數(shù)據(jù)是數(shù)字時(shí)代全新的生產(chǎn)要素，數(shù)據(jù)與算法、算力的融合，正在促進(jìn)人工智能行業(yè)的發(fā)展。自動(dòng)駕駛作為AI技術(shù)皇冠上的明珠，數(shù)據(jù)的作用更是貫穿生產(chǎn)、測(cè)試、研發(fā)全生命周期。目前，自動(dòng)駕駛走入以落地應(yīng)用為目標(biāo)的下半場(chǎng)，在解決極端場(chǎng)景下的安全等問題方面，對(duì)數(shù)據(jù)進(jìn)行高效的采集和利用，提高數(shù)據(jù)循環(huán)鏈路的速度，成為整個(gè)自動(dòng)駕駛技術(shù)迭代的關(guān)鍵點(diǎn)。
構(gòu)建數(shù)據(jù)閉環(huán)，提升自動(dòng)駕駛系統(tǒng)的核心競(jìng)爭(zhēng)力
在自動(dòng)駕駛的研發(fā)過程中，大數(shù)據(jù)如影隨形。高效利用并轉(zhuǎn)化海量實(shí)際路況數(shù)據(jù)，可以幫助系統(tǒng)加速學(xué)習(xí)和升級(jí)，也意味著能夠率先搶占高級(jí)別的自動(dòng)駕駛技術(shù)高地，因此整個(gè)行業(yè)都極為重視并大力投入數(shù)據(jù)閉環(huán)的建設(shè)。
車輛要想在道路上實(shí)現(xiàn)完全自動(dòng)駕駛，除了要依靠車輛本身的攝像頭、毫米波雷達(dá)、激光雷達(dá)等傳感器，還要依靠網(wǎng)聯(lián)技術(shù)的支持。行駛時(shí)車輛依靠各種傳感器“觀察”道路，會(huì)產(chǎn)生大量數(shù)據(jù)，每小時(shí)的駕駛時(shí)間數(shù)據(jù)量達(dá)TB級(jí)，在當(dāng)前的多數(shù)場(chǎng)景下，車端顯然不適合處理和存儲(chǔ)如此巨大的數(shù)據(jù)負(fù)載。而車端產(chǎn)生的大量數(shù)據(jù)，是提升自動(dòng)駕駛體驗(yàn)、完善算法的關(guān)鍵資源，所以當(dāng)下更好的選擇是端云結(jié)合，將數(shù)據(jù)有策略的回傳到云端，再通過人工智能算法標(biāo)注和提取大量的訓(xùn)練數(shù)據(jù)，為算法訓(xùn)練和仿真提供輸入，實(shí)現(xiàn)虛擬開發(fā)測(cè)試環(huán)境的搭建、驗(yàn)證和算法迭代。
要想在復(fù)雜的場(chǎng)景中提升現(xiàn)階段輔助駕駛/自動(dòng)駕駛安全性，充分的測(cè)試與驗(yàn)證工作必不可少，由于現(xiàn)實(shí)中的駕駛場(chǎng)景難以窮盡，復(fù)雜且不可預(yù)測(cè)，在開發(fā)和測(cè)試的過程中，業(yè)界一般通過采集大量的數(shù)據(jù)構(gòu)建場(chǎng)景集，幫助汽車打造仿真環(huán)境以實(shí)現(xiàn)模擬測(cè)試。實(shí)際路測(cè)中復(fù)現(xiàn)一次極端場(chǎng)景的接管一般要以月為周期單位，相比之下依靠數(shù)據(jù)與仿真測(cè)試手段，不僅可以復(fù)現(xiàn)更多極端場(chǎng)景，還可以極大提升測(cè)試效率。
此外，在部署自動(dòng)駕駛車輛之后，會(huì)產(chǎn)生大量的回傳數(shù)據(jù)，自動(dòng)駕駛系統(tǒng)也需要基于這些數(shù)據(jù)不斷進(jìn)行迭代升級(jí)，并通過OTA的方式為用戶持續(xù)推送新的功能、適應(yīng)更多的場(chǎng)景和提升體驗(yàn)。
