地平线联合南洋理工发布InsScene4D-147K大规模4D数据集 填补动态场景长序列标注数据空白

随着具身智能、高阶自动驾驶、服务机器人、AR/VR交互等领域的技术迭代加速，AI系统对复杂动态环境的长时序感知能力要求持续提升，4D场景（三维空间+时间维度）的几何与实例联合感知已成为行业核心技术攻关方向，而高质量、时序一致的标注数据集是训练相关AI模型的核心基础设施，此前行业普遍缺乏覆盖真实与合成场景、兼顾静态与动态目标的大规模4D标注数据集，制约了相关技术的落地进程。

地平线机器人本次发布的数据集InsScene4D-147K，是由地平线机器人与南洋理工大学等机构联合构建的大规模4D场景理解数据集，旨在支持几何与实例联合学习的训练与评估，填补动态环境中长期序列的几何-实例一致性预测缺乏高质量监督数据的行业痛点。该数据集涵盖真实与合成、静态与动态多元场景，包含147,000个数据样本，总计约6,000万个实例掩码，数据来源包括RGB图像、深度图、相机位姿及点云等多模态感知数据，并通过自动化几何引导标注流程生成时序一致的实例标签。其创建过程采用基于空间基础模型的几何重建、投影与掩码细化流水线，实现了多视角一致的几何与实例标注的高效生成，大幅降低了大规模4D数据集的标注成本与误差率。

从应用价值来看，该数据集主要可支撑在线4D场景理解、实例空间跟踪、开放词汇分割等下游AI任务的训练与效果评估：在高阶自动驾驶场景中，基于该数据集训练的感知模型可实现对动态行人、非机动车等交通参与者的长时序精准跟踪，提升复杂城市路况下的轨迹预判准确性；在具身工业机器人场景中，可支撑机械臂对动态移动的工件、作业人员的实时识别与避让，提升工厂柔性生产的安全性与效率；在AR/VR交互场景中，可优化空间锚定精度，实现虚拟数字内容与真实动态场景的自然融合；此外还可应用于城市多摄像头联动安防、家庭服务机器人环境感知等多个领域，为相关技术研发提供高质量的基础数据支撑。

查看InsScene4D-147K

详情页内容：