日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測(cè)試網(wǎng)

  • 公眾號(hào)

    • 汽車測(cè)試網(wǎng)

    • 在線課堂

    • 電車測(cè)試

談?wù)剬?duì)自動(dòng)駕駛感知開發(fā)理解

2022-03-03 22:54:48·  來源：汽車電子與軟件  
　
前言：作為一個(gè)在自動(dòng)駕駛感知領(lǐng)域摸爬滾打幾年的老兵，準(zhǔn)備在平臺(tái)上分享一些自己對(duì)這個(gè)領(lǐng)域的理解。這樣既可以幫助我自己建立起一個(gè)更系統(tǒng)的知識(shí)體系，同時(shí)希望
前言：
作為一個(gè)在自動(dòng)駕駛感知領(lǐng)域摸爬滾打幾年的老兵，準(zhǔn)備在平臺(tái)上分享一些自己對(duì)這個(gè)領(lǐng)域的理解。這樣既可以幫助我自己建立起一個(gè)更系統(tǒng)的知識(shí)體系，同時(shí)希望借此能認(rèn)識(shí)到更多優(yōu)秀的同行，所以歡迎大家相互交流、互助互進(jìn)。文章的信息來源主要是公開信息、其他創(chuàng)作者的分享和我結(jié)合日常工作的心得，再次非常感謝引用文章的同仁。
數(shù)據(jù)閉環(huán)
今天第一章想要分享的就是數(shù)據(jù)閉環(huán)，目前在自動(dòng)駕駛領(lǐng)域，數(shù)據(jù)閉環(huán)概念可謂熱火朝天。借助數(shù)據(jù)閉環(huán)概念和理想的滾動(dòng)迭代模型，自動(dòng)駕駛這個(gè)看似無法實(shí)現(xiàn)的愿景，逐步具備可落地性。一方面科技公司因此獲得資本的青睞，不斷提高自身的估值；另一方面車企又特別滿意這種數(shù)據(jù)為王的邏輯，它們掌握著第一手的數(shù)據(jù)來源穩(wěn)坐釣魚臺(tái)。那么首先，我們要需要解釋下什么是“數(shù)據(jù)閉環(huán)”。
數(shù)據(jù)閉環(huán)又稱數(shù)據(jù)分析閉環(huán)，其核心思想是一個(gè)非常樸素的分析方法：當(dāng)我們遇到一個(gè)軟件（或算法）問題時(shí)，采集相關(guān)數(shù)據(jù)并進(jìn)行復(fù)現(xiàn)，對(duì)產(chǎn)生的問題進(jìn)行針對(duì)性解決，更新軟件（或算法）版本后進(jìn)行測(cè)試確認(rèn)，最后發(fā)布新的版本。
 
當(dāng)這個(gè)環(huán)路中每一個(gè)步驟都是有技術(shù)實(shí)現(xiàn)手段時(shí)，則整個(gè)閉環(huán)形成，可以根據(jù)這個(gè)閉環(huán)完成軟件（或算法）的迭代升級(jí)。
在軟件開發(fā)階段，即版本尚未正式發(fā)布時(shí)，整個(gè)環(huán)路一般來說都是可控和可實(shí)現(xiàn)的：由軟件開發(fā)（含自測(cè)）團(tuán)隊(duì)完成A、D、E、F、G的分析步驟，當(dāng)版本確認(rèn)后由系統(tǒng)測(cè)試人員進(jìn)行測(cè)試，測(cè)試過程發(fā)現(xiàn)問題（步驟B）會(huì)詳細(xì)記錄問題表現(xiàn)、時(shí)間等信息（步驟C），并提供給開發(fā)人員。但是軟件版本正式發(fā)布后，步驟B和C是缺失的，這也是很多公司或者文章在描述數(shù)據(jù)閉環(huán)時(shí)都是關(guān)注在信息收集這塊。通常來說這兩個(gè)步驟的缺失是因?yàn)橐韵聨追N原因：
  1. 軟件中沒有合適的問題反饋機(jī)制
  2. 軟件使用者沒有相關(guān)能力提供有效問題信息
  3. 軟件出問題涉及到自身的操作信息，軟件使用者不愿意提供
由于問題數(shù)據(jù)是價(jià)值最高的數(shù)據(jù)，所以所有的軟件商都會(huì)在數(shù)據(jù)閉環(huán)上做大量的工作，比如大家在使用電腦時(shí)一定會(huì)遇到類似的彈框：
 
