近日，山东大学教授白露团队与北京大学教授程翔团队联合在Nature旗下期刊《Scientific Data》发表研究论文，正式发布全球首个通信与多模态感知智能融合数据集SynthSoM。该数据集填补了通信与多模态感知智能融合研究领域的数据空白，为智能交通、6G网络、无人系统等前沿技术研发提供了重要支撑。

SynthSoM数据集包含多车和多路端场景下的通信数据与多模态感知数据，涵盖sub-6 GHz、毫米波等多种频段及SISO、MIMO、大规模MIMO等天线配置的射频信道信息，同时集成毫米波雷达、RGB图像、深度图、激光雷达点云等多模态感知数据。数据集覆盖城镇、郊区、乡村等多样化网联智能低空交通场景，并包含多时段、多天气、多视角、多车流量密度等复杂条件，总规模达37.3万组通信信道数据、23万组毫米波雷达波形数据、45.5万张RGB图像、89.1万张深度图像及24.1万组激光雷达点云数据，是目前该领域最完备的公开数据集。

随着人工智能与网联智能技术的快速发展，无人系统对多模态感知与通信协同的需求日益迫切。然而，现有数据集普遍存在模态单一、场景局限等问题，难以满足复杂环境下的算法验证需求。研究团队通过自主研发的数据生成与采集平台，构建了SynthSoM数据集，其核心创新在于实现了通信与感知数据的深度融合，为无人驾驶、无人仓储等应用提供了高保真、多场景的算法训练与测试基础。

为确保数据可靠性，研究团队采用统计分析与机器学习双重验证方法。通过对比仿真数据与实际测量数据的统计分布及传播路径特征，证实了数据集的准确性；同时，基于“仿真训练-实测测试”（TSTR）和“实测训练-实测测试”（TRTR）的机器学习评估框架，验证了数据在真实场景中的可迁移性。

实验结果表明，SynthSoM数据集在不同智能体密度、天气条件下的表现与实际测量高度一致，具备高度的可信度与实用性。

目前，SynthSoM数据集已通过开源平台向全球学术界和工业界公开，预计将推动智能网联系统、6G通信感知一体化等领域的突破性研究。

团队表示，将持续更新数据场景与模态，进一步拓展其在智慧城市、低空经济等新兴领域的应用潜力。

论文相关信息：

https://doi.org/10.1038/s41597-025-05065-x