إن فهم المشهد الشامل وتتبع الوكالات الديناميكية ضروريان لتمكين الروبوتات والمركبات الآلية من التنقل في البيئات الحضرية. وبما أن أجهزة ليزر (LiDAR) توفر تمثيلًا هندسيًا دقيقًا ومستقلًا عن الإضاءة للمشهد، فإن أداء هذه المهام باستخدام سحابات النقاط من ليزر يُعد مصدراً موثوقًا للتنبؤات. ومع ذلك، فإن المجموعات البيانات الحالية تفتقر إلى التنوّع في أنواع المشاهد الحضرية، كما أن عدد حالات الكائنات الديناميكية فيها محدود، مما يعيق تعلّم هذه المهام وتقييم الطرق المطورة بشكل موثوق. في هذه الورقة، نقدّم مجموعة بيانات معيارية واسعة النطاق تُسمى "Panoptic nuScenes"، التي تمتد من مجموعة البيانات الشهيرة "nuScenes" ببيانات مرجعية دقيقة على مستوى كل نقطة لمهام التصنيف الدلالي، والتصنيف الشامل، وتتبع المشهد الشامل. ولتسهيل المقارنة، نقدّم عدة قواعد أولية قوية لكل من هذه المهام على مجموعة البيانات المُقترحة. علاوةً على ذلك، نحلّل العيوب الموجودة في المقاييس الحالية لتتبع المشهد الشامل، ونُقدّم مقياسًا جديدًا يعتمد على الكائنات (PAT) يركز على الكائنات، ويُعالج هذه المخاوف. ونُقدّم تجارب مكثفة تُظهر فائدة مجموعة "Panoptic nuScenes" مقارنةً بالبيانات الأخرى، ونُتاح خادم التقييم عبر الإنترنت على الموقع nuScenes.org. ونعتقد أن هذه التوسعة ستساهم في تسريع البحث حول الطرق المبتكرة لفهم المشاهد في البيئات الحضرية الديناميكية.