這里面這個(gè)彈框的響應(yīng)就是一個(gè)有效的數(shù)據(jù)閉環(huán)，并且完美解決了上面三個(gè)問題：首先出問題時(shí)軟件主動(dòng)彈框，客戶只需要進(jìn)行確認(rèn)即可；軟件后臺(tái)將需要的信息打包好，客戶無法知道上傳了什么，所以規(guī)避了2和3。但這個(gè)是傳統(tǒng)的PC端軟件，自動(dòng)駕駛相關(guān)軟件遇到的問題將會(huì)比PC端更復(fù)雜。相對(duì)于PC端軟件：
  1. 駕駛員應(yīng)盡量避免駕駛分心、在軟件出錯(cuò)時(shí)做額外操作，如點(diǎn)擊等；
  2. 智能駕駛軟件發(fā)布時(shí)就應(yīng)該極大降低概率影響到駕駛員的軟件問題，所以大量駕駛員無法感知的軟件問題無法被記錄；
  3. 駕駛信息包含道路、交通參與人員等信息，法律法規(guī)會(huì)有相關(guān)監(jiān)管。
其中3是政策問題，不是技術(shù)方案瓶頸。自動(dòng)駕駛相關(guān)公司通過靜默（影子）運(yùn)行方式和OTA來解決問題1和2?？傮w而言，在自動(dòng)駕駛這個(gè)軟件領(lǐng)域，已經(jīng)完成步驟B和C這兩塊技術(shù)實(shí)現(xiàn)，從而打通整個(gè)數(shù)據(jù)閉環(huán)鏈路。
廠商數(shù)據(jù)閉環(huán)模式
特斯拉：下圖是特斯拉公開的數(shù)據(jù)閉環(huán)滾動(dòng)模型框架：獲得數(shù)據(jù)來源后，通過單元測(cè)試確認(rèn)模型誤差，通過數(shù)據(jù)增強(qiáng)擴(kuò)增技術(shù)獲得大量有效數(shù)據(jù)并進(jìn)行數(shù)據(jù)標(biāo)注，經(jīng)過多輪數(shù)據(jù)清洗，完成模型訓(xùn)練，最終完成部署。
 
waymo：下圖是谷歌waymo報(bào)告提到的數(shù)據(jù)閉環(huán)平臺(tái)：獲得數(shù)據(jù)來源后，通過人工標(biāo)定和自動(dòng)標(biāo)定獲得數(shù)據(jù)真值，這步驟中涉及到數(shù)據(jù)篩選、挖掘和主動(dòng)學(xué)習(xí)。迭代完成模型優(yōu)化后，完成測(cè)試和版本發(fā)布；再持續(xù)獲取數(shù)據(jù)。
 
Nvidia：下圖是英偉達(dá)公司在自動(dòng)駕駛開發(fā)建立的機(jī)器學(xué)習(xí)平臺(tái)MAGLEV，也是基于閉環(huán)的模型迭代：從實(shí)車獲得數(shù)據(jù)來源后，以此完成智能數(shù)據(jù)篩選、數(shù)據(jù)標(biāo)注、模型搜索、訓(xùn)練、評(píng)估、調(diào)試和部署。
 
momenta：下圖是momenta公司2019年開始提出的“飛輪模式”，本質(zhì)上也是數(shù)據(jù)閉環(huán)的滾動(dòng)模式，包含三個(gè)關(guān)鍵因子：
  1.  
  2. 數(shù)據(jù)驅(qū)動(dòng)：打造全流程內(nèi)的數(shù)據(jù)驅(qū)動(dòng)，相比基于人工驅(qū)動(dòng)，各模塊性能將有跨數(shù)量級(jí)的提升；
  3. 海量數(shù)據(jù)：目標(biāo)收集數(shù)十億的公路道路真實(shí)場(chǎng)景，并完成L4與L2的數(shù)據(jù)流統(tǒng)一，形成技術(shù)與數(shù)據(jù)雙軌提升；
  4. 閉環(huán)自動(dòng)化：對(duì)數(shù)據(jù)具備高度自動(dòng)化的挖掘能力和標(biāo)注能力，實(shí)現(xiàn)曬下、標(biāo)注、迭代的全流程閉環(huán)自動(dòng)化
毫末智行：其自動(dòng)駕駛數(shù)據(jù)智能體系 MANA如下圖所示。MANA 包括感知、認(rèn)知、標(biāo)注、仿真、計(jì)算五大方面能力；在數(shù)據(jù)、算法之間，通過知識(shí)挖掘、仿真驗(yàn)證完成算法迭代的閉環(huán)和滾動(dòng)。
 
