[科学技术]自动驾驶“落地战”，突破口将在场景化数据

自从1886年卡尔.弗里德里希.奔驰发明汽车以来，人们的旅行半径变宽了，人和物流的流动速度加快了。到1939年，第一辆配备自动变速器的汽车问世，解放了驾驶员的右手(左舵驾驶，右舵驾驶解放了左手)，然后在世纪之交，acc自适应巡航解放了驾驶员的双脚。随着智能驾驶技术的到来，科幻电影中的自动驾驶与我们的距离正在迅速逼近。

前段时间，百度、高德、文远智星、autox、滴滴等代表企业争相在机器人领域传递利好消息。可以说，通过机器人大西的登陆，人类开启了自动驾驶的新篇章。

然而，新的篇章有了新的困难。

汽车在自动驾驶过程中，需要通过感知、规划、决策、控制等一系列过程来实现“人工智能”。简单来说，自动驾驶系统可以根据感知融合模块获得的环境信息，如其他车辆、红绿灯、行人的数据反馈，做出具体的行为决策，如变道、超车、停车等。

在具体的商业化中，难点在于“感知-决策”的过程。对于公路、矿山等道路环境简单的场景，自动驾驶的实现相对简单。在道路环境复杂的城市道路上，车辆、行人、宠物等不可控因素给“感知-决策”过程带来很大困难。

我们在新闻上看到的大多数自动驾驶事故场景都是由于“感知-决策”链接中的问题。

智能驾驶时代的关键——背后的高质量数据

对于自主车辆来说，为了在不断变化的复杂真实驾驶场景中发挥感知作用，需要专业人员对大量真实道路场景数据进行标记和验证，并转化为算法训练的数据支持。

Ai数据是整个人工智能行业的燃料，在智能驾驶领域的重要性毋庸置疑。然而，现实是无法获得大量高质量的道路环境数据。

一方面，数据标注的本质是获取更准确、更精细的数据结果，而基于场景的道路数据缺乏、数据标注质量参差不齐以及数据隐私和安全问题成为自主驾驶面临的三大痛点。幸运的是，作为ai数据服务领域的龙头企业，云测数据一直致力于为智能驾驶领域提供高质量的场景ai数据，并通过结构化视频、图像、音频、文本、激光雷达和传感器数据为机器学习模型提供高质量的场景训练数据。

根据公开信息，为了满足智能驾驶领域不同场景的特殊需求，业界首创了“数据场景实验室”模式，通过还原智能驾驶的各种细分场景，可以解决特定场景中数据缺失、质量参差不齐等行业问题。一方面，场景中定制的数据采集更加准确，数据质量更高；另一方面，定制的场景数据与智能驾驶需求侧具有更高的匹配度，从而最大限度地将数据转化为生产力。

大量的2d/3d道路环境数据可以通过云数据的标注过程赋予“标注”的含义，例如识别树木、障碍物、路标、听动作或语音命令，以及一些闯红灯车辆、行人过马路等长尾场景等。这些标注准确的数据会反馈到汽车的算法模型中，使汽车具备“看”、“听”、“懂”、“说”的能力，为汽车决策提供数据感知支持，从而实现决策过程。

同样，在智能驾驶——智能驾驶舱内，随着语音识别技术和情感识别技术的发展，为了使汽车能够识别说话人的情感和话语，云测量数据通过判断和标注nlp数据的对话意图、领域、槽位等，为ai算法提供了详细、优质的“教材”。，并从多个角度进行概括，如重组或扩展句型和标记等。，帮助算法做出决策，实现良好的人机交互。

可应用于地面的道路场景数据更受关注

一些专家指出，目前的自动驾驶技术还没有准备好迎接复杂路况的挑战。在现实环境中，系统的风险会被放大，这就是为什么一个安全的司机仍然应该被放在自动驾驶车辆上。

可以说，自主驾驶真正商业化的关键之一是通过人工智能算法处理越来越复杂的场景。

从宏观角度来看，现有算法和计算能力无法准确处理复杂交通环境中无限可能的长尾场景，因此高质量ai数据的覆盖变得更加重要；从自动驾驶到落地的需求，高质量的场景数据也成为各方领先竞争的关键。

作为人工智能领域最令人期待的场景，自主驾驶行业的大门已经打开。基于场景和定制的高质量人工智能数据已经成为自动驾驶领域最需要的基本能力之一。Ai数据也将为自动驾驶在深化行业的全面落地提供突破性帮助。