自動運転の実現には、幾何学的精度が高く、意味的に豊かで、長距離運転にスケーラブルなベクトル化されたHDマップが不可欠です。しかし既存の公開HDマップデータセットは規模が限定的で、意味属性が乏しく、航空画像など新たな研究方向を可能にするモダリティが不足していました。ホンダ研究所が発表したHRDXは、ベクトルHDマップ構築のための大規模データセットであり、約40時間（1,400km）の最小限の重複を持つ運転データを含んでいます。これは従来の公開HDマップデータセットの数倍の規模となっています。 データ収集には、6台の同期カメラ、128チャネルのLiDAR、センチメートル級精度のRTK GNSS/IMUが使用され、さらに高精度に配置された航空正射画像で補完されています。注釈は10種類のベクトルマップクラスをカバーし、20以上の意味属性とトポロジー属性が付与されています。この豊かなオントロジーを評価するため、幾何学的忠実度と属性の正確性を統合的に評価するComposite Score（CS）が導入されました。 ベンチマーク実験の結果から、HRDXのスケールはオンラインベクトルマップ構築を向上させ、配置された航空画像は有用な構造的事前情報を提供することが示されました。特に、訓練時および推論時に航空画像を使用することで幾何学的マップ品質が向上し、航空画像で強化された教師モデルはカメラのみの学生モデルにこの利益の一部を転移でき、推論時のセンサー要件を増やさずにすみます。HRDXデータセットはGitHub上で公開されており、大規模HDマップ学習、マルチモーダルBEV融合、訓練時の特権情報に関する再現可能な研究をサポートすることを目的としています。