KITTI 是自动驾驶领域最经典的公开评测数据集之一，由德国卡尔斯鲁厄理工学院与丰田芝加哥技术研究院于 2012 年发布，包含真实道路场景下的相机、LiDAR 点云与 GPS/IMU 数据，长期以来是 3D 目标检测、深度估计、光流与视觉里程计等任务的标准基准。尽管 Waymo、nuScenes 等更大规模数据集相继出现，KITTI 因规模适中、标注质量高，仍是学术研究与新方法验证的首选测试场。
KITTI 上的近期研究进展
当前焦点与观察点
围绕 KITTI 的讨论目前集中在三点。其一是基准地位的变化：随着 nuScenes、Waymo Open Dataset 等更大规模数据集普及，KITTI 的榜单热度有所下降，但由于数据量适中、便于快速迭代，它仍是新方法的首轮验证场。其二是评测维度扩展：如上述 SOTIF 研究所示，社区不再满足于精度指标，而是关注模型在跨工况、分布偏移与安全边界上的表现，KITTI 场景被用作这类分析的实验载体。其三是生成式模型的介入：扩散模型与视频生成器（如 Google DeepMind 关于视频生成模型内含世界模型的主张）正在改变深度估计和场景理解的技术路线，这些新方法能否在 KITTI 这类真实驾驶基准上稳定超越传统判别式模型，是值得持续观察的争议点。总体来看，KITTI 正从“刷榜主战场”转变为方法验证与安全性分析的基础设施，其在自动驾驶研究中的参考价值依然稳固。