#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。