自动驾驶数据闭环的三个核心问题

自动驾驶的数据闭环，有三个核心问题： **数据采集**：什么场景需要采集？采了之后怎么筛选？成本和覆盖度的平衡？ **数据标注**：corner case 的标注成本高、定义模糊。怎么提高标注效率和质量？ **模型更新**：新的数据怎么高效地反映到模型里？增量训练还是全量重训？怎么验证更新后的模型？ 这三个问题相互依赖，数据采集策略影响标注成本，标注质量影响模型效果，模型效果又影响数据采集的优先级定义。 很多团队把这三个问题分开优化，结果发现局部最优不等于全局最优。