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。
PDD（Personalized Driving Dataset）是在 CARLA 0.9.15 中采集的多驾驶员、多场景驾驶数据集，面向个性化自动驾驶研究，用于让模型学习模仿不同个体的驾驶风格。数据覆盖 30 名驾驶员，每人完成 21 个具有挑战性的驾驶场景，并配有包含人口统计信息、驾驶经验、习惯和自评驾驶风格的驾驶员画像。
数据包含前向 RGB 相机图像、周围目标的 3D bounding boxes，以及逐帧车辆遥测信息，如速度、加速度、转向、油门和刹车等。统计信息包括 630 个场景实例、70,087 帧图像、70,087 个 bounding box 文件，数据量约 13 GB，保存帧率为 4 FPS。
文件组织包括 images/*.jpg、boxes/*.json.gz、metric/metric_info.json、metric/metrics.json 和 user_profiles/driver_XX.json。仓库提供 load_pdd.py，可作为结构化的 PyTorch 兼容加载器使用。
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。
- 采集方式
- 遥操作
- 开源协议
- cc-by-nc-4.0
- 传感器模态
- 图像
- 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：总时长 · 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 tasl-lab/PDD --repo-type dataset --local-dir ./data/tasl-lab-pdd
# 在 Python / LeRobot 中加载数据集
from lerobot.common.datasets.lerobot_dataset import LeRobotDataset
dataset = LeRobotDataset("tasl-lab/PDD")
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 tasl-lab/PDD访问 2026-10-21