數(shù)據(jù)閉環(huán)趨勢(shì)
結(jié)合競(jìng)品分析可以看到，數(shù)據(jù)閉環(huán)本身是一個(gè)固定的分析模式，但是各個(gè)步驟都是隨著任務(wù)變化和技術(shù)革新在不斷發(fā)展的。數(shù)據(jù)閉環(huán)中，如果每個(gè)算法問題都由人工去復(fù)現(xiàn)和debug，將帶來巨大的成本：在軟件開發(fā)中，假設(shè)100個(gè)問題可以由100個(gè)工程師1天內(nèi)解決，那如果是1萬個(gè)問題，則要么1萬個(gè)工程師1天解決，要么100個(gè)工程師100天內(nèi)解決，這種人力成本或者是軟件開發(fā)周期都是無法接受的，而在自動(dòng)駕駛領(lǐng)域，算法人員需要面對(duì)的將是遠(yuǎn)超萬計(jì)的算法問題。因此數(shù)據(jù)與算法雙輪驅(qū)動(dòng)才能實(shí)現(xiàn)更成熟的自動(dòng)駕駛技術(shù)，這也是自動(dòng)駕駛技術(shù)落地的必然選擇。
那么為了打造一個(gè)健全、完整和低成本的理想軟件迭代模型，將要從數(shù)據(jù)和算法兩個(gè)方向進(jìn)行準(zhǔn)備：
在數(shù)據(jù)側(cè)，圍繞海量和高質(zhì)量?jī)蓚€(gè)要素進(jìn)行樣本收集。理想的數(shù)據(jù)收集包含實(shí)車數(shù)據(jù)和仿真數(shù)據(jù)，實(shí)車數(shù)據(jù)量=實(shí)車數(shù)量*采集時(shí)間。高質(zhì)量體現(xiàn)在兩個(gè)維度：傳感器的豐富程度和樣本稀缺性:
 
在算法側(cè)，在保障性能的前提下提高自動(dòng)化將是未來算法方案的主要趨勢(shì)。在數(shù)據(jù)閉環(huán)的應(yīng)用方向上，算法主要落腳在三個(gè)領(lǐng)域：海量數(shù)據(jù)的挖掘算法、高精度的偽真值生成算法、功能算法量產(chǎn)方案（盡可能做到端到端）:
 
基于此一個(gè)較為理想的數(shù)據(jù)驅(qū)動(dòng)的閉環(huán)模型就演化成：
 
整個(gè)閉環(huán)系統(tǒng)的核心是在數(shù)據(jù)和量產(chǎn)算法方案的滾動(dòng)，那在后面的分享中先分享一下數(shù)據(jù)采集的相關(guān)內(nèi)容。
公共數(shù)據(jù)集
在算法研究的初期，大家都會(huì)使用公共數(shù)據(jù)來做初步驗(yàn)證。公共數(shù)據(jù)集做為數(shù)據(jù)集的質(zhì)量標(biāo)桿，可以借助其來分析采集設(shè)備需求。其中宣稱能達(dá)到厘米級(jí)別定位精度的常用數(shù)據(jù)有Kitti、Nuscenes、AplloScape、Waymo、Lyft Level5等。
 
