从数据标注角度看自动驾驶，到底是谁在误导消费者？

本文链接：https://blog.youkuaiyun.com/xinyi818/article/details/119822759

写本文初衷主要是从自动驾驶数据原理的角度让作为普通消费的小伙伴们能理解自动驾驶目前的发展现状，并警示喜欢有自动驾驶功能汽车的小伙伴在实际生活中一定要慎重使用。

自动驾驶最近几年一直特别火，公交、大货、家庭汽车等等很多场景都多多少少植入了自动驾驶的概念和技术。特别是各大互联网造车的厂商，自动驾驶那就是标配。但随之而来的负面问题也特别多，在不管是媒体的宣传还是厂商的宣传上都让我们误以为自动驾驶已经来临，只是不那么智能而已。

年初的时候，我的一个好哥们新提的进口Model3到了，就一起体验了一次，可以肯定的是车的整体感觉还是非常好的，风格也非常喜欢，但是在路上体验了一下自动驾驶的功能，着实让我紧张了一把。我们是在上高架的上坡路段进入自动驾驶模式，上桥后就有一个大的转弯，前方没有车。但明显能感觉到车没有一点减速，我们在车里的感觉整个人是倾斜的。还好我们进入自动驾驶模式速度不快，有惊无险。

近日一位公司创始人由于驾驶蔚来ES8汽车启用自动驾驶功能（NOP领航状态）后，在沈海高速涵江段发生交通事故，不幸逝世，再次引爆了舆论对自动驾驶以及自动驾驶过渡宣传的讨论。所以本文从下面几个方面进行讨论，希望让小伙们了解目前自动驾驶的情况，参与到亡羊补牢的宣传行动中，希望为迟不晚。

31岁蔚来车主“自动驾驶”车祸事件回顾与讨论
从数据标注角度看自动驾驶的数据逻辑
请不要相信目前阶段的自动驾驶真的可以自动驾驶
人驾驶和自动驾驶的区别是什么？

一.31岁蔚来车主“自动驾驶”车祸事件回顾与讨论

8月14日晚，名为“美一好”的公众账号发布了一则讣告，称林文钦，上善若水投资管理公司创始人、意统天下餐饮管理公司创始人、美一好品牌管理公司创始人，于8月12日驾驶蔚来ES8时在沈海高速涵江段发生交通事故，不幸罹难。

林文钦治丧委员会负责人介绍，8月12日下午2时，林文钦驾驶蔚来ES8汽车在沈海高速行驶中，启用了自动驾驶功能（NOP领航状态）。在行驶到涵江段时，车辆未能识别到前方有施工车辆，因此没有自动制动，导致事故发生。

蔚来汽车相关工作人员在回应此事时表示，事故发生后，蔚来汽车已在配合交警方面进行调查。该工作人员表示，“目前我国是不允许自动驾驶的，Navigate on Pilot（NOP）领航辅助不是自动驾驶，只是蔚来汽车的辅助驾驶模式。具体情况，后续会发布相关信息。”

此次事故之后，虽然蔚来汽车团队快速相应，但是相关事情也快速冲上了热搜，针对事故本身的讨论也延展到了，自动驾驶被过渡营销上面来。

理想汽车创始人李想就在朋友圈发文，呼吁媒体和行业机构统一自动驾驶的中文名词的标准，L2=辅助驾驶；L3=自动辅助驾驶；L4=自动驾驶；L5=无人驾驶。一个多余的中文字也不有，避免夸张的宣传造成用户使用的误解。并提出，“在推广上克制，在技术上投入，对用户、行业、企业都长期有利。”周鸿祎也表示赞同，进一步指出，L3=自动辅助驾驶容易混淆误解，还是L3=高级辅助驾驶比较好。

此前工信部正式公示了《汽车驾驶自动化分级》推荐性国家标准报批稿，并拟于2021年1月1日开始实施。基于驾驶自动化系统能够执行动态驾驶任务的程度，根据在执行动态驾驶任务中的角色分配以及有无设计运行条件限制，将驾驶自动化分成0-5级，共6个等级。

近年来媒体大势报道无人车在各个场景落地应用，取得了哪些科技进展的同时，各个厂商也不遗余力的推广自家产品的自动驾驶解决方案如何先进。给我们普通消费者造成了极大的信息不对称，误以为自动驾驶已经成熟了，可以很好的在我们认为安全的路面进行自动驾驶了。

而在相关事件过后，在我们等待国家出台相关规定同时，我们作为消费者也一定要可以有真实的认知，特别是即将要购买或者已经购买类似厂商的小伙伴们。因为你们更愿意相信、更愿意尝试自动驾驶是好的。

二.从数据标注角度看自动驾驶的数据逻辑

做数据标注行业的小伙伴可能都知道，自动驾驶相关的项目或许撑起了数据标注行业的半边天。近几年基本上也都经历了各个厂商不同自动驾驶解决方案下的数据标注要求。

这部分我们从两方面去讨论数据标注角度看自动驾驶的数据逻辑。

自动驾驶技术架构

虽然下面两幅图技术架构看似很复杂，但是作为普通消费者的我们只要了解一点就可以，目前主流采用的依然是深度学习相关算法。

其算法主要致力于研究如何通过计算的手段，利用经验来改善系统自身的性能，在计算机系统中，“经验”通常是以“数据”形式存在，因此机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”的算法，即“学习算法”，有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型。

说的通俗易懂一些就是：需要我们把生活驾驶汽车的各种情况通过数据的形式输入到系统中，计算机系统在根据已经有的各种情况数据来训练出模型来应用。如果之前数据里没有出现的情况，计算机系统就无法学习从而就无法认知判断。
自动驾驶中数据标注

了解了上面自动驾驶的技术原理之后，我们在来看看目前是如何生产自动驾驶算法所需要的数据。在自动驾驶发展的这几年里面数据标注的方式也逐渐更新。例如下图：

车道线标注：

2D拉框标注：

区域标注

像素级语义分割

3D框标注

3D点云标注

由上面列举的几类自动驾驶数据标注方法，大家可以了解到再标注过程中，标注员是把采集到的街景的数据进行标注，标注物体以及物体是什么。通过大量的标注，得到标注好的数据集，提供计算机进行学习，训练出模型在进行应用。

而机器学习的目标是使学得的模型能很好地适用于“新样本”，而不仅仅在训练样本上工作的很好，这种学得模型适用于新样本的能力，称为“泛化能力”。

说的通俗易懂些就是：通过已经标注好的数据教会了机器认识这些事物比如车、人、标识、车道线等等。然后再通过算法的训练具有泛化的能力，从而能让机器识别类似于在标注好数据集已知的事物。