首个AI训练数据解决方案发布,加速智能驾驶产业成熟

发表于 讨论求助 2022-11-17 08:57:05

商务服务机器人
当汽车碰上物联网、人工智能技术,恍惚两个时代的交错,诞生出一种新的应用模式:智能汽车、自动驾驶等等。以上并不是某些人的臆想,在2020年的某些日子里,滴滴自动驾驶出租车、百度无人车等一一出镜,赚足了眼球。

在技术驱动之外,来自产业政策方面的拉动更是让业内人士感到兴奋——2020年伊始,《智能汽车发展创新战略》的发布,给新一轮智能汽车产业革命注射了一剂强心针。此外,新能源汽车规划以及智能网联汽车发展战略的出台,都让智能汽车、智能驾驶从此走上新的征途。

智能汽车(智能驾驶)需要通过感知、规划、决策等过程,完成汽车的控制,这一过程,可以归纳为“人工智能”。然而,这更像是一个结果,想要让汽车本身的算法做到处理更多、更复杂的场景,背后就需要有海量准确、高质的场景数据做支撑。

数据标注技术,让行车更智能

今天,智能汽车的场景几乎无处不在。瞬息万变的路况信息和交通实景、行人信息等数据必须要得到感知和分析,并实时作出决策。在智能驾驶的前提下,这一切只有通过高质量AI数据的训练,才能帮助智能汽车正确感知道路环境,真正做到行驶无忧。

数据标注存在的意义是让机器理解、认识世界。作为国内AI数据服务领域的头部企业,云测数据一直致力于为智能驾驶领域提供高质量的场景化AI数据及场景化训练。云测数据智能驾驶AI数据服务解决方案覆盖了从采集到标注的全链条数据处理过程,并将场景数据针对性的分为车内和车外。车内场景中包括疲劳监测、动作识别、场景光线等一切会在车内发生的场景;车外环境中包括更复杂的障碍物、道路、天气、地点、车道线、路标,以及一些长尾场景诸如闯红灯车辆、横穿马路的行人等等。

而上述这些只是智能驾驶中涉及到摄像头的数据,多为图片类数据的标注。由于对安全的严苛要求,当前的智能驾驶所需数据需求,正向着多模态的方向发展。所谓多模态,即是对多维时间、空间、环境数据的感知与融合。

在汽车的感知部分不仅只有摄像头,还有激光雷达、毫米波雷达、超声波雷达等多种方式共同组成,而这些感知方式都需要对应的数据标注。结合智能驾驶AI数据服务解决方案的出现,高质量的AI数据再也不是难事。

以激光雷达为例,高性能激光雷达可以实现200米范围内,精度高达厘米级的3D场景扫描重现。它生成的3D点云数据通过标注后,可以助力自动驾驶模型的训练。云测数据在智能驾驶领域AI数据服务领域长期保持着领先优势。在标注工具方面,云测数据自研了一套可以支持图片、语音、文本等多品类的标注平台,可满足业内图片通用拉框、车道线、DMS、3D点云、2D/3D融合、全景语义分割等标注类型,支持自动驾驶、智能驾舱、自动泊车等场景数据标注。帮助汽车更好的感知道路场景,为智能驾驶技术的发展保驾护航。

头部企业利用优势,助力智能驾驶产业

对于智能驾驶而言,安全始终是第一的影响因素。现实交通场景复杂、安全威胁多,尤其是国内路况的复杂性和国内智能驾驶起步稍晚的现状,更需要高质、更精准的数据来进行算法训练。

当前AI数据服务行业已经开始从重视数量到质量的转变,主要企业正在数据标注技术创新、场景搭建、产业协同等方面形成优势。云测数据一直秉持着独立第三方的行业定位,正在从上述几个方面进行实践。

据了解,云测数据在业内首创了“数据场景实验室”模式,通过还原多种智能驾驶细分场景,以解决特定场景下的数据缺失、质量良莠不齐等行业问题。这种场景下的定制化数据采集更加精准、数据质量更高,同时也与智能驾驶需求端的匹配度更高,从而最大化将数据转化为生产力。

大量的2D/3D道路环境数据可通过云测数据的标注过程被赋予“标签化”意义,例如,识别障碍物、道路标识、听取动作或语音命令以及一些长尾场景诸如闯红灯车辆、横穿马路的行人等等。这些标注后的精准数据将会被反馈到汽车的算法模型中,使汽车具备“看”、“听”、“理解”、“交谈”的能力,为汽车决策提供数据感知支撑,从而实现决策过程。

今天人工智能产业的发展相比之前已经有了很大进展,算力、算法、数据等三大要素也日新月异。在智能化社会发展的前景下,只有数据能够满足AI算法训练、成功感知复杂的交通场景,智能驾驶才能真正落地。今天我们看见,随着政策驱动、头部企业的大力推动,AI数据正在不断深入融合产业化进程中,智能驾驶产业的商用正不断成熟起来。
发表
26906人 签到看排名