自动驾驶是计算机视觉研究领域的一个热门研究方向。由于自动驾驶车辆具有高度的安全关键性，确保系统在复杂环境下的鲁棒性对于实际部署至关重要。尽管目前已有一些公开的多模态数据集可供使用，但这些数据集主要包含两种传感器模态（摄像头与激光雷达），在恶劣天气条件下表现不佳。此外，这些数据集普遍缺乏远距离目标的标注信息，这使得训练用于自动驾驶高速公路辅助功能的神经网络面临挑战。为此，我们提出了一种面向鲁棒自动驾驶的长距离感知多模态数据集。该数据集包含176个场景，配备同步校准的激光雷达、摄像头和雷达传感器，覆盖360度全景视野。采集数据涵盖高速公路、城市及郊区等多种道路环境，并在白天、夜间及雨天等不同条件下进行，所有数据均以3D边界框形式标注，并在帧间保持一致的标识符。此外，我们还训练了单模态与多模态的基线模型，用于3D目标检测任务。数据集已开源，可通过以下链接获取：\url{https://github.com/aimotive/aimotive_dataset}。