2022年上半年，自动驾驶商业化在政策端与市场端均迎来新的发展阶段。
政策方面，4月份北京正式对外发放无人化载人示范应用通知书，并允许Robotaxi主驾去掉安全员;
5月份，云南省工业和信息化厅发布了《关于“十四五”推进云南省车路协同自动驾驶试点示范建设的指导意见》，明确到2025年，逐步实现高级别自动驾驶商业应用，L4级别智能车辆在特定领域开始试运行，力争建设成为国家级车路协同自动驾驶产业集聚区。
而在厂商方面，IDC最新发布的《中国自动驾驶汽车市场数据追踪报告》中显示，2022年一季度，中国自动驾驶汽车市场，L2级自动驾驶乘用车渗透率达23.2%，较2021年一季度的7.5%大幅提升，自动驾驶商业化应用正迎来新的发展黄金期。
然而，政策与厂商端的火热，却无法在短时间内改变消费端对自动驾驶的认知，公众对自动驾驶技术的场景适应性仍存疑问。自动驾驶落地场景更多集中于封闭路段，距离真正的开放路段大规模商业化应用仍有一段距离。
那么自动驾驶，离真正量产到底还缺了点什么?
硬件成本逐年下降
长期以来，自动驾驶技术无论是在硬件端，如激光雷达、多目摄像头，还是在软件算法端，前期的投入与采购成本均十分高昂。
以自动驾驶感知系统为例，目前主流的感知技术路径有两种，一种是以机器视觉为核心，毫米波雷达+摄像头解决方案，典型代表企业特斯拉、Mobileye、百度Apollo等;另一种则是以高精地图+激光雷达为核心的传感器路线，代表企业为Waymo、华为等。
为了追求更高的感知度，提高行车安全性，各大自动驾驶企业在感知系统硬件选择上均投入了较高的成本。
以特斯拉使用的前置摄像头为例，3个摄像头每个像素约为120万。即将量产的Cybertruck，像素将提升至为540万，成本不菲。而激光雷达成本则更为高昂，以激光雷达行业内知名企业Velodyne 公司为例，旗下的HDL-64E售价在接近10万美金左右。
但随着生产工艺的进步，激光雷达的成本已显著下降。华为已将自研的激光雷达成本控制在200美元之内，并计划在未来两年将成本进一步降低至100美元，这为激光雷达的大规模普及打下了坚实的基础。
数据成为算法迭代核心
既然硬件端规模化量产不存在问题，那么问题则大概率出现在软件算法端。
目前，自动驾驶核心算法以深度学习方式为主，是基于已知变量和因变量推导函数关系的算法模型。
不同于矿山、港口、机场等封闭场景，开放路段场景更为复杂且多变，需要自动驾驶算法有很深的场景积累度与迭代能力。但算法的迭代无法独立完成，需要人工智能的另外两驾马车，即算力与数据的拉动下才能实现。
深度学习技术本质上需要海量的数据进行“投喂”才能推动算法的迭代与更新。以特斯拉FSD方案为例，这套方案通过视觉感知网络生成三维向量空间，融入成本函数、人工干预数据或其他仿真模拟数据，获得最优的规控方案，实现汽车自动驾驶。
这套方案无论在感知层面还是规控层面，核心算法都是由数据进行驱动，数据的规模与质量直接决定了算法的最终性能。
正如泰合资本曾指出的一样，数据已是行业技术的核心竞争点，对技术迭代起到决定性作用，唯有提高数据迭代速度、降低迭代成本，才能持续取得胜利，真实数据规模已然成为智能驾驶行业的“命脉”。
数据规模化量产
自动驾驶算法离不开海量数据的“投喂”，这事关各大厂商自动驾驶算法的优化成果以及现实落地效率，因此构建一套高效获取、标注及仿真训练数据的闭环至关重要。
然而，与指数型增长的数据服务需求相比，则是行业长久以来受限的数据生产力，尤其表现在数据产能与数据产出质量两方面。
产能方面，目前国内数据标注第一梯队服务商年营业额普遍以千万级为主，业务规模、执行效率与项目经理能力高度绑定，产能瓶颈问题凸显，无法有效填补并抢占极速扩张的需求市场。数据标注产业在国内发展多年，却从未诞生独角兽企业，供需之间的鸿沟已愈发难以填平。
而在数据产出质量方面，随着自动驾驶行业迈向商业化运营阶段，以点云数据为代表的数据处理需求占比逐渐扩大，传统依靠简单工具且依赖人力的业务执行方式，也早已无法满足垂直市场的需求。
自动驾驶实现规模化量产，数据服务领域能否率先实现突破将成为关键。
而作为行业领先的数据服务厂商，曼孚科技深知自动驾驶数据服务行业痛点，凭借从战略到技术落地的一站式数据解决方案以及PLG商业模式(Product-Led Growth，产品驱动增长)，构建起高效的数据闭环，直击数据产能与数据产出质量两大核心关键。
以曼孚科技SEED数据服务平台为例，作为曼孚科技第三代数据智能平台产品，SEED平台除拥有目前市面上主流第二代平台的“多场景标注能力+有限项目管理能力”以外，还创新性的大量引入生命周期管理、AI增强等模块，形成了覆盖“数据全生命周期管理能力+供应链管理+项目协同+AI人机协同+自定义权限+全场景标注”的多维立体数据处理能力。
在这些功能模块的加持下，平台数据标注效率平均提升10倍以上;AI辅助筛查下，数据精准度可达99.99%级别，直击AI企业数据需求痛点，从源头端解决AI应用场景持续拓展对于高质量多源异构数据的海量需求。
凭借PLG模式带来的旺盛创新力与产能复刻能力，曼孚科技在实现自动驾驶数据标注量产的同时，也构建起了一套可持续迭代的数据闭环，为自动驾驶行业在数据方面的短板提供了新的卓有成效的解决方案。
曼孚科技期待用高质量数据助推AI应用持续拓展与落地，早日实现自动驾驶规模化商业量产。
标签：迭代,量产,驾驶,算法,自动,数据,激光雷达 来源： https://www.cnblogs.com/manfukeji/p/16318973.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。