外观
Skip to content
概述
这套数据集的采集方式、多模态结构、存储格式与适用任务。
LEAD 是随论文 “Minimizing Learner–Expert Asymmetry in End-to-End Driving” 发布的官方 CARLA 数据集，用于端到端驾驶研究。配套栈围绕 CARLA 仿真器构建，强调数据中心设计，并提供可视化套件、运行时类型校验，以及面向调试和训练流程的支持。
数据采用优化存储格式，约 200GB 可容纳 72 小时驾驶数据。每条 route 存为同步帧序列，各传感器模态均以自车为中心并完成时间对齐；除标称传感器套件外，还提供对应反事实自车状态的扰动传感器栈，用于 recovery supervision。
该项目声明支持 NAVSIM 和 Waymo Vision-based E2E，并通过闭环仿真和合成数据扩展相关 benchmark 以提供额外训练监督。数据可下载单条 route 用于检查或调试，也可通过 Git LFS 克隆完整数据集并解压；许可证为 MIT License。
关键规格与模态
数据规模、传感器模态、标注层级、存储格式及 Hugging Face Hub 下载热度。
- 总时长
- 72h
- 采集方式
- 遥操作
- 开源协议
- mit
- 传感器模态
- 视频图像状态观测
- 标注粒度
- 动作轨迹状态观测
- 存储格式
- Parquet
暂未公开或待收录：演示轨迹数 (Episodes)
数据下载与加载代码
通过 Hugging Face CLI 或 LeRobot Dataset API 直接读取帧序列与动作标签。
# 使用 Hugging Face CLI 下载数据集
huggingface-cli download ln2697/lead --repo-type dataset --local-dir ./data/ln2697-lead
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("ln2697/lead")
print(f"Episodes: {dataset.num_episodes}, Frames: {dataset.num_frames}")关联采集机型与策略模型
采集或适配该数据集的机器人本体，以及可在其上训练/评估的 VLA 与控制策略模型。
尚未收录关联机型或引用它的模型。
来源
本页事实对应的公开页面，以原文为准。
- Hugging Face datasets ln2697/lead访问 2026-10-27