對(duì)于感知任務(wù)來說，主要的信息是目標(biāo)的bounding box(含2D、3D)或原圖上的逐像素語義信息。Kitti數(shù)據(jù)集是當(dāng)前感知任務(wù)中最通用的數(shù)據(jù)集，幾乎所有的CV公司都在使用這個(gè)數(shù)據(jù)，Kitti數(shù)據(jù)采集車的主要傳感器包含：
1慣性導(dǎo)航系統(tǒng)(GPS/IMU):OXTS RT3003
1臺(tái)激光雷達(dá)：Velodyne HDL-64E
2臺(tái)灰度相機(jī)，1.4百萬像素：Point Grey Flea2(FL2-14S3M-C)
2個(gè)彩色攝像頭，1.4百萬像素：Point Grey Flea2(FL2-14S3C-C)
4個(gè)變焦鏡頭，4-8毫米：Edmund Optics NT59-917
Nuscenes和Waymo數(shù)據(jù)集與Kitti的結(jié)構(gòu)和信息相似，提供基于融合感知的的3D bounding box標(biāo)簽真值。ApolloScape數(shù)據(jù)集包含兩種，有的側(cè)重目標(biāo)感知，有的則標(biāo)注了目標(biāo)軌跡，可用于預(yù)測(cè)任務(wù)。
2020年公開的Lyft Level5數(shù)據(jù)集與上述數(shù)據(jù)集有較大差異，它沒有提供bounding box信息，但其提供了一段道路上每個(gè)點(diǎn)的詳細(xì)地圖信息，這個(gè)地圖中既包含了詳細(xì)的靜態(tài)道路信息，也包含了采集時(shí)刻的目標(biāo)信息、（已俯視圖包絡(luò)提供)，所以這個(gè)數(shù)據(jù)集對(duì)常見的移動(dòng)目標(biāo)感知任務(wù)可能幫助不大，但可以有效的提供靜態(tài)目標(biāo)信息，且能排除掉動(dòng)態(tài)目標(biāo)的干擾，這個(gè)是其它數(shù)據(jù)所不具備的。這個(gè)數(shù)據(jù)是當(dāng)前BEV相關(guān)算法最佳的基礎(chǔ)數(shù)據(jù)。
 
Lyft Levels5數(shù)據(jù)集的采集車裝載了3顆激光雷達(dá)、5顆毫米波雷達(dá)和7個(gè)相機(jī)，其中車頂激光(64線@10HZ)、四顆毫米波雷達(dá)和7個(gè)相機(jī)均安裝在車輛頂部，車前保險(xiǎn)杠裝配兩顆40線激光雷達(dá)和1顆毫米波雷達(dá)（如下圖）。
 
Lyft Level5采集車中并未給出車輛定位傳感器的信息，借助高德地圖采集車的信息，可以了解到這種制作高精度地圖的傳感器精度需求：
 
 
 
