破局自動(dòng)駕駛落地難，數(shù)據(jù)標(biāo)注行業(yè)變革是關(guān)鍵丨曼孚科技

隨著過(guò)去幾年自動(dòng)駕駛“風(fēng)口”興起，越來(lái)越多的資本與研發(fā)力量投入到自動(dòng)駕駛領(lǐng)域。

相關(guān)機(jī)構(gòu)預(yù)測(cè)，半自動(dòng)駕駛和全自動(dòng)駕駛汽車(chē)未來(lái)幾十年的市場(chǎng)潛力巨大。到2035年，僅中國(guó)就將有約860萬(wàn)輛自動(dòng)駕駛汽車(chē)，其中約340萬(wàn)輛為全自動(dòng)無(wú)人駕駛，520萬(wàn)輛為半自動(dòng)駕駛。

不過(guò)，自動(dòng)駕駛是一個(gè)相當(dāng)復(fù)雜的工程系統(tǒng)，需要眾多技術(shù)的融合與精度配合，且不可能依賴(lài)資本的力量在短時(shí)間內(nèi)迅速爆發(fā)，自動(dòng)駕駛商業(yè)化還面臨方方面面的挑戰(zhàn)。所以一直以來(lái)，自動(dòng)駕駛給人的感覺(jué)都是“熱度很高但距離很遠(yuǎn)”。

自動(dòng)駕駛落地難的原因有很多，其中一個(gè)核心因素是自動(dòng)駕駛感知系統(tǒng)的不完善。

在自動(dòng)駕駛技術(shù)中，感知是最基礎(chǔ)的部分，沒(méi)有對(duì)車(chē)輛周?chē)S環(huán)境的定量感知，就猶如人沒(méi)有了眼睛，無(wú)人駕駛的決策系統(tǒng)就無(wú)法正常工作。

為了安全與準(zhǔn)確地感知，自動(dòng)駕駛系統(tǒng)使用了多種傳感器，其中可以被廣義地劃分為“視覺(jué)”的有超聲波雷達(dá)、毫米波雷達(dá)、激光雷達(dá)，以及攝像頭。

與其他應(yīng)用場(chǎng)景相比，自動(dòng)駕駛的應(yīng)用場(chǎng)景相對(duì)復(fù)雜，尤其面對(duì)復(fù)雜多變的路況環(huán)境，感知技術(shù)的突破不能依賴(lài)算法或技術(shù)的革新來(lái)解決。

在這種情況下，經(jīng)過(guò)人工標(biāo)注的帶有豐富語(yǔ)義信息的標(biāo)注數(shù)據(jù)，可以使算法更好地理解和識(shí)別視覺(jué)攝像頭、激光雷達(dá)、毫米波雷達(dá)等傳感器所傳輸?shù)漠?huà)面信息和障礙物信息，全面提升自動(dòng)駕駛汽車(chē)的感知能力。

自動(dòng)駕駛標(biāo)注場(chǎng)景(來(lái)源：曼孚科技)

不過(guò)，并不是所有的標(biāo)注數(shù)據(jù)都能被自動(dòng)駕駛汽車(chē)所用，從理論層面上說(shuō)，數(shù)據(jù)的標(biāo)注結(jié)果越精準(zhǔn)，對(duì)于算法的運(yùn)算結(jié)果越好。所以，大規(guī)模精準(zhǔn)的標(biāo)注數(shù)據(jù)集才會(huì)對(duì)自動(dòng)駕駛商業(yè)化進(jìn)程產(chǎn)生實(shí)質(zhì)性的助推作用。

百度在開(kāi)放ApolloScape時(shí)，也談到了這一點(diǎn):

“雖然國(guó)外有不少可供選擇的數(shù)據(jù)集，但是國(guó)內(nèi)的路況復(fù)雜程度顯然與國(guó)外不同。雖然我們也經(jīng)?？梢月?tīng)到一些企業(yè)宣布其自動(dòng)駕駛汽車(chē)開(kāi)始公測(cè)，但大多數(shù)測(cè)試都是在較簡(jiǎn)單的路況下進(jìn)行的，在復(fù)雜路況下，自動(dòng)駕駛還遠(yuǎn)遠(yuǎn)達(dá)不到上路標(biāo)準(zhǔn)，這其中的很多問(wèn)題僅依靠技術(shù)手段很難解決，需要大規(guī)模精準(zhǔn)數(shù)據(jù)集的幫助，這也是百度決定開(kāi)放ApolloScape的初衷。百度希望通過(guò)公開(kāi)的方式，吸引更多企業(yè)和開(kāi)發(fā)者利用并補(bǔ)充數(shù)據(jù)集，進(jìn)而提高自動(dòng)駕駛的感知能力?！?/p>

從以上角度來(lái)看，高質(zhì)量的標(biāo)注數(shù)據(jù)集已成為助力自動(dòng)駕駛汽車(chē)大規(guī)模商業(yè)化落地應(yīng)用的關(guān)鍵因素之一。

不過(guò)，目前的數(shù)據(jù)標(biāo)注行業(yè)在提供高質(zhì)量標(biāo)注數(shù)據(jù)集的能力上還有所欠缺。

相關(guān)數(shù)據(jù)顯示，當(dāng)下數(shù)據(jù)標(biāo)注行業(yè)單次交付達(dá)標(biāo)率低于50%，三次內(nèi)交付達(dá)標(biāo)率低于90%，遠(yuǎn)遠(yuǎn)不能滿(mǎn)足AI企業(yè)的需求。

這一方面與缺乏高質(zhì)量的數(shù)據(jù)標(biāo)注工具有關(guān)，另一方面也與行業(yè)過(guò)度依賴(lài)人力有關(guān)。數(shù)據(jù)標(biāo)注行業(yè)內(nèi)部存在的問(wèn)題已在很大程度上影響到諸多AI項(xiàng)目的商業(yè)化應(yīng)用進(jìn)程。

從長(zhǎng)遠(yuǎn)角度來(lái)看，隨著人工智能與各個(gè)產(chǎn)業(yè)結(jié)合得愈加緊密，精細(xì)化，場(chǎng)景化以及更多維度的數(shù)據(jù)對(duì)AI的產(chǎn)業(yè)化落地變得越來(lái)越重要，數(shù)據(jù)標(biāo)注行業(yè)的變革需求已迫在眉睫，高質(zhì)量的數(shù)據(jù)才是行業(yè)真正的未來(lái)。