RoboDrive自动驾驶挑战赛火热招募中，五大赛道，等你来战！

近期，由 ICRA 2024 会议承办的首届 “RoboDrive” 自动驾驶挑战赛正式上线啦！本届赛事由上海人工智能实验室 OpenMMLab 联合新加坡国立大学、卡耐基梅隆大学、新加坡南洋理工大学、上海科技大学等海内外高校共同主办。赛事共设五大赛道，旨在探究各类自动驾驶感知模型在部署阶段时的可靠性。本届赛事重点关注以视觉为中心的 3D 物体检测、建图与分割、语义占用预测和多视角深度估计主流任务等。与此同时，我们也关注由多种类型传感器组成的自动驾驶感知系统在受到传感器损坏时的稳健性。

赛事主页：

https://robodrive-24.github.io

（文末点击阅读原文可直达）

本届赛事将为在各赛道中表现突出的感知方案提供奖金和证书奖励。我们热忱欢迎来自学术界和工业界的自动驾驶感知领域从业者了解及参与！

赛事概览

在快速发展的自动驾驶领域，感知系统的准确性和可靠性至关重要。近期，自动驾驶场景感知及其相关领域的研究取得了突破性进展，尤其是在鸟瞰图 (BEV) 表征和 LiDAR 传感技术等方面取得了显著进步，进一步提升了 3D 场景感知模型在大型自动驾驶数据集上的准确率。

然而，现有的 3D 场景感知模型在各类具有挑战性的条件下的稳健性尚未得到充分评估，而此类情形往往与自动驾驶感知的安全性息息相关。为了填补这一空缺，我们推出了 “RoboDrive” 挑战赛，旨在推动对可靠 (reliable) 自动驾驶感知模型的探索和研究。

“RoboDrive” 是首个针对常见损坏 (common corruption) 和传感器故障 (sensor failure) 条件下自动驾驶感知模型的分布外 (out-of-distribution) 鲁棒性的基准测试。本届 “RoboDrive” 挑战赛正是基于该基准测试结果提出的。

具体地，我们旨在探究以视觉为中心的自动驾驶感知模型对可能在现实世界出现的十八种常见损坏类型的鲁棒性，主要来自以下三大类型：

• 天气和照明条件 (weather & lighting)，例如强光、弱光、雾天和雪天条件等。

• 运动和失效采集 (movement & acquisition)，例如车辆运动引起的潜在模糊等。

• 由于硬件故障而发生的数据处理问题 (data processing issue)，例如噪声和量化等。

此外，本赛事也重点关注各类自动驾驶感知模型在 相机 (camera) 和 激光雷达 (LiDAR) 等传感器发生故障条件下的 3D 场景感知鲁棒性。

赛程设置

本届 “RoboDrive” 挑战赛共设有两大主题，共五个赛道，重点关注鸟瞰图 3D 物体检测、地图分割、语义占用预测和多视角深度估计等自动驾驶场景感知任务。每个赛道都旨在提升自动驾驶感知领域的技术水平，尤其关注在多变环境中的感知系统鲁棒性，为参赛者提供了展示其技术创新和解决实际问题能力的平台。

赛道1：

Robust BEV Detection (鸟瞰图 3D 物体检测)

任务简介：

本赛道要求参赛者使用先进的机器学习算法进行鸟瞰图三维物体检测。该任务不仅包括识别和定位车辆、行人等动态物体，还要求参赛者能够处理复杂的环境元素，如道路标志和静态障碍物等等。准确性和对细节的敏感性在此赛道中至关重要。

• Baseline 模型：BEVFormer

• 模型训练需求 (预估)：8x 3090 GPUs，迭代周期 1 ~ 2天

• Baseline 性能：NDS = 31.24%, mAP = 18.82%

• 评测服务器：https://codalab.lisn.upsaclay.fr/competitions/17135

赛道2：

Robust Map Segmentation (鸟瞰图地图分割)

任务简介：

本赛道要求参赛者使用先进的机器学习算法在高分辨率鸟瞰图上进行精确地图分割。该任务包括对多种城市地理特征的细致分析，如分割车道、人行道、绿地等。此外，此赛道还考验参赛者在处理不同光照、天气条件和噪声条件下的图像分割能力。