激光、慣導(dǎo)精度一般由激光硬件決定。而為了在激光和相機(jī)之間實(shí)現(xiàn)良好的跨模態(tài)數(shù)據(jù)對(duì)齊，當(dāng)頂部激光掃過相機(jī)FV的中心時(shí)，將觸發(fā)相機(jī)的曝光。圖像的時(shí)間戳是曝光觸發(fā)時(shí)間；激光掃描的時(shí)間戳是當(dāng)前激光幀完全旋轉(zhuǎn)的時(shí)間?？紤]到相機(jī)的曝光時(shí)間幾乎是瞬時(shí)的，因此這種方法通常可以實(shí)現(xiàn)良好的數(shù)據(jù)對(duì)齊。當(dāng)然相機(jī)盡量選擇卷簾式快門，這樣可以將曝光時(shí)間固定，目前用于采集高精地圖和公共數(shù)據(jù)集的都是卷簾式快門相機(jī)。
在定位精度上，現(xiàn)行在純車端的方案上，最理想的精度就是組合導(dǎo)航定位：GPS\IMU\DMI,高德宣傳中的千尋是一家獨(dú)立的定位算法公司，其應(yīng)該是結(jié)合自研和外購(gòu)算法得到更穩(wěn)定的定位精度。
GPS或GNSS;指全球定位系統(tǒng)。用戶設(shè)備通過接收衛(wèi)星信號(hào)，得到用戶設(shè)備和衛(wèi)星的距離觀測(cè)值，經(jīng)過特定算法處理得到用戶設(shè)備的三維坐標(biāo)、航向等信息。使用不同類型的觀測(cè)值和算法，定位精度為厘米級(jí)到10米級(jí)不等。其優(yōu)點(diǎn)是精度高、誤差不隨時(shí)間發(fā)散，缺點(diǎn)是要求通視，定位范圍無法覆蓋到室內(nèi)。
IMU(Inertial measurement unit):指慣性測(cè)量單元。包括陀螺儀和加速度計(jì)。陀螺儀測(cè)量物體三軸的角速率，用于計(jì)算載體姿態(tài)；加速度計(jì)測(cè)量物體三軸的線加速度，可用于計(jì)算載體速度和位置。M心的優(yōu)點(diǎn)是不要求通視，定位范圍為全場(chǎng)景；缺點(diǎn)是定位精度不高，且誤差隨時(shí)間發(fā)散。GPS和IMU是兩個(gè)互補(bǔ)的定位技術(shù)。
DMI(可量測(cè)影像)：是一種新興的地面立體景影像信息產(chǎn)品，包含時(shí)空序列上絕對(duì)外方位元素信息，可以支持對(duì)環(huán)境實(shí)景的直接瀏覽、對(duì)目標(biāo)地物高度、寬度、面積等信息的相對(duì)測(cè)量，以及絕對(duì)位置解析測(cè)量和目標(biāo)屬性信息挖掘等應(yīng)用。利用車輛導(dǎo)航系統(tǒng)采集實(shí)時(shí)影像(real-time image),并與預(yù)先獲取的可量測(cè)影像進(jìn)行匹配，將匹配上的可量測(cè)影像空間位置信息傳遞至實(shí)時(shí)影像，通過空間坐標(biāo)變換推算出運(yùn)動(dòng)載體的當(dāng)前位置。其實(shí)可以簡(jiǎn)單理解為結(jié)合視覺信息進(jìn)行輔助定位。
國(guó)內(nèi)廠商數(shù)據(jù)采集情況
目前網(wǎng)上各個(gè)公司對(duì)開發(fā)的樣本來集披露較少，一方面這些信息涉及開發(fā)隱私，同時(shí)開發(fā)數(shù)據(jù)和測(cè)試數(shù)據(jù)一般而言是同源的，路測(cè)數(shù)據(jù)是開發(fā)數(shù)據(jù)的一個(gè)重要子集。所以我們可以根據(jù)國(guó)內(nèi)研發(fā)Robotaxi的路測(cè)信息來側(cè)面評(píng)估數(shù)據(jù)采集情況。這些路測(cè)數(shù)據(jù)在有效處理后都是可以轉(zhuǎn)換為開發(fā)樣本，而且L4級(jí)別的高精度傳感器對(duì)L2級(jí)別量產(chǎn)方案來說也會(huì)有顯著的正向收益:
 
