新北市學車交流論壇

標題: 数据闭环,通向高阶自動駕驶的必經之路 [打印本頁]

作者: admin 時間: 2024-4-24 17:45
標題: 数据闭环,通向高阶自動駕驶的必經之路
比年来，数据闭环成為了主動駕驶行業的一個热點话题，不少主動駕驶公司都在试图打造本身的数据闭环體系。数据對付今朝的主動駕驶来讲有多首要早已不是甚麼新颖话题，作為人工智能在工程落地上最有远景的范畴之一，具有着更多、質量更高的数据無疑可讓智能駕驶的體系加倍先辈。與此同時，若何操纵好现有的数据，從海量数据中可以或许真正進修到人類駕驶的举動计谋，将有助于算法的進一步更新迭代。而這所有的一切，都离不開数据闭环，這也是當前主動駕驶公司為之尽力的一風雅向。

作甚数据闭环？

究竟上，数据闭环已被大大都主動駕驶公司認為是晋升主動駕驶能力的必經之路。以特斯拉為例，設置装备摆設了主動駕驶硬件的車队收集經由過程法则及影子模式下的触發器挑選的数据，颠末语义挑選後的数据被回傳到云端。尔後，工程師在云端用东西對数据做一除膠噴劑,些處置，再把處置好的数据放入数据集群，然後操纵這些有用数据練習模子。模子練習好以後，工程師會把練習好的模子摆設回車端做一系列的指標檢测，颠末驗證的新模子會被摆設到車端供駕驶員利用。在這類模子下，會有新的数据源源不竭被触發還傳，從而構成轮回。此時，一個完备的由数据驱動的迭代開辟轮回便形成為了。

與傳统软件的迭代優化分歧，主動駕驶體系的研發與優化除代码之外，另有更加关頭的AI模子。代码真個問题可以經由過程傳统的数据闭环方法予以解决，但模子真個调解则必要從新練習或優化AI算法模子。是以，主動駕驶数据闭环必要在傳统数据闭环方法上，引入一些新工具：就是数据收集、数据標注和数据練習。支撑主動駕驶数据闭环實现循环往复、不竭向前的关頭，也是新場景数据的不竭投喂。只有讓模子熟悉了足够多的場景，才能得到泛化性较高的智能软件。

操纵数据闭环打造智能體系

實際駕驶場景難以穷尽，极為繁杂且不成展望，必要AI模子快速迭代進级。實现主動駕驶数据闭环的快速轮回迭代，以知足新場景模子适配問题，同時也必要各“长尾場景”数据的高效流轉。

模子練習方面，今朝AI算法模子已阶段性根基成熟。在现實應历時，分歧場景必要解决的問题不尽不异。這并不是算法模子的問题，而是場景适配度的問题。主動駕驶AI模子後续调優重要以数潤膚膏,据迭代為主，必要投喂海量新場景数据。

数据收集方面，寄托遍及車身的各種傳感器，車辆每小時收集的数据量可达数TB之多。但是收集获得数据為非布局化数据，這些未經處置的数据其實不能直接用于模子練習，標注後才能發生利用價值。

绵亘在数据與模子練習之間的重要問题是若何高效處置海量数据集，真實数据范围已然成為智能駕驶行業的“命根子”。但是與指数型增加的数据辦事需求比拟，不管数据處置效力亦或是数据產出質量均難以知足市場需求。

產能方面，大部門数据辦事贸易務范围、履行效力與项目司理能力高度绑定，產能瓶颈問题凸显；数据產出質量方面，以點云数据為代表的数据處置需求占比逐步扩展，傳统寄托简略东西和依靠人力的营業履行方法，也早已没法知足垂直市場的需求。

主動駕驶實现范围化量產，数据辦事范畴可否率先實现冲破，助力于数据闭环的终极構成将成為关頭。

難度重重，

数据驱動面對多重挑战

固然業界已公認数据驱動将是主動駕驶的将来趋向與標的目的，但想要真正落地数据驱動模子也面對咳嗽咳不停,着诸多的挑战。

起首，即是数据的合規性問题。收集的数据是不是合适國度劃定，是不是加害了用户的隐私等等都是主動駕驶公司在收集数据時必要斟酌的困難。拿高精舆图為例，在門路上收集数据的時辰，企業必要具有國度测绘天資，而且要做响應的存案，不然收集進程中會被國安等部分阻拦。今朝，海内统共有约30家機構具有相干天資，有的企業具有國度電子导航甲级天資，合用范畴较廣，在海内多個都會均可以收集，而有的企業具有乙级天資，合用范畴就會更小，只能在特定的都會收集。與此同時，测绘的数据不得泄露，特别是不得将数据挪到外洋，非中國國籍的人既不克不及获得测绘数据，也不克不及在公司濕疹藥膏推薦,内操作测绘数据。如许一来，無疑给必要大范围收集数据的主動駕驶公司戴上了紧箍咒，没法發挥拳脚。

其次，数据的所有权归属問题。依照中國的《小我信息庇護法》相干劃定，非法令容许的数据收集遭到隐私庇護。在德國，原德國联邦信息庇護局有如许的劃定，若是司機不是受害者，未經對方止痛膏推薦，赞成就记實其他司機的脸和車辆，是违背小我信息庇護法的。也就是说，即便是車主记實他人信息也可能属于违法。但因為和新能源車伴生的主動駕驶行業很新，法令劃定今朝尚属空白，以是咱們依照根基法學理念推导，量產車收集的数据應當由車主所有。今朝，主機厂很少對外開放数据，致使主動駕驶Tier1在帮忙主機厂實现了主機厂定制的功效後，很難采集到用户在利用這些功效時的反馈数据，除非Tier1本身有不少测试車。那末，主動駕驶Tier1就難以按照用户反馈的数据對相干功效做後续的優化，数据闭环就難以實现。

最後，收集海量数据的標注與後處置也是主動駕驶公司們碰到的极大挑战。据估量，從量產車回傳数据後，单車逐日回傳的数据量大要為百兆级。研發阶段，車辆总数可能只有几十辆或几百辆。可是到了量產阶段，車辆数目標量级可以到达上万、几十万乃至更多。那末，量產阶段，全部車队日發生的数据量就是很大的数字。急剧增长的数据量给存储空間和数据處置的速率都带来了挑战。量產以後，数据處置的延迟必要和研發阶段连結在统一個量级。但若底层的根本举措措施跟不上，数据處置的延迟就會跟着数据量的增加而响應地增长，如许會极大地拖慢研發流程的進度。對付體系迭代来说，這類效力的低落是不成接管的。

总結

固然在打造数据闭环之路上，主動駕驶公司們遭受了多重的挑战與坚苦，但不管谁都不成否定，這就是通向高阶主動駕驶的必經之路。而且在现阶段，已有特斯拉如许的車企的樂成，證了然這個標的目的的可行性。在将来，数据闭环之路的挑战也将被厂商們悉数解决，而有了海量高質量数据加成的主動駕驶體系，将會變得加倍平安與智能。

歡迎光臨新北市學車交流論壇 (https://bbs.hair999.com.tw/)