推进越野自动驾驶：大规模ORAD-3D数据集与综合基准

arXiv 25.10 2025 53.3 method

TLDR

介绍ORAD-3D，最大的越野自动驾驶数据集，包含世界模型任务基准。

评分理由

The paper's strength is providing a large-scale, diverse dataset and comprehensive benchmarks for off-road driving. Weakness: the world model is only one of five benchmark tasks, not a core contribution, and no details on world model methodology or results are given.

Read-first 评分解释

综合优先阅读分 53.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 4。

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、数据集、评估、实验、结果

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、数据集、GitHub

主题相关性 42%

5.7

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文方法锚点复现锚点

排序敏感性

稳定性：volatile；排名波动范围：871。

关键词评分

world model

world simulator

generative world model

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

最大的专门为越野自动驾驶策划的数据集
涵盖五个基本任务的综合基准套件：2D free-space detection、3D occupancy prediction、rough GPS-guided path planning、vision-language model-driven autonomous driving以及world model for off-road environments
广泛的地形覆盖（林地、农田、草地、河岸、碎石路、水泥路、乡村地区）和环境变化（天气条件：晴天、雨天、雾天、雪天；光照水平：明亮日光、白天、黄昏、夜晚）

方法

作者策划了ORAD-3D，一个大规模越野自动驾驶数据集，涵盖了多样化的地形和环境条件（天气和光照）。他们建立了一个涵盖五个任务的基准套件：2D free-space detection、3D occupancy prediction、rough GPS-guided path planning、vision-language model-driven autonomous driving以及world model for off-road environments。数据集和代码将公开提供。

关键结果

论文介绍了ORAD-3D作为最大的越野自动驾驶数据集，并提出了综合基准，但摘要中未报告具体实验结果。

资源

论文代码