破局自動駕駛落地難，數據標註行業變革是關鍵丨曼孚科技

隨着過去幾年自動駕駛「風口」興起，愈來愈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將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340萬輛爲全自動無人駕駛，520萬輛爲半自動駕駛。

不過，自動駕駛是一個至關複雜的工程系統，須要衆多技術的融合與精度配合，且不可能依賴資本的力量在短期內迅速爆發，自動駕駛商業化還面臨方方面面的挑戰。因此一直以來，自動駕駛給人的感受都是「熱度很高但距離很遠」。

自動駕駛落地難的緣由有不少，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沒法正常工做。

爲了安全與準確地感知，自動駕駛系統使用了多種傳感器，其中能夠被廣義地劃分爲「視覺」的有超聲波雷達、毫米波雷達、激光雷達，以及攝像頭。

與其餘應用場景相比，自動駕駛的應用場景相對複雜，尤爲面對複雜多變的路況環境，感知技術的突破不能依賴算法或技術的革新來解決。

在這種狀況下，通過人工標註的帶有豐富語義信息的標註數據，可使算法更好地理解和識別視覺攝像頭、激光雷達、毫米波雷達等傳感器所傳輸的畫面信息和障礙物信息，全面提高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，並非全部的標註數據都能被自動駕駛汽車所用，從理論層面上說，數據的標註結果越精準，對於算法的運算結果越好。因此，大規模精準的標註數據集纔會對自動駕駛商業化進程產生實質性的助推做用。

百度在開放ApolloScape時，也談到了這一點:

「雖然國外有很多可供選擇的數據集，可是國內的路況複雜程度顯然與國外不一樣。雖然咱們也常常能夠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，這其中的不少問題僅依靠技術手段很難解決，須要大規模精準數據集的幫助，這也是百度決定開放ApolloScape的初衷。百度但願經過公開的方式，吸引更多企業和開發者利用並補充數據集，進而提升自動駕駛的感知能力。」

從以上角度來看，高質量的標註數據集已成爲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，目前的數據標註行業在提供高質量標註數據集的能力上還有所欠缺。

相關數據顯示，當下數據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%，遠遠不能知足AI企業的需求。

這一方面與缺少高質量的數據標註工具備關，另外一方面也與行業過分依賴人力有關。數據標註行業內部存在的問題已在很大程度上影響到諸多AI項目的商業化應用進程。

從長遠角度來看，隨着人工智能與各個產業結合得越發緊密，精細化，場景化以及更多維度的數據對AI的產業化落地變得愈來愈重要，數據標註行業的變革需求已迫在眉睫，高質量的數據纔是行業真正的將來。