從能收集到的信息看，百度在數(shù)據(jù)采集上處于明顯的領(lǐng)先地位。路測(cè)城市、公里數(shù)和采集車輛都要遠(yuǎn)遠(yuǎn)超出其它公司；小馬智行、文遠(yuǎn)知行、autoX(2022年2月，autoX宣稱其有1000輛以上的Robotaxi車隊(duì))大概處于第二梯隊(duì)狀態(tài)，公里數(shù)大概在800萬左右；滴滴、元戎、momenta、智行者預(yù)計(jì)相差不大，200~500W的測(cè)試量。其它公司披露的信息不是很全，不好評(píng)估。需要再次強(qiáng)調(diào)的是，這個(gè)是以Robotaxi的路測(cè)信息來評(píng)估，實(shí)際中各個(gè)公司特別是那些布局多個(gè)賽道的廠商來說，肯定是有額外的數(shù)據(jù)來源的：比如華為，在2020年公開了自動(dòng)駕駛數(shù)據(jù)集onCE Dataset,包含100萬幀3D點(diǎn)云場(chǎng)景，每個(gè)3D場(chǎng)景有7個(gè)相機(jī)拍攝覆蓋360度視角的圖片，共計(jì)700萬張圖片。
量產(chǎn)數(shù)據(jù)回收
上述討論的都是開發(fā)階段的數(shù)據(jù)采集能力建立，另一種數(shù)據(jù)收集能力也就是打通數(shù)據(jù)閉環(huán)系統(tǒng)的關(guān)鍵能力就是量產(chǎn)數(shù)據(jù)回收。首先說明當(dāng)前主要還是討論將自動(dòng)駕駛汽車作為數(shù)據(jù)收集端口和應(yīng)用輸出，并不擴(kuò)展到車端直接處理高密集訓(xùn)練任務(wù)的情況（后續(xù)可以逐步擴(kuò)展）。
OTA(Over-the-Air Technology):是通過移動(dòng)通信的空中接口實(shí)現(xiàn)對(duì)移動(dòng)終端設(shè)備及M卡數(shù)據(jù)進(jìn)行遠(yuǎn)程管理的技術(shù)，其原先的主要目的是使用戶能夠通過下載和更新獲取增值業(yè)務(wù)。但隨著網(wǎng)絡(luò)傳輸通道的打通，用戶使用信息的上傳也將使軟件提供商獲得大量有效信息，從而有能力提供更有競(jìng)爭(zhēng)力的功能。首先在自動(dòng)駕駛領(lǐng)域使用OTA技術(shù)可以追溯Mobileye和特斯拉的合作期間(2014年前)，在兩家公司分開后，各自都在大力借助OTA提升產(chǎn)品力：Mobileye首創(chuàng)Road Experience Management路網(wǎng)采集管理系統(tǒng)，將所有搭載Mobileye設(shè)備的感知設(shè)備上傳并在云端生成感知地圖、再將感知地圖升級(jí)到各個(gè)車端提升感知能力。
而特斯拉在這塊就更加激進(jìn)，一方面將車輛逐漸軟件化，通過逐步付費(fèi)解鎖的方式新增各類駕駛功能，另一方面通過數(shù)據(jù)回傳收集了幾百億公里的實(shí)車數(shù)據(jù)。對(duì)比前文中各個(gè)國(guó)內(nèi)L4的路測(cè)數(shù)據(jù)，可以看出這種數(shù)據(jù)收集方式的能量和效率的恐怖之處了。所以國(guó)內(nèi)相關(guān)自動(dòng)駕駛OTA技術(shù)都是在模仿和改進(jìn)特斯拉的相關(guān)方案。
特斯拉在數(shù)據(jù)回收上的最大技術(shù)亮點(diǎn)就是影子模式，影子模式完美解決數(shù)據(jù)收集的質(zhì)和量的矛盾。因?yàn)槭芟蕻?dāng)前自動(dòng)駕駛功能還不成熟，駕駛員使用自動(dòng)駕駛功能的次數(shù)不會(huì)特別頻繁，那在未開啟時(shí)數(shù)據(jù)只能是簡(jiǎn)單通過采樣方式去回收大量的傳感器原始數(shù)據(jù)。而一輛裝載攝像機(jī)、激光和雷達(dá)的數(shù)據(jù)的駕駛車，每天能產(chǎn)生80T的數(shù)據(jù)，這種數(shù)據(jù)量傳輸在5G建設(shè)成熟之前是不可能完成的。
另一個(gè)問題是駕駛員為自身安全考慮，更多的是在自己熟悉的道路開啟自動(dòng)駕駛功能，所以如果只在這些時(shí)侯開啟數(shù)據(jù)回收，那么只能收到一些固定場(chǎng)景的數(shù)據(jù)，而且很多都不會(huì)出現(xiàn)什么突發(fā)狀況，導(dǎo)致數(shù)據(jù)價(jià)值降低。特斯拉「影子模式」的核心就在于在有人駕駛狀態(tài)下，系統(tǒng)包括傳感器仍然運(yùn)行但并不參與車輛控制，只是對(duì)決策算法進(jìn)行驗(yàn)證一一系統(tǒng)的算法在「影子模式」下做持續(xù)模擬決策，并且把決策與駕駛員的行為進(jìn)行對(duì)比，一旦兩者不一致，該場(chǎng)景便被判定為「極端工況」，進(jìn)而觸發(fā)數(shù)據(jù)回傳。這種模式相當(dāng)于將駕駛員的操作當(dāng)做駕駛真值，將大量算法已覆蓋的場(chǎng)景過濾掉，保留高質(zhì)量的問題樣本回傳。
當(dāng)然隨著自動(dòng)駕駛功能逐步鋪開，如何在自動(dòng)駕駛功能開啟階段去收集有益信息也是一項(xiàng)重要工作。特斯拉在影子模式和算法自評(píng)這塊共設(shè)計(jì)了221個(gè)觸發(fā)器（截止2021年），其對(duì)外宣傳的觸發(fā)點(diǎn)信息如下圖示：
 

