다.

📚 핵심 내용

항목	세부 사항
시나리오	CARLA Town10의 두 가지 교차로 레이아웃(A & B), 각 레이아웃은 4개의 우회전 차량 / 횡단 보행자 방향(총 8개).
에피소드	각 CSV 파일당 10,000개 이상의 에피소드(≈ 2.6 km 보행자 경로, 1.7 km 차량 경로), 20Hz로 기록됨.
필드	`count`, `frame`, `veh_id`, `ped_id`, `position_x_av`, `velocity_y_ped`, `CurvTTC` … (전체 목록은 논문 참조).
크기	8개 시나리오 파일 전체에 걸친 약 198,000개의 상호작용 에피소드.
영상	생성된 상호작용을 보여주는 144개의 예시 영상(다운로드 링크 제공).
인간 평가	51명의 참가자가 사실성을 평가함; 생성된 영상은 통계적으로 실제 상황과 구별할 수 없음(p = 0.93).

🛠️ 데이터 생성 방식

1단계 – 사전 학습 – Multi-agent state-space Transformer-enhanced DDPG (MA-SST-DDPG) 에이전트가 엄선된 실제 근접 충돌 이벤트 세트에서 회피 행동을 학습합니다.
2단계 – 온라인 학습 – 에이전트는 CARLA 내부에서 지속적으로 적응하며, 다양한 고위험 상황을 마과하며 시뮬레이션-현실 간의 격차를 좁힙니다.
3단계 – 대규모 생성 – 정교화된 에이전트가 시뮬레이션된 교차로를 주행하며, 모든 상호작용 에피소드를 자동으로 기록합니다.

📥 데이터 받기

서브셋	보행자 횡단 방향	다운로드 링크
1	남 → 북	[OneDrive link]
1	남 → 북	[OneDrive link]
2	북 → 남	[OneDrive link]
3	동 → 서	[OneDrive link]
4	West → East	[OneDrive link]
5-8	두 번째 교차로 레이아웃의 동일한 4개 방향	[OneDrive links]

(각 링크는 해당 서브셋의 에피소드를 포함하는 CSV 파일을 가리킵니다.)

🎬 예시 영상

상호작용을 직접 확인할 수 있는 144개의 영상 폴더를 다운로드할 수 있습니다: [Download video collection].

📊 평가 (튜링 테스트)

비교 그룹	t-statistic	p-value	KS-statistic	p-value	유의미함?
CARLA baseline vs. MA-SST-DDPG	-13.5	<0.0001	0.4951	<0.0001	예
CARLA baseline vs. Real world	-13.63	<0.0001	0	<0.0001	예
MA-SST-DDPG vs. Real world	-0.09	0.9282	0.0588	0.8732	아니요
	------------------	------------	--------	--------------	--------

생성된 영상과 실제 영상 사이의 유의미한 차이가 없다는 것은 데이터셋의 높은 충실도를 입|고합니다. |