飞机先生
2021-07-14
#飞机先生唠唠# 对于目前对于数据收集,数据处理怎么用?差异化在哪?我尝试简单举了两个例子😬


-第一种是//题海战术//

它基于大批量车辆的数据训练,那么这时候需要采集大量路上数据,完成渐进式迭代,“打怪升级”。目前用于大部分车企以及部分技术供应商。

这类技术竞赛在于你如何不断演技,打造一把好的“武器”。

题海战术需要依赖于数据收集本身,包括不同环境、多场景的多维训练。

也就是让机器不断刷题,需要有众多数据基础。理论看只要给他“各考区的习题”够多,那么它的题感会更强,但需要花费很多时间、部署大批车辆。

-第二种是//举一反三//

在一定范围内完成数据采集,只要在一个足够复杂的环境中不断训练,寻找问题后机器对问题做分析、然后提出新问题、再次解决问题。

这个技术的特点我总结为「举一反三」,通过寻找一个难题,对难题做分析和理解,然后分裂出不同难题,形成新的自我训练,最终举一反三。

所以它的亮点在于它能更深度的去理解每个场景背后的本质,在遇到不同难题时自我解决,然后被验证。它对于场景的量受限比较小,但场景必须有代表性、收集的“题目”必须有针对性意义。

-这两个思路从当前看依旧存在可行性,只不过前者的特点在于前期可以速度落地,但后续需要花费大量时间持续优化。

后者落地时间比较慢,但覆盖面更全、通用性会更强。

自动驾驶 飞机先生唠唠

  • 添加表情
  • 添加表情

相关评论共 4 条相关评论

  • 最热
  • 最新
  • 最早

学习学习了

数据收集的数量非常重要,但是质量往往可以起到事半功倍的效果!之前美国硅谷一家公司提到过,在中国广州收集数据的效率是美国硅谷的3倍,因为交通环境的复杂程度大大增加

目前硅谷是允许在开放道路上自己跑,国内还都是限定区域测试。如果有一天我们允许开放大中小城市的所有街道,各种穿梭的行人、飞驰的电驴和激情的老头乐,我相信一定能训练出世界上最优秀的自动驾驶系统

更多应该是设计一些特定的模型去收集数据,然后自己来做标记吧,否则全量的数据其实没啥意义