從1886年的卡爾·弗里德里希·本茨發(fā)明出汽車開始,拓寬了人們的出行半徑,加速了人流與物流的流動速度。到1939年,第一款配備自動變速器的汽車問世,解放了駕駛員的右手(左舵駕駛,右舵駕駛則解放左手),再到世紀(jì)交替時,ACC自適應(yīng)巡航解放了駕駛員的雙腳。而現(xiàn)在的智能駕駛技術(shù)問世,科幻電影中的自動駕駛離我們的距離正在快速接近。

前段時間,百度、高德、文遠(yuǎn)知行、AutoX、滴滴等代表企業(yè)在RoboTaxi(自動駕駛出租車)領(lǐng)域爭相傳來好消息。可以說通過RoboTaxi的落地,人類揭開了自動駕駛落地新的一頁。

但是,新的篇章有新的難題。

在自動駕駛的過程中,汽車需要通過感知、策劃、決策、控制等一系列的過程,實(shí)現(xiàn)“人工智能”。簡單來說,自動駕駛系統(tǒng)根據(jù)從感知融合模塊得到的環(huán)境信息,如其他車輛、紅綠燈、行人等數(shù)據(jù)反饋,才可做出具體行為決策,如變道、超車、停車等等。

在具體商業(yè)化落地中,難就難在“感知-決策”這一過程。諸如高速公路、礦山等道路環(huán)境簡單的場景,自動駕駛的實(shí)現(xiàn)相對簡單。而在道路環(huán)境復(fù)雜的城市道路上,不可控的車輛、行人、寵物等各方因素,給“感知-決策”的過程帶來了極大的難度。

我們在新聞上看到的自動駕駛事故現(xiàn)場,也大都是因?yàn)?ldquo;感知-決策”這一環(huán)節(jié)出現(xiàn)了問題。

智能駕駛時代的關(guān)鍵——背后的高質(zhì)量數(shù)據(jù)

對于自動駕駛汽車來說,想要在瞬息萬變的復(fù)雜真實(shí)駕駛場景中發(fā)揮感知作用,背后就需要有海量真實(shí)道路場景的數(shù)據(jù)通過專業(yè)人員進(jìn)行標(biāo)注和驗(yàn)證,從而轉(zhuǎn)化為算法訓(xùn)練的數(shù)據(jù)支撐。

AI數(shù)據(jù)是整個人工智能行業(yè)的燃料,它在智能駕駛領(lǐng)域的重要性毋庸置疑。但現(xiàn)實(shí)情況是缺乏獲得大量且高質(zhì)量道路環(huán)境數(shù)據(jù)的渠道。

一方面數(shù)據(jù)標(biāo)注本質(zhì)上是要獲得更準(zhǔn)確,更精細(xì)化的數(shù)據(jù)結(jié)果,而場景化的道路數(shù)據(jù)缺失、數(shù)據(jù)標(biāo)注質(zhì)量良莠不齊,以及數(shù)據(jù)隱私安全問題成為自動駕駛面臨的三大痛點(diǎn)。幸運(yùn)的是,云測數(shù)據(jù)作為AI數(shù)據(jù)服務(wù)領(lǐng)域的頭部企業(yè),一直致力于為智能駕駛領(lǐng)域提供高質(zhì)量的場景化AI數(shù)據(jù),通過對視頻、圖像、音頻、文本、LiDAR和傳感器數(shù)據(jù)進(jìn)行結(jié)構(gòu)化處理,為機(jī)器學(xué)習(xí)模型提供高質(zhì)量的場景化訓(xùn)練數(shù)據(jù)。

據(jù)公開資料顯示,云測數(shù)據(jù)為了滿足智能駕駛領(lǐng)域不同場景的特殊需求,業(yè)內(nèi)首創(chuàng)了“數(shù)據(jù)場景實(shí)驗(yàn)室”模式,通過還原多種智能駕駛細(xì)分場景,以解決特定場景下的數(shù)據(jù)缺失、質(zhì)量良莠不齊等行業(yè)問題。一方面,在場景下的定制化數(shù)據(jù)采集更加精準(zhǔn)、數(shù)據(jù)質(zhì)量更高,另一方面,定制化的場景數(shù)據(jù)也與智能駕駛需求端的匹配度更高,從而最大化將數(shù)據(jù)轉(zhuǎn)化為生產(chǎn)力。

大量的2D/3D道路環(huán)境數(shù)據(jù)可通過云測數(shù)據(jù)的標(biāo)注過程被賦予“標(biāo)簽化”意義,例如,識別樹木、障礙物、道路標(biāo)識、聽取動作或語音命令以及一些長尾場景諸如闖紅燈車輛、橫穿馬路的行人等等。這些標(biāo)注后的精準(zhǔn)數(shù)據(jù)將會被反饋到汽車的算法模型中,使汽車具備“看”、“聽”、“理解”、“交談”的能力,為汽車決策提供數(shù)據(jù)感知支撐,從而實(shí)現(xiàn)決策過程。

同樣,在智慧駕駛-智能駕艙中,隨著語音識別技術(shù)和情緒識別等技術(shù)的發(fā)展,為了讓汽車能夠識別說話者的情緒和話語,云測數(shù)據(jù)通過對NLP數(shù)據(jù)進(jìn)行對話意圖、領(lǐng)域、槽位等進(jìn)行判斷和標(biāo)注和多角度的泛化如重組或擴(kuò)充句式、標(biāo)簽等過程,給AI算法提供詳盡高質(zhì)的“教材”,幫助算法進(jìn)行決策,實(shí)現(xiàn)卓越的人車互動。

可落地應(yīng)用的道路場景數(shù)據(jù)更受關(guān)注

有專家指出,目前的自動駕駛技術(shù)還沒有準(zhǔn)備好應(yīng)對復(fù)雜路況的挑戰(zhàn)。在真實(shí)環(huán)境下,系統(tǒng)存在的風(fēng)險性還會被放大,這也是為什么在現(xiàn)在自動駕駛的車輛上依舊要放一個安全司機(jī)的原因。

可以說,自動駕駛真正商業(yè)化落地的關(guān)鍵之一,就是要通過人工智能算法處理更多更復(fù)雜的場景。

從宏觀角度來看,現(xiàn)有算法、算力無法準(zhǔn)確處理復(fù)雜交通環(huán)境下無限可能的長尾場景,這時候高質(zhì)量AI數(shù)據(jù)的覆蓋就顯得更加重要;具象到自動駕駛落地需求來看,高質(zhì)量的場景數(shù)據(jù)也已成為各方業(yè)務(wù)領(lǐng)先競爭的關(guān)鍵。

作為人工智能領(lǐng)域內(nèi)最值得期待的場景,自動駕駛產(chǎn)業(yè)落地的大門已開啟。場景化、定制化的高質(zhì)量AI數(shù)據(jù)已成為自動駕駛領(lǐng)域最需要的基礎(chǔ)動力之一。而AI數(shù)據(jù)也將在不斷深入的產(chǎn)業(yè)落地中,為實(shí)現(xiàn)自動駕駛的全面落地提供突破性幫助。