• Baseline 模型：BEVerse

• 模型训练需求 (预估)：8x 3090 GPUs，迭代周期 1 ~ 2天

• Baseline 性能：mIoU = 17.33%

• 评测服务器：https://codalab.lisn.upsaclay.fr/competitions/17062

赛道3：

Robust Occupancy Prediction (语义占用预测)

任务简介：

本赛道要求参赛者使用先进的机器学习算法预测城市道路和周边环境的占用情况以及占用对应的语义信息。该任务涉及对交通流量、行人动态以及静态障碍物等的准确预测，对于自动驾驶系统的实时反应和决策具有重要意义。

• Baseline 模型：SurroundOcc

• 模型训练需求 (预估)：8x 3090 GPUs，迭代周期 2 ~ 3天

• Baseline 性能：mIoU = 11.30%

• 评测服务器：https://codalab.lisn.upsaclay.fr/competitions/17063

赛道4：

Robust Depth Estimation (多视角深度估计)

任务简介：

本赛道要求参赛者使用先进的机器学习算法进行不同视角摄像头数据中的深度估计。与传统的单目/双目深度估计不同，该任务旨在利用环视相机数据构建全面、系统的三维环境深度估计模型。此赛道要求相应算法能够有效处理视角变化、光照变化和其他环境因素对深度估计的影响。

• Baseline 模型：SurroundDepth

• 模型训练需求 (预估)：8x 3090 GPUs，迭代周期 2 ~ 3天

• Baseline 性能：Abs Rel = 0.348, RMSE = 7.102, a1 = 0.623

• 评测服务器：https://codalab.lisn.upsaclay.fr/competitions/17226

赛道5：

Robust Multi-Modal BEV Detection (多模态鸟瞰图3D物体检测)

任务简介：

本赛道要求参赛者使用先进的机器学习算法融合来自不同传感器的数据，如相机和激光雷达，以达到提高鸟瞰图3D物体检测精度的目的。此赛道鼓励参赛者展示在多模态数据融合和处理方面的创新能力，同时确保算法的鲁棒性和高效性。

• Baseline 模型：BEVFusion

• 模型训练需求 (预估)：8x 3090 GPUs，迭代周期 1 ~ 2天

• Baseline 性能：NDS = 42.86%, mAP = 24.50%

• 评测服务器：https://codalab.lisn.upsaclay.fr/competitions/17137

赛程安排

日期	赛程安排
即日起	注册；请填写表格进行队伍报名
2024.01.05	训练和评测数据集公开
2024.01.15	评测服务器上线
2024.03.31	挑战赛第一阶段截止
2024.04.30	挑战赛第二阶段截止
2024.05.17	竞赛结果宣布及颁奖 @ ICRA 2024

表格链接：https://docs.google.com/forms/d/e/1FAIpQLSeA1HsM2BEi0Bauet8B7xYBYrzBTJpfKILKFM2RJKymVyl0aA/viewform

识别下方二维码可直达：

 ICRA  介绍

本届 “RoboDrive” 挑战赛隶属于 The 41st IEEE Conference on Robotics and Automation (第四十一届 IEEE 机器人与自动化会议, ICRA 2024)。

ICRA 是 IEEE Robotics and Automation Society (机器人与自动化协会) 旗下的旗舰会议，每年于会议期间吸引来自世界各地的数千名研究学者、学生以及相关行业从业人员参会。ICRA 2024 将于 2024 年 5 月 13 日至 5 月 17 日在日本横滨举行。

赛事答疑

邮箱

[e-mail]

微信群

了解更多

赛事主页：

https://robodrive-24.github.io

赛事官方 GitHub 账号：

robodrive-24

赛事官方 Toolkit：

https://github.com/robodrive-24/toolkit

相关工作

"RoboBEV: Towards Robust Bird's Eye View Perception under Corruptions," Preprint, 2023.

论文链接：

https://arxiv.org/abs/2304.06719

GitHub 仓库：

https://github.com/Daniel-xsy/RoboBEV

"Robo3D: Towards Robust and Reliable 3D Perception against Corruptions," ICCV, 2023.

论文链接：

https://arxiv.org/abs/2303.17597

GitHub 仓库：

https://github.com/ldkong1205/Robo3D