隨著自動駕駛技術(shù)的不斷發(fā)展，數(shù)據(jù)閉環(huán)將在其中發(fā)揮越來越重要的作用。未來，數(shù)據(jù)閉環(huán)系統(tǒng)將更加高效、智能和低成本化，在自動駕駛領(lǐng)域，數(shù)據(jù)閉環(huán)正逐漸成為提升系統(tǒng)能力的核心要素。

一、自動駕駛的三個階段

1.第一階段：傳統(tǒng)方案中:感知、預(yù)測、PNC拆分，各自訓(xùn)練各自優(yōu)化，相互鏈接，但模型結(jié)構(gòu)、輸入輸出、標注格式規(guī)范均不一樣，采用交付長尾數(shù)據(jù)，標注規(guī)范、模型結(jié)構(gòu)、數(shù)據(jù)解析處理等問題由感知、PNC自行解決；

2.第二階段：感知、PNC模型固定，數(shù)據(jù)結(jié)構(gòu)化形式固定，所有的數(shù)據(jù)任務(wù)轉(zhuǎn)移至數(shù)據(jù)算法團隊，從交付數(shù)據(jù)轉(zhuǎn)換到交付格式化真值(標注好的數(shù)據(jù)) 此階段可行性業(yè)界已驗證；

3.第三階段：經(jīng)過大量的數(shù)據(jù)沉淀，滿足端到端大模型的數(shù)據(jù)需求，感知、PNC模型相互融合后，模型生產(chǎn)完全依賴數(shù)據(jù)輸入，所有的模型產(chǎn)出，感知PNC只負責(zé)提交任務(wù)場景模型場景需求，所有的任務(wù)由數(shù)據(jù)算法團隊自動產(chǎn)出，包括模型、測試集、仿真、QA測試報告等。

二、數(shù)據(jù)閉環(huán)技術(shù)的實現(xiàn)目標

1.建立長尾數(shù)據(jù)閉環(huán)迭代能力，結(jié)合平臺計算、數(shù)倉等建立自動化能力，減少人工定制化干預(yù)，釋放人力，增加數(shù)據(jù)吞吐能力，快速解決corner case數(shù)據(jù)量不足的問題；

2.凝練出高精度的真值模型(自標注模型)，可以對感知表現(xiàn)不好的bad case形成模型錯題集，補齊模型短板、修復(fù)問題；

3.從交付單個數(shù)據(jù)項目，進化到交付通用產(chǎn)線能力，建立快速挖掘、快速交付、快速迭代修復(fù)、快速評測的閉環(huán)能力，提升自動駕駛數(shù)據(jù)反饋速度和效率。

三、數(shù)據(jù)閉環(huán)3個核心和6個平臺

數(shù)據(jù)流轉(zhuǎn)、模型生產(chǎn)、車云端輸出是數(shù)據(jù)閉環(huán)的3個核心內(nèi)容。

數(shù)據(jù)閉環(huán)的6個平臺

數(shù)據(jù)閉環(huán)整體方案包括六個部分：

• 數(shù)據(jù)管理平臺:用于存儲原始數(shù)據(jù)、標注數(shù)據(jù)、各類標簽(模型輸出、圖搜、原始數(shù)據(jù)、標簽大庫等)、車輛數(shù)據(jù)質(zhì)檢(數(shù)據(jù)缺失)；
• 標注平臺:用于接受標注任務(wù)、標注能力(2d/3d，圖像/點云)，輸出標注結(jié)果至數(shù)據(jù)管理平臺；
• 仿真平臺:用于測試模型在實際場景中的長尾挖掘能力、測試感知、PNC模型的問題case是否解決等等
• 模型訓(xùn)練平臺:用于訓(xùn)練挖掘模型，感知模型(不同于paddlecloud)，更靈活，數(shù)據(jù)格式來源標注平臺
• 數(shù)據(jù)挖掘平臺:用于解析數(shù)據(jù)、規(guī)則編寫、模型結(jié)果獲取、刷庫、評測等功能；
• 實車下發(fā)平臺:用于配置車端規(guī)則、模型量化、模型打包發(fā)布、下發(fā)、數(shù)據(jù)回傳等。

建立數(shù)據(jù)閉環(huán)能力的工作流程如下圖所示：

四、數(shù)據(jù)閉環(huán)的意義

1、破解“長尾問題”：高效捕獲邊緣場景

自動駕駛系統(tǒng)的失效往往源于邊緣場景（corner case），例如暴雨中模糊的車道線、橫穿馬路的非標障礙物等。傳統(tǒng)路測受限于時間和成本，難以覆蓋海量邊緣場景。通過在量產(chǎn)車上部署數(shù)據(jù)采集系統(tǒng)，當自動駕駛系統(tǒng)遇到處理不佳的情況時，能夠觸發(fā)數(shù)據(jù)回傳。當系統(tǒng)檢測到駕駛員接管、緊急制動或感知置信度驟降時，自動記錄前后30秒的多模態(tài)數(shù)據(jù)（攝像頭、雷達、IMU等），形成動態(tài)場景庫。

2、 實現(xiàn)模型“持續(xù)進化”：從靜態(tài)訓(xùn)練到動態(tài)學(xué)習(xí)

