推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

自动驾驶的边缘场景挖掘与智能回传.docx

更新时间:2026-09-14 09:12:17 大小:39K 上传用户:烟雨查看TA发布的资源 标签:自动驾驶边缘场景挖掘智能回传数据闭环场景筛选 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

自动驾驶的标注场景挖掘与智能回传

一、引言

在自动驾驶数据闭环体系中,场景挖掘与智能回传是数据飞轮的"入口"——它决定了哪些数据从海量的路采数据中被筛选出来、回传到云端、用于模型训练。一辆量产车每天产生数TB的传感器数据,但受限于通信带宽和存储成本,只有不到1%的数据可以被完整回传说。场景挖掘系统的任务就是:在这个"991"的筛选中,确保被回传的那1%是训练中最有价值的"黄金数据"20252026年间,基于大模型的在线场景挖掘技术取代了传统的规则触发式筛选,数据回传的"含金量"提升了数倍。

二、场景挖掘的原理与挑战

数据价值的不均匀分布。 自动驾驶训练数据中,约90%的行驶时间都是普通的"平凡驾驶"场景——跟车前进、直线巡航、等待红绿灯。这些数据对模型训练的贡献极为有限。真正有价值的数据隐藏在少数场景中——极端天气下的驾驶、复杂路口的交互博弈、罕见障碍物的近距离接触、以及系统输出与驾驶员操作存在显著偏离的时刻。据统计,有价值的高价值场景仅占全部路采数据的0.1%1%

通信带宽的约束。 量产车的通信带宽有限——4G/5G上行带宽在较好的条件下为1050Mbps,且车辆每天的运行时长有限。在有限的带宽约束下传输价值最高的数据是场景挖掘的核心优化目标。每比特数据都要经过"价值评估"——不值得回传的数据不浪费带宽。

车端实时处理的算力约束。 场景挖掘模型需要在车端实时运行,在车辆行驶过程中"即时判断"每一段驾驶数据是否值得回传。车端算力有限——场景挖掘模型通常只能占用SoC总计算资源的1%2%。极轻量化的场景价值评估模型是实现在线场景挖掘的技术前提。


部分文件列表

文件名 大小
57_自动驾驶的边缘场景挖掘与智能回传.docx 39K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单
  • 21下载积分 打赏65.00元   3天前

    用户:xzxbybd

  • 21下载积分 打赏60.00元   3天前

    用户:jh0355

  • 21下载积分 打赏60.00元   3天前

    用户:w178191520

  • 21下载积分 打赏20.00元   3天前

    用户:jh03551

  • 21下载积分 打赏20.00元   3天前

    用户:sun2152

  • 21下载积分 打赏20.00元   3天前

    用户:kk1957135547

  • 21下载积分 打赏25.00元   3天前

    用户:w1966891335

  • 21下载积分 打赏20.00元   3天前

    用户:xuzhen1

  • 21下载积分 打赏15.00元   3天前

    用户:x15580286248

  • 21下载积分 打赏25.00元   3天前

    用户:pcb

  • 21下载积分 打赏20.00元   3天前

    用户:bhacker

  • 21下载积分 打赏15.00元   3天前

    用户:liqiang9090

  • 21下载积分 打赏25.00元   3天前

    用户:有理想666

  • 21下载积分 打赏15.00元   3天前

    用户:godbox

  • 21下载积分 打赏15.00元   3天前

    用户:aetek

  • 21下载积分 打赏5.00元   3天前

    用户:mulanhk

  • 21下载积分 打赏5.00元   3天前

    用户:JuneLin61

  • 21下载积分 打赏5.00元   3天前

    用户:ccc6188

  • 21下载积分 打赏5.00元   3天前

    用户:木集盒

推荐下载