تعتبر عملية وقوف السيارات المستقل مسألة حيوية ومعقدة ضمن أنظمة القيادة الذكية. في المناطق الحضرية، حيث يكون الفضاء محدودًا والمناورة دقيقة، تكون هذه المهمة أكثر تحدياً. على الرغم من التقدم الكبير في تعلم الأنظمة الشاملة (End-to-End Learning)، إلا أن نقص البيانات الهيكلية ذات الجودة العالية المخصصة لسيناريوهات وقوف السيارات يشكل عقبة كبيرة.

لذا، نقدم لكم ParkingScenes، مجموعة بيانات شاملة ومتعددة الوسائط تم تصميمها خصيصًا لسيناريوهات وقوف السيارات المستقل في مشاهد محاكاة. تم بناء هذه المجموعة على محاكي CARLA، وتتميز بالمسارات الهيكلية لوقوف السيارات التي تمت توليدها بواسطة مخطط Hybrid A* ووحدة التحكم التنبؤية النموذجية (Model Predictive Controller - MPC).

تتضمن ParkingScenes 16 سيناريو لوقوف العكسي و6 سيناريوهات لوقوف السيارات بالتوازي، كل منها تم تنفيذه تحت حالتين من وجود المشاة (موجودين وغير موجودين)، مما نتج عنه 704 حلقة هيكلية تقريبًا و105000 إطار. تم تكرار كل سيناريو 16 مرة لضمان تغطية متسقة.

كل إطار يحتوي على بيانات متزامنة من أربعة كاميرات RGB، وأربعة حساسات عمق، وحالات حركة السيارة، وتمثيلات Bird's-Eye View (BEV)، مما يمكّن من دمج متعدد الوسائط غني وتعلم بالاعتماد على السياق.

لإظهار فائدة مجموعتنا، قمنا بمقارنة النماذج المدربة على ParkingScenes مع تلك المدربة على بيانات محاكاة غير هيكلية تم جمعها يدويًا تحت نفس الظروف. أظهرت النتائج تحسنات كبيرة في الأداء، مما يبرز فعالية الإشراف الهيكلي في تعلم سياسات وقوف السيارات بدقة وموثوقية.

من خلال إصدار مجموعة البيانات وإطار جمع البيانات، تؤسس ParkingScenes مرجعًا قابلًا للتطوير وإعادة الإنتاج لدعم أنظمة وقوف السيارات المستقل المعتمدة على التعلم.