傳統(tǒng)深度學(xué)習(xí)模型依賴固定數(shù)據(jù)集訓(xùn)練，難以適應(yīng)復(fù)雜多變的真實路況。隨著自動駕駛從高速場景向城市復(fù)雜場景拓展，車輛需要面對各種不同的路況和交通狀況。為了使自動駕駛系統(tǒng)能夠適應(yīng)不同城市的多樣化路況，需要采集大規(guī)模真實人駕數(shù)據(jù)。這些數(shù)據(jù)涵蓋各種場景，有助于模型學(xué)習(xí)到更廣泛的特征和模式，從而提高其泛化能力，使系統(tǒng)在不同環(huán)境下都能穩(wěn)定可靠地運行。

3、重塑開發(fā)范式：從V模型到數(shù)據(jù)驅(qū)動

自動駕駛系統(tǒng)需要不斷提升其感知、規(guī)劃和決策等環(huán)節(jié)的能力，傳統(tǒng)V型開發(fā)流程（需求-設(shè)計-驗證）難以應(yīng)對高等級自動駕駛的動態(tài)需求，而數(shù)據(jù)驅(qū)動的算法迭代是實現(xiàn)這一目標的高效方式?；谏疃葘W(xué)習(xí)的人工智能算法發(fā)展至今，通過數(shù)據(jù)閉環(huán)，工程師能夠利用新采集的數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進行持續(xù)訓(xùn)練和優(yōu)化。例如，在感知層面，利用大量數(shù)據(jù)訓(xùn)練BEV+Transformer模型，有望提升其對周圍環(huán)境的識別精度；在規(guī)劃層面，特斯拉采用數(shù)據(jù)驅(qū)動的決策樹生成模型，大大縮短了規(guī)劃路徑的計算時間，實現(xiàn)了規(guī)劃算法的迭代升級。

五、數(shù)據(jù)閉環(huán)在量產(chǎn)車的落地場景

1、提升量產(chǎn)車數(shù)據(jù)采集能力

數(shù)據(jù)閉環(huán)的實現(xiàn)路徑中，數(shù)據(jù)采集是關(guān)鍵環(huán)節(jié)。在啟動階段，數(shù)據(jù)采集主要依賴研發(fā)采集車，通過專業(yè)設(shè)備和傳感器在各種路況下收集數(shù)據(jù)，為自動駕駛系統(tǒng)的開發(fā)提供了基礎(chǔ)。然而，隨著技術(shù)的演進和市場需求的增長，量產(chǎn)車逐漸成為數(shù)據(jù)采集的主力軍。特別是高階智駕系統(tǒng)在量產(chǎn)車中的滲透率不斷提升，這些車輛在日常行駛中能夠產(chǎn)生海量的數(shù)據(jù)。

相比研發(fā)采集車，量產(chǎn)車的數(shù)據(jù)采集具有顯著優(yōu)勢。一方面，量產(chǎn)車數(shù)量龐大，覆蓋范圍廣，能夠收集到更多樣化的路況和場景數(shù)據(jù)，有助于提升自動駕駛系統(tǒng)對各種復(fù)雜環(huán)境的適應(yīng)能力。另一方面，量產(chǎn)車的數(shù)據(jù)采集是實時進行的，能夠及時反映道路狀況的變化，為系統(tǒng)的更新和優(yōu)化提供更及時的依據(jù)。

此外，量產(chǎn)車的數(shù)據(jù)采集還能夠更好地體現(xiàn)真實用戶在實際駕駛中的行為和習(xí)慣，為自動駕駛系統(tǒng)的決策算法提供了更貼近現(xiàn)實的訓(xùn)練數(shù)據(jù)。因此，隨著組合輔助駕駛系統(tǒng)在量產(chǎn)車中的普及，量產(chǎn)車的數(shù)據(jù)采集能力得到了顯著提升，為智能化技術(shù)的持續(xù)發(fā)展和優(yōu)化提供了強大的數(shù)據(jù)支持。

2. 云端技術(shù)和AI算法驅(qū)動

云端技術(shù)的成熟為數(shù)據(jù)的存儲、處理和模型訓(xùn)練提供了強大的支持。自動駕駛開始逐漸進入數(shù)據(jù)驅(qū)動的時代，車企和自動駕駛技術(shù)提供商能夠借助云端平臺實現(xiàn)數(shù)據(jù)的高效管理和利用，通過數(shù)據(jù)閉環(huán)不斷提升系統(tǒng)的性能。

AI算法的發(fā)展，特別是無監(jiān)督和半監(jiān)督學(xué)習(xí)算法的興起，使得計算機能夠通過自學(xué)習(xí)的方式對數(shù)據(jù)進行清洗和算法迭代。AI算法解決學(xué)習(xí)效率問題，數(shù)據(jù)解決學(xué)習(xí)內(nèi)容問題，二者相輔相成，共同推動了數(shù)據(jù)閉環(huán)在自動駕駛領(lǐng)域的發(fā)展。

總結(jié) 

隨著自動駕駛技術(shù)的不斷發(fā)展，數(shù)據(jù)閉環(huán)將在其中發(fā)揮越來越重要的作用。未來，數(shù)據(jù)閉環(huán)系統(tǒng)將更加高效、智能和低成本化。在工具鏈方面，隨著技術(shù)的成熟和經(jīng)驗的積累，工具鏈將不斷完善，實現(xiàn)更高的自動化和智能化水平，進一步提升研發(fā)效率和降低成本。數(shù)據(jù)閉環(huán)的發(fā)展將推動自動駕駛系統(tǒng)向更高級別演進，實現(xiàn)更安全、便捷和智能的駕駛體驗，為智慧交通和未來出行奠定堅實基礎(chǔ)。

本文轉(zhuǎn)載自??數(shù)字化助推器??  作者：天涯咫尺TGH