琶洲算法大赛x智能驾驶世界模型生态赛项目征集！

北京航空航天大学交通科学与工程学院

特种车辆无人运输技术工业和信息化部重点实验室

踏歌智行科技股份有限公司

参赛者需基于多传感带数据(激光雷达、毫米波雷达、摄像头，在雨、雾、雪、沙尘等恶劣天气及非结构化道路环境下，完成对交通参与者(车辆等及道路设施的3D目标检测、占用册格预测等任务。参赛者基于感知结果，结合车辆位姿、导航指令和车辆动力学状态，在复杂道路环境中(包括动态交互场景以及无信号灯路口环境下)，输出转向、油门、制动等可执行控制量，完成端到端或决策控制自动驾驶任务。

当前智能驾驶技术进入多车型规模化落地关键阶段，其中矿区/港口/环卫专用作业等场景已实现大规模落地。传统赛事尚未适配该行业技术评测、产学研协同需求，行业缺少中立、权威、覆盖全域车型的算法竞技平台。

本次竟赛的主题为“智算赋能，驭见自动驾驶”。分为初赛阶段，决赛阶段，要求参赛者设计鲁棒的多模态感知、规控或基于世界模型等端到端算法，在传感器置信度动态变化的象件下，安全高效地完成驾驶任务。

(一)感知数据集

初赛一一多模态感知教据集:包含激光雷达点云、毫米政雷达数据与多视角摄像头图像，各传感器已完成时间同步与空间标定。数据集覆盖晴明天气、路况相对良好的矿区作业面场景。数据集规模约50GB，标注内容包括3D目标检测框(工程车辆、行人、其他障碍物等)及OCC栅格占用标注。

决赛一一复杂环境多模态感知增强数据集:在与初赛同分布的常规场景教据基础上，扩充雨、雾、雪、沙尘、低照度等恶劣环境教据，以及非结构化道路坏境数据。数据集规模约100GB,其中常规场景与复杂条件场景占比约1:1。

(二)规划/决策/控制数据集(初/决赛数据内容一致，数据分布不一致)

包含车辆位姿序列、导航指令、车辆动力学状态(速度、加速度、横摆角速度等)以及对应的感知结果，覆盖非结构化道路无信号灯路口场景。

多模态感知技术限制:参赛者必须使用大赛指定的多模态感知开发框架与接口进行算法开发。鼓励参赛者基于多传感器融合技术路线，可使用公开预训练模型进行迁移学习，但不得直接使用已发布的完整感知模型作为最终提交方案。禁止引入大赛提供数据集之外的未公开数据用于模型训练。

规划/决策/控制技术限制:参赛者必须基于大赛指定的仿真平台与决策控制接口进行算法开发。鼓励使用基于世界楼型的端到端方法或传统规控方法，但需确保算法可解释性与安全性。禁止利用仿真平台的已知漏洞获取不当竞争优势。

通用限制:所有赛题参赛者不得使用大赛提供数据集之外的未公开数据(公开数据集除外);模型开发需基于主流深度学习框架(PyToch、TensoFlOw等)，鼓励使用创新方法提升算法性能与效率;参赛作品必须为原创，不得抄袭或侵犯他人知识产权。