### Waymo Open Dataset 百科解释

#### 核心定义
Waymo Open Dataset 是由 Alphabet 旗下自动驾驶公司 Waymo 于 2019 年发布的大规模、多模态、高精度标注的自动驾驶公共数据集。该数据集采集自 Waymo 自有的自动驾驶车队（搭载激光雷达、高分辨率摄像头、毫米波雷达及 GPS/IMU），覆盖美国多个城市（如旧金山、凤凰城、西雅图）的复杂道路环境。截至 2024 年，其最新版本包含超过 1150 个场景片段、约 200 万帧三维点云与图像，以及超过 2500 万个精确 3D 边界框标注（含车辆、行人、骑行者等）。作为自动驾驶领域最权威的基准之一，它广泛用于感知、预测、规划等算法的训练与评测。

#### 关键技术点
1. **多模态传感器融合**：同步提供激光雷达点云（64 线/128 线）、5 个高分辨率摄像头（前后左右及环视）及前向毫米波雷达数据，支持多维度特征互补，提升环境感知鲁棒性。
2. **高精度 3D 标注与属性**：标注涵盖 3D 边界框（位置、尺寸、朝向）、语义类别、遮挡/截断属性及速度信息，细粒度标注水平为行人姿态、骑行方向等提供高级语义（如 Waymo Open Dataset v2.0 引入的“交互动作”标签）。
3. **时序一致性与运动预测**：每个场景片段长达 20 秒（20 Hz 帧率），包含连续帧的物体跟踪 ID，并标注未来 8 秒的运动轨迹，为轨迹预测、行为建模提供时间上下文。
4. **域适应与扩展性**：数据集按地理区域、时段（白天/夜间）、天气条件细分，并划分训练/验证/测试集（测试集不公开标签），全球研究者可通过竞赛平台（如 Waymo Open Challenge）进行公平评测。

#### 医学/神经科学应用场景
**帕金森病患者的视运动控制与自动驾驶适应性评估**（结合首都医科大学神经病学研究所研究方向）：  
利用 Waymo Open Dataset 的高帧率多模态数据（特别是激光雷达点云与视觉流），可构建模拟帕金森病患者视觉感知与运动控制缺陷的仿真环境。例如，帕金森病患者常伴有眼球运动异常（如垂直性扫视减慢）、运动迟缓及认知负荷下降。通过分析数据集中的三维交通场景（如行人横穿、突发刹车），研究人员可设计“感知-决策-反应”试验：  
- **视觉补偿算法开发**：通过模拟患者视野缺损（如中心凹区模糊）或统合运动处理延迟，在 Waymo 数据上训练深度神经网络，评估其对动态障碍物（如转向车辆）的检出灵敏度。  
- **风险预警与康复辅助**：提取数据集中的危险场景（如“鬼探头”），结合首都医科大学在帕金森眼动追踪领域的临床数据，建立反应时间-碰撞概率模型，为自适应汽车界面（如增强现实抬头显示）提供参数优化依据。该应用不仅拓展了自动驾驶数据集的跨界价值，也为神经退行性疾病的社区出行安全提供了量化评估工具。