破局自動駕駛落地難，資料標註行業變革是關鍵丨曼孚科技

隨著過去幾年自動駕駛“風口”興起，越來越多的資本與研發力量投入到自動駕駛領域。

相關機構預測，半自動駕駛和全自動駕駛汽車未來幾十年的市場潛力巨大。到2035年，僅中國就將有約860萬輛自動駕駛汽車，其中約340萬輛為全自動無人駕駛，520萬輛為半自動駕駛。

不過，自動駕駛是一個相當複雜的工程系統，需要眾多技術的融合與精度配合，且不可能依賴資本的力量在短時間內迅速爆發，自動駕駛商業化還面臨方方面面的挑戰。所以一直以來，自動駕駛給人的感覺都是“熱度很高但距離很遠”。

自動駕駛落地難的原因有很多，其中一個核心因素是自動駕駛感知系統的不完善。

在自動駕駛技術中，感知是最基礎的部分，沒有對車輛周圍三維環境的定量感知，就猶如人沒有了眼睛，無人駕駛的決策系統就無法正常工作。

為了安全與準確地感知，自動駕駛系統使用了多種感測器，其中可以被廣義地劃分為“視覺”的有超聲波雷達、毫米波雷達、鐳射雷達，以及攝像頭。

與其他應用場景相比，自動駕駛的應用場景相對複雜，尤其面對複雜多變的路況環境，感知技術的突破不能依賴演算法或技術的革新來解決。

在這種情況下，經過人工標註的帶有豐富語義資訊的標註資料，可以使演算法更好地理解和識別視覺攝像頭、鐳射雷達、毫米波雷達等感測器所傳輸的畫面資訊和障礙物資訊，全面提升自動駕駛汽車的感知能力。

自動駕駛標註場景(來源：曼孚科技)

不過，並不是所有的標註資料都能被自動駕駛汽車所用，從理論層面上說，資料的標註結果越精準，對於演算法的運算結果越好。所以，大規模精準的標註資料集才會對自動駕駛商業化程式產生實質性的助推作用。

百度在開放ApolloScape時，也談到了這一點:

“雖然國外有不少可供選擇的資料集，但是國內的路況複雜程度顯然與國外不同。雖然我們也經常可以聽到一些企業宣佈其自動駕駛汽車開始公測，但大多數測試都是在較簡單的路況下進行的，在複雜路況下，自動駕駛還遠遠達不到上路標準，這其中的很多問題僅依靠技術手段很難解決，需要大規模精準資料集的幫助，這也是百度決定開放ApolloScape的初衷。百度希望透過公開的方式，吸引更多企業和開發者利用並補充資料集，進而提高自動駕駛的感知能力。”

從以上角度來看，高質量的標註資料集已成為助力自動駕駛汽車大規模商業化落地應用的關鍵因素之一。

不過，目前的資料標註行業在提供高質量標註資料集的能力上還有所欠缺。

相關資料顯示，當下資料標註行業單次交付達標率低於50%，三次內交付達標率低於90%，遠遠不能滿足AI企業的需求。

這一方面與缺乏高質量的資料標註工具有關，另一方面也與行業過度依賴人力有關。資料標註行業內部存在的問題已在很大程度上影響到諸多AI專案的商業化應用程式。

從長遠角度來看，隨著人工智慧與各個產業結合得愈加緊密，精細化，場景化以及更多維度的資料對AI的產業化落地變得越來越重要，資料標註行業的變革需求已迫在眉睫，高質量的資料才是行業真正的未來。