Motional představuje dataset nuReasoning a spouští výzvu ECCV

Motional oznámila vydání nuReasoning dne 8. září 2026 a popsala jej jako první světový otevřený dataset zaměřený na uvažování a dlouhé ocasní scénáře pro autonomní vozidla. Současně spustila související výzkumnou výzvu na Evropské konferenci o počítačovém vidění ve Švédsku. Dataset byl vytvořen ve spolupráci s UCLA Mobility Lab a jejím ředitelem, profesorem Jiaqi Ma.

The Oznámení Motional představuje nuReasoning jako tréninkový materiál pro end-to-end autonomní systémy, zaměřený na vzácné okrajové případy, kde samotné vnímání nestačí. Modely Vision-Language-Action spojují rozpoznávání scény s rozhodnutími o tom, jak jednat, a Motional uvádí, že takové modely potřebují tréninková data, která předávají logiku za řidičským rozhodnutím, nikoli jen správnou akci samotnou. Dataset je navržen tak, aby modely učil prostorové vztahy, uvažování o řidičských rozhodnutích, předvídání rizik a zvažování alternativních výsledků.

Složení datasetu

nuReasoning obsahuje 20 000 dlouhých ocasních scénářů, z nichž každý je video klip dlouhý alespoň 20 sekund s anotací uvažování ověřenou lidmi. Události byly získány z dat flotily Motional shromážděných v Las Vegas, Pittsburghu, Los Angeles, Bostonu a Singapuru a společnost uvádí více než 105 hodin okrajových případů náročných na uvažování, včetně neobvyklé činnosti chodců, pracovních zón a nočního silničního stavebnictví, přechodů zvířat a scénářů se sníženou viditelností. Soubor anotací zahrnuje celkem 247 000 lidsky ověřených anotací uvažování ve třech typech: prostorové uvažování, rozhodovací uvažování a kontrafaktuální uvažování, spolu s multimodálními senzorickými daty pro trojrozměrné znázornění scény.

The official záznam nuReasoning poskytuje další strukturu. Klipy mají přibližně 20 sekund a jsou vzorkovány 10 Hz, přičemž je k dispozici 17 000 tréninkových klipů, 2 000 validačních klipů a 1 000 soukromých testovacích klipů. Senzorická data zahrnují synchronizované víceúhlové kamery, LiDAR pro podporované klipy, kalibraci a stav ego vozidla, 3D anotace objektů, vektorové HD mapy, semafory, trasy a navigační příkazy. Pro výběr dlouhých ocasních materiálů AI hodnotitel ohodnotil více než 100 000 předfiltrovaných 30‑sekundových kandidátních klipů vybraných z více než 10 000 hodin jízdy, následně proběhla lidská verifikace a výběr klíčových snímků.

Anotace prostorového uvažování pokrývají objektově‑centrické 2D‑3D pochopení, kontext mapy a topologie, relativní polohu, rychlost, budoucí pohyb a interakce s ego vozidlem, anotované 1 Hz. Rozhodovací uvažování zachycuje popis scény, kritické komponenty, podélné a příčné meta‑akce a kauzální stopu vysvětlující vybrané chování. Kontrafaktuální uvažování hodnotí alternativní ego akce vůči bezpečnostně kritickým výsledkům a úrovním rizika označeným jako bezpečné, suboptimální nebo nebezpečné; anotace rozhodování a kontrafaktuální jsou zaznamenány 0,2 Hz. Záznam také uvádí, že dataset používá zpracování zachovávající soukromí, včetně anonymizace lidských tváří a poznávacích značek.

Motional integrovala svůj proprietární vyhledávač Omnitag, který umožňuje výzkumníkům dotazovat se na rozdělení podle typu scénáře, úrovně obtížnosti a lokality a provádět semantické vyhledávání v přirozeném jazyce pro taktickou interakci. Jeden anotovaný scénář popsaný společností ukazuje noční stavební zónu, kde vozidlo zastavilo: anotace vysvětluje, že zastavení bylo správné kvůli malé zvířecí překážce před vozidlem a že alternativní trasy byly odmítnuty kvůli stavebním bariérám a neznámé rychlosti a směru zvířete.

Společnost uvádí, že minidataset nuReasoning vydaný dříve v tomto roce byl stažen více než 50 000krát. Veřejné vydání zahrnuje tréninkové a validační rozdělení na platformě Hugging Face, zatímco 1 000 soukromých testovacích klipů je vyhrazeno pro hodnocení výzvy. Open‑source vývojová sada na GitHubu poskytuje zpracování dat pro trénink VLA, cíle uvažování a plánování, referenční modely a hodnotící metriky.

Výzva nuReasoning

Motional a UCLA Mobility Lab pořádají výzvu nuReasoning, která byla zahájena na ECCV. Soutěž je strukturována jako společné hodnocení plánování a uvažování na 1 000 scénářích soukromého testu. Hlavní úkol plánování poskytuje účastníkům 10 sekund kontextu jízdy – víceúhlé snímky, informace z HD mapy, navigační příkaz a stav ego vozidla – a vyžaduje predikci trajektorie ego vozidla na následujících pět sekund. Pomocný úkol uvažování používá stejný kontext pro vizuální otázky a odpovědi pokrývající geometrii, pohyb, rozhodování a kontrafaktuální uvažování, s formáty odpovědí výběr z možností, numerické, souřadnicové a trajektorie.

Konečné skóre výzvy kombinuje 75 % skóre plánování a 25 % skóre uvažování a celková výherní částka činí 10 000 USD. Registrace je otevřená a vítězové budou oznámeni v prosinci 2026 na konferenci Conference on Neural Information Processing Systems.

„Pro bezpečné rozšíření flotily autonomních vozidel musí autonomní řídící systémy reagovat na vzácné, chaotické okrajové případy se stejnou jistou logikou jako zkušený lidský řidič,“ řekl Phil Michel, senior viceprezident pro autonomii a AI ve společnosti Motional. Dodal, že společnost upřednostňuje transparentní AI, aby bylo možné jasně vyhodnotit rozhodování v reálném čase a posouzení rizik, a že otevřená dostupnost nuReasoning poskytuje společnou základnu pro řešení okrajových případů.

Výzkumný základ a dostupnost

Přiložený článek s názvem “nuReasoning: Dataset a benchmark zaměřený na uvažování pro dlouhé ocasní autonomní řízení” byl odeslán na článek dne 29. května 2026, s autory z UCLA a Motional a Tonym Xuewei Qi uvedeným jako vedoucí projektu. V článku autoři uvádějí, že doladění vision‑language modelů na nuReasoning výrazně zlepšuje odpovídání na otázky specifické pro řízení a že začlenění dohledu uvažování do tréninku VLA zlepšuje výkon plánování i když jsou textové výstupy uvažování při inferenci vypnuté. Plánovací model článku, nuVLA, kombinuje vision‑language kostru s generováním trajektorie.

nuReasoning rozšiřuje otevřenou datovou řadu Motional, která začala v roce 2019 projektem nuScenes, který společnost označuje za první multimodální veřejný dataset AV v odvětví, a pokračovala projekty nuImages, Panoptic nuScenes a nuPlan. Datasety jsou k dispozici pod komerčními licencemi nebo zdarma pro akademické účely za podmínek nekomerčního užití stanovených společností Motional.