 

 
做個(gè)數(shù)據(jù)整理可以看到觸發(fā)模式可以分為三個(gè)大的方向：
  1. 算法性能自評(píng)：最常見的方式是通過多傳感器或前后幀的感知差異判斷出至少有一路感知性能存在錯(cuò)誤；
  2. 人機(jī)決策差異：當(dāng)駕駛員的行為邏輯與當(dāng)前感知結(jié)果不吻合時(shí)，有概率存在感知結(jié)果不符合預(yù)期的情況；
  3. 低頻場(chǎng)景收集：結(jié)合開發(fā)經(jīng)驗(yàn)，對(duì)一些指定場(chǎng)景進(jìn)行針對(duì)性觸發(fā)
仿真數(shù)據(jù)生成
在自動(dòng)駕駛領(lǐng)域，還有一個(gè)重要的數(shù)據(jù)來源是依靠仿真模擬工具生成，要想自動(dòng)駕駛的仿真平臺(tái)能實(shí)際為自動(dòng)駕駛發(fā)揮出相應(yīng)的能力，必須要具備幾種核心能力：真實(shí)還原測(cè)試場(chǎng)景、高效利用路采數(shù)據(jù)生成仿真場(chǎng)景、云端大規(guī)模并行加速等，使得仿真測(cè)試滿足自動(dòng)駕駛感知、決策規(guī)劃和控制全棧算法的閉環(huán)。目前包括科技公司、車企、自動(dòng)駕駛方案解決商、仿真軟件企業(yè)、高校及科研機(jī)構(gòu)等主體都在積極投身虛擬仿真平臺(tái)的建設(shè)。
當(dāng)前應(yīng)用最廣泛的仿真平臺(tái)有：PreScan、Carmaker、CarSim、VIRES VTD、PTV、Vissim、TESS NG、CARLA等；在自研中以Waymo的投入最大，相較特斯拉，waymo沒有那么龐大的真實(shí)數(shù)據(jù)回收機(jī)制，所以其絕大部分的算法測(cè)試都是基于仿真平臺(tái)，截止到2021年12月，Waymo自主研發(fā)的仿真測(cè)試軟件Carcraft已模擬了170億公里的道路場(chǎng)景，且支持Waymo車型進(jìn)行大規(guī)模測(cè)試。
但到目前來說，公開軟件的仿真數(shù)據(jù)對(duì)感知的作用主要是體現(xiàn)在網(wǎng)絡(luò)的預(yù)訓(xùn)練上，這塊暫不展開，后續(xù)待相關(guān)研究日趨成熟時(shí)再做單獨(dú)調(diào)研。
數(shù)據(jù)采集后的主要工作就是真值標(biāo)定，下一章將聊一聊自動(dòng)駕駛數(shù)據(jù)的預(yù)標(biāo)定工作。
 
 
 
參考資料
John Houston etc.
<面向自動(dòng)駕駛的高精地圖及數(shù)據(jù)采集生產(chǎn)體系> 知乎
<安波福數(shù)據(jù)集nuScens> CSDN weixin45032449
<影子模式，是不是被“神化”了？> 《九章智駕》 蘇清濤
<自動(dòng)駕駛汽車的數(shù)據(jù)將如何管理和傳輸？> 涅槃汽車
<特斯拉視覺自動(dòng)駕駛進(jìn)度展示> Andrej Karpathy(Tesla):CVPR2021 Workshop on Autonomous Vehicles
<7大國(guó)內(nèi)外自動(dòng)駕駛仿真平臺(tái)匯總> 智能交通技術(shù)前沿
分享到：
 
反對(duì) 0 舉報(bào) 0 收藏 0 評(píng)論 0
滬ICP備11026917號(hào)-25