传统汽车产业链被颠覆,自动驾驶商业化落地进程提速前行
8月24日-26日,ICVS中国自动驾驶博览会在上海举办,云测数据在ICVS智能座舱技术峰会上进行了“驶向智驾场景新时代,云测数据全新智能驾驶解决方案2.0详解”的分享。
云测数据智能驾驶AI数据解决方案2.0面向智能驾驶领域不同落地场景下的高质量AI训练数据需求,相较于1.0版本,解决方案2.0以集成数据底座为核心,在数据闭环能力、自动标注能力、数据管理工具链、人工效能评估等多方面进行了全方位升级,造保证数据标注质量的基础上,全面提升数据标注、流转效率。
这一解决方案对驾驶领域,特别是在加速自动驾驶场景化落地、用户体检提升、等方面具有积极意义,高效率、高质量的AI数据解决方案,将会推动自动驾驶技术的加速落地。
01 技术迭代,重新定义自动驾驶数据
目前,自动驾驶汽车已经从实验室走向道路实地测试及商业化落地应用的阶段。
自动驾驶的落地场景相对复杂,背后尤其需要有海量的优质数据支撑。对自动驾驶来说,更高质量的训练数据在其场景化落地中发挥不可或缺的作用。正是海量的高质量AI数据的训练,才让自动驾驶车型能够准确识别到道路上的物体,并且能很好的处理各种长尾场景。
在云测数据看来,技术迭代正在重新定义自动驾驶数据重,比如多传感器融合4D标准、大模型预标注。伴随人工智能企业自动标注能力提升,标注将逐步从手工标注,衍化为算法自动标注人工校验和人工标注。
不过,自动驾驶AI数据在落地中存在诸多挑战,在AI工程化大背景下,数据用途呈现多样性,这对于数据管理、数据流转要求凸显。比如在数据标准中面临“种类繁多、时间效率、数据质量”等众多难题;在数据训练阶段,数据管理也面临巨大挑战,如数据资产、管理方式、版本管理等等。
正是看到了这些痛点,云测数据全新升级智能驾驶AI数据解决方案,包括平台工具的全新迭代、数据集的丰富度、服务标准的全新升级,全面提升自动驾驶数据标注效率,助力智能驾驶场景落地。
02 方案升级,打造智能驾驶数据新版图
随着自动驾驶应用场景日趋丰富、数据应用呈现更加多元以及大模型技术的快速应用,不仅对数据标注的质量、规模、人工参与程度等产生了重要影响,也对AI数据服务提出了更高要求。在这一背景下,数据闭环能力备受关注,并且正在形成以企业云端大模型为流转核心,以数据集、数据管理、仿真、人工标注、端侧模型等服务为重点的全新范式。
基于此,云测数据在智能驾驶数据解决方案1.0的基础上,推出了智能驾驶数据解决方案2.0。相较于1.0版本,2.0版本在数据闭环能力、自动标注能力、数据管理工具链、人工效能评估等方面进行了全新升级:
特别是全新升级智能驾驶AI数据解决方案可以集成不同模型的预标注能力,针对特定算法类型的数据持续优化迭代,实现基于预标注的人工标注效能重定义, AI数据训练过程综合效率提升200%。
数据闭环已经成为自动驾驶量产落地的核心飞轮的发展趋势。云测数据以集成数据底座为核心,全面升级了数据标注及数据管理工具链,以助力企业数据流转效率的全面提升。同时,云测数据标注平台拥有业内全面且强大的标注工具,支持功能定制,支持与各类系统对接,可灵活配置,支持私有化部署在企业本地。
在自动驾驶AI数据训练过程中,云测数据标注平台支持多维度灵活数据检索,可视化数据管理,助推AI数据产能升级。可实现资产权限管理、标签化检索、标签结果可视化、标注数据版本管理等功能。
除此之外,云测数据人工标注与自动标注算法的交互能力进行升级,全面提升数据标注效率。此外,通过将自身数据标注平台与众多大模型紧密结合,帮助企业更好地提质增效。
云测数据智能驾驶解决方案2.0还支持BEV-transformer标注,可实现自动标注结果校验,并提升大模型的文本语言标注能力和评测服务能力,助力智驾企业实现更自然、更智能、更多样化的人机交互方式。
03 深耕行业,云测数据助力车企拥抱新场景、新技术、新变革
云测数据持续深耕智能驾驶汽车行业AI数据服务,一直致力于模式延展、行业标准、方向引领等推动行业发展。
比如云测数据自主研发数据标注平台,平台功能强大,覆盖所有自动驾驶所需要的2D/3D/4D等不同类型的标注工具,满足各种数据标注需求且配置灵活,累计在智能驾驶领域标注已达数亿帧,最高数据标注准确率可达99.99%,这一纪录也使云测数据成为国内标注精度记录保持者。
云测数据AI数据服务流程坚持科学规范生产,制定了一套包含任务分配、需求分析、需求确认、数据清洗、试标确认、进度控制、质量保障等完整的作业流程体系,在保证数据准确率的同时有效保证标注作业的信息流转,提升标注效率。并通过全方位数据安全与隐私保障能力,多重措施满足企业对于数据安全的诉求,帮助企业构建核心数据壁垒。
云测数据参与的《智能网联汽车激光雷达点云数据标注要求及方法》、《智能网联汽车场景数据图像标注要求与方法》已相继发布,积极促进了AI数据标注的场景标准化、提升了AI数据的通用性和易用性。
目前,云测数据凭借高质量的AI训练数据交付实力已与业内包括自主、合资车企,大型Tier1、Tier2,以及无人出租车、自动驾驶等众多厂商,建立了持久良好的合作关系。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。