الكشف الدقيق ومتابعة الأشياء أمر حاسم لتطبيق تقنية المركبات ذاتية القيادة. أدت مجموعات البيانات المرجعية القائمة على الصور إلى تطوير مهام رؤية الحاسوب مثل الكشف عن الأشياء ومتابعتها وتقسيم العناصر الفاعلة في البيئة. ومع ذلك، تحمل معظم المركبات ذاتية القيادة مزيجًا من الكاميرات وأجهزة قياس المسافة مثل الليدار والرادار. مع انتشار طرق الكشف والمتابعة المستندة إلى التعلم الآلي بشكل متزايد، هناك حاجة لتدريب وتقييم هذه الطرق على مجموعات بيانات تحتوي على بيانات أجهزة قياس المسافة بالإضافة إلى الصور. في هذا العمل، نقدم مشاهد nuTonomy (nuScenes)، وهي أول مجموعة بيانات تحتوي على كامل حزمة أجهزة المركبة ذاتية القيادة: 6 كاميرات، 5 رادارات وليدار واحد، جميعها بزاوية رؤية كاملة تبلغ 360 درجة. تتكون nuScenes من 1000 مشهد، كل منها يستغرق 20 ثانية ويتم توثيقه بالكامل باستخدام صناديق الحدود ثلاثية الأبعاد لـ 23 فئة و8 خصائص. تحتوي على سبعة أضعاف عدد التوثيقات ومائة ضعف عدد الصور مقارنة بمجموعة البيانات الرائدة KITTI. نحدد مقاييس جديدة للكشف ثلاثي الأبعاد والمتابعة. كما نوفر تحليلًا دقيقًا لمجموعة البيانات وكذلك خطوط أساس للكشف والمتابعة المستندة إلى الليدار والصور. يمكن الوصول إلى البيانات وحزمة التطوير والمزيد من المعلومات عبر الإنترنت.