由此可見，基于數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)駕駛，在完成前期數(shù)據(jù)的收集、中間數(shù)據(jù)的存儲(chǔ)與遷移之后，還要對(duì)后期核心數(shù)據(jù)進(jìn)行訓(xùn)練與管理。因此，構(gòu)建自動(dòng)駕駛數(shù)據(jù)閉環(huán)，是自動(dòng)駕駛產(chǎn)品研發(fā)的核心競(jìng)爭(zhēng)力。
騰訊自動(dòng)駕駛云平臺(tái)驅(qū)動(dòng)數(shù)據(jù)高效流轉(zhuǎn)
騰訊憑借多年在大數(shù)據(jù)、AI等領(lǐng)域的深度積累，借助騰訊云強(qiáng)大的算力支持，結(jié)合本土化的交通場(chǎng)景和應(yīng)用需求，成功研發(fā)出在工具鏈完整性、場(chǎng)景豐富性、場(chǎng)景真實(shí)性等方面行業(yè)領(lǐng)先的自動(dòng)駕駛云平臺(tái)，極大地提升了研發(fā)和測(cè)試效率，在云端高并發(fā)運(yùn)行、真實(shí)有效性等方面實(shí)現(xiàn)了創(chuàng)新突破。
騰訊自動(dòng)駕駛云平臺(tái)基于云端海量存儲(chǔ)空間與計(jì)算資源支撐，構(gòu)建了數(shù)據(jù)采集管理、樣本標(biāo)注、算法訓(xùn)練評(píng)測(cè)、診斷調(diào)試、云端仿真、實(shí)車反饋閉環(huán)等全流程云服務(wù)，提供支撐自動(dòng)駕駛研發(fā)的全鏈路云服務(wù)和開發(fā)平臺(tái)。
在數(shù)據(jù)治理方面，騰訊自動(dòng)駕駛云平臺(tái)的樣本標(biāo)注服務(wù)采用自研AI算法預(yù)標(biāo)注，可輔助人工實(shí)現(xiàn)樣本數(shù)據(jù)的自動(dòng)化生產(chǎn)，在提升生產(chǎn)效率的同時(shí)，積累了海量樣本數(shù)據(jù);包括全要素目標(biāo)檢測(cè)、跨相機(jī)目標(biāo)跟蹤、語義分割等圖像標(biāo)注、3D激光點(diǎn)云標(biāo)注、以及精準(zhǔn)圖像與3D點(diǎn)云融合標(biāo)注、變道標(biāo)注等多種自動(dòng)駕駛算法訓(xùn)練數(shù)據(jù)。此外，騰訊自動(dòng)駕駛云平臺(tái)聚合多元方案，結(jié)合云端優(yōu)勢(shì)，日仿真里程數(shù)超千萬公里;將海量測(cè)試場(chǎng)景的運(yùn)行時(shí)間從天級(jí)大幅縮減至小時(shí)級(jí)、分鐘級(jí)，并支持全自動(dòng)化測(cè)評(píng)，極大提升了客戶自動(dòng)駕駛算法的迭代效率;
在數(shù)據(jù)應(yīng)用層面，對(duì)于自動(dòng)駕駛車輛測(cè)試管理、政策制定等相關(guān)政府部門來說，仿真作為智能網(wǎng)聯(lián)汽車最重要的測(cè)評(píng)工具, 既可幫助企業(yè)掌握在車輛研發(fā)、測(cè)試和集成的不同階段的安全邊界和質(zhì)量問題，也有利于相關(guān)標(biāo)準(zhǔn)制定和測(cè)試場(chǎng)景數(shù)據(jù)庫的建設(shè)，通過信息化和標(biāo)準(zhǔn)化的手段提升智能網(wǎng)聯(lián)汽車行業(yè)透明度。在產(chǎn)業(yè)互聯(lián)網(wǎng)領(lǐng)域，騰訊致力于做數(shù)字化的連接器和工具箱，騰訊自動(dòng)駕駛云平臺(tái)也在與OEM廠商、測(cè)試場(chǎng)、政府機(jī)構(gòu)、產(chǎn)業(yè)聯(lián)盟乃至科研機(jī)構(gòu)廣泛合作，推動(dòng)應(yīng)用落地。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
