【ITBEAR】在自动驾驶技术的快速发展中,数据规模和质量已成为决定模型能力的关键因素。从规则+算法范式向数据驱动的端到端范式的转变,意味着自动驾驶系统的所有驾驶知识均源自训练数据。这一转变不仅要求更大的数据规模,还对数据质量和分布性提出了更高要求。
随着智驾里程的增长,训练数据量也在不断增加。蔚来、小鹏和特斯拉等公司已积累了海量的视频训练素材,并且这些数据还在持续增长中。同时,模型的迭代速度和训练频次也是影响自动驾驶系统能力的重要因素。
在自动驾驶数据闭环中,除了训练算力外,推理算力也扮演着重要角色。数据标注工作的自动化提升了效率,但同时也增加了对推理算力的需求。特别是在端到端时代,视频训练片段的数据标注工作量显著增加。
尽管端到端方案带来了计算资源的集约化使用,但安全问题仍是其面临的挑战之一。部分车企试图通过加入安全网络来弥补安全下限低的缺点,以确保自动驾驶系统的安全性。
华为和比亚迪等公司在其分段式端到端方案中加入了安全网络,以提供安全兜底保障。这一做法体现了“安全就是最大的豪华”的理念,也展示了车企在追求技术进步的同时对安全性的高度重视。
自动驾驶技术的发展在数据规模、质量和分布性方面提出了更高要求。同时,安全问题也是端到端方案需要重点关注和解决的挑战之一。车企们正通过不断优化技术方案和加入安全网络等措施来应对这些挑战。