數據是數字時代全新的生產要素，數據與算法、算力的融合，正在促進人工智能行業(yè)的發(fā)展。自動駕駛作為AI技術皇冠上的明珠，數據的作用更是貫穿生產、測試、研發(fā)全生命周期。目前，自動駕駛走入以落地應用為目標的下半場，在解決極端場景下的安全等問題方面，對數據進行高效的采集和利用，提高數據循環(huán)鏈路的速度，成為整個自動駕駛技術迭代的關鍵點。
構建數據閉環(huán)，提升自動駕駛系統的核心競爭力
在自動駕駛的研發(fā)過程中，大數據如影隨形。高效利用并轉化海量實際路況數據，可以幫助系統加速學習和升級，也意味著能夠率先搶占高級別的自動駕駛技術高地，因此整個行業(yè)都極為重視并大力投入數據閉環(huán)的建設。
車輛要想在道路上實現完全自動駕駛，除了要依靠車輛本身的攝像頭、毫米波雷達、激光雷達等傳感器，還要依靠網聯技術的支持。行駛時車輛依靠各種傳感器“觀察”道路，會產生大量數據，每小時的駕駛時間數據量達TB級，在當前的多數場景下，車端顯然不適合處理和存儲如此巨大的數據負載。而車端產生的大量數據，是提升自動駕駛體驗、完善算法的關鍵資源，所以當下更好的選擇是端云結合，將數據有策略的回傳到云端，再通過人工智能算法標注和提取大量的訓練數據，為算法訓練和仿真提供輸入，實現虛擬開發(fā)測試環(huán)境的搭建、驗證和算法迭代。
要想在復雜的場景中提升現階段輔助駕駛/自動駕駛安全性，充分的測試與驗證工作必不可少，由于現實中的駕駛場景難以窮盡，復雜且不可預測，在開發(fā)和測試的過程中，業(yè)界一般通過采集大量的數據構建場景集，幫助汽車打造仿真環(huán)境以實現模擬測試。實際路測中復現一次極端場景的接管一般要以月為周期單位，相比之下依靠數據與仿真測試手段，不僅可以復現更多極端場景，還可以極大提升測試效率。
此外，在部署自動駕駛車輛之后，會產生大量的回傳數據，自動駕駛系統也需要基于這些數據不斷進行迭代升級，并通過OTA的方式為用戶持續(xù)推送新的功能、適應更多的場景和提升體驗。
由此可見，基于數據驅動的自動駕駛，在完成前期數據的收集、中間數據的存儲與遷移之后，還要對后期核心數據進行訓練與管理。因此，構建自動駕駛數據閉環(huán)，是自動駕駛產品研發(fā)的核心競爭力。
騰訊自動駕駛云平臺驅動數據高效流轉
騰訊憑借多年在大數據、AI等領域的深度積累，借助騰訊云強大的算力支持，結合本土化的交通場景和應用需求，成功研發(fā)出在工具鏈完整性、場景豐富性、場景真實性等方面行業(yè)領先的自動駕駛云平臺，極大地提升了研發(fā)和測試效率，在云端高并發(fā)運行、真實有效性等方面實現了創(chuàng)新突破。
騰訊自動駕駛云平臺基于云端海量存儲空間與計算資源支撐，構建了數據采集管理、樣本標注、算法訓練評測、診斷調試、云端仿真、實車反饋閉環(huán)等全流程云服務，提供支撐自動駕駛研發(fā)的全鏈路云服務和開發(fā)平臺。
在數據治理方面，騰訊自動駕駛云平臺的樣本標注服務采用自研AI算法預標注，可輔助人工實現樣本數據的自動化生產，在提升生產效率的同時，積累了海量樣本數據;包括全要素目標檢測、跨相機目標跟蹤、語義分割等圖像標注、3D激光點云標注、以及精準圖像與3D點云融合標注、變道標注等多種自動駕駛算法訓練數據。此外，騰訊自動駕駛云平臺聚合多元方案，結合云端優(yōu)勢，日仿真里程數超千萬公里;將海量測試場景的運行時間從天級大幅縮減至小時級、分鐘級，并支持全自動化測評，極大提升了客戶自動駕駛算法的迭代效率;
在數據應用層面，對于自動駕駛車輛測試管理、政策制定等相關政府部門來說，仿真作為智能網聯汽車最重要的測評工具, 既可幫助企業(yè)掌握在車輛研發(fā)、測試和集成的不同階段的安全邊界和質量問題，也有利于相關標準制定和測試場景數據庫的建設，通過信息化和標準化的手段提升智能網聯汽車行業(yè)透明度。在產業(yè)互聯網領域，騰訊致力于做數字化的連接器和工具箱，騰訊自動駕駛云平臺也在與OEM廠商、測試場、政府機構、產業(yè)聯盟乃至科研機構廣泛合作，推動應用落地。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
