HRDX：大規模ベクトルHDマップデータセット

自動運転システムの信頼性は、幾何学的に正確で意味的に豊かであり、かつ長距離走行にスケーラブルなベクトル化HDマップに依存しています。しかし、既存の公開HDマップデータセットは規模が限られ、意味属性が疎であり、航空画像のような新たな研究の方向性を可能にするモダリティが欠如しているという課題があります。この問題に対処するため、本田技術研究所（Honda Research Institute）の研究チームは、大規模ベクトルHDマップ構築用データセット「HRDX」を提案しました。

HRDXは、合計約40時間、1,400kmにわたる走行データを収録しており、ルート間の重複は最小限に抑えられています。その規模は、従来の公開HDマップデータセットの数倍に相当します。データ収集には、6台の同期式周囲カメラ、128ビームLiDAR、センチメートル級のRTK GNSS/IMUが使用され、さらに精密に位置合わせされた航空オルソ画像（aerial orthoimagery）が補完されています。このマルチモーダル構成により、地上視点からの豊富な情報に加え、空中視点からの構造的事前知識が提供され、新たな研究の道が開かれます。

アノテーションは、10種類のベクトルマップクラス（車線境界線、縁石、横断歩道など）をカバーし、20以上の意味属性とトポロジ属性（道路種別、曲率、接続関係など）が付与されています。この豊かなオントロジーを評価するために、研究チームは複合スコア（Composite Score, CS）を導入しました。これは、地図の幾何学的忠実度と属性の正しさを同時に評価する指標であり、従来の単一指標の限界を克服します。

ベンチマーク実験の結果、HRDXの大規模データにより、オンラインベクトルマップ構築の性能が向上することが示されました。さらに、位置合わせされた航空画像は有用な構造的事前知識を提供し、訓練時や推論時に航空画像を使用することで地図の幾何品質が改善されます。また、航空画像で強化された教師モデルは、その利点の一部を推論時のセンサー要件を増やすことなく、カメラのみの生徒モデルに転移できます。これは、知識蒸留により、将来低コストのセンサー構成でも高性能な地図構築が可能になることを意味します。

HRDXは、大規模HDマップ学習、マルチモーダルBEV融合、訓練時特権情報に関する再現可能な研究を支援することを目的としており、データセットとベンチマークはGitHub（https://github.com/honda-research-institute/HRDX）で公開されています。研究チームは、HRDXが自動運転用HDマップ分野の新たなベンチマークとなり、より信頼性が高くスケーラブルな地図構築技術の発展に貢献することを期待しています。