自动驾驶行业无疑是人工智能技术带来革命性创新的行业之一，自动驾驶技术也随着人工智能技术从深度学习（Deep Learning）到最新的多模态大模型（Multi-modal Large Language Models）的突破，正进入以BEV（Bird’s Eye-View，鸟瞰图）和Transformer为核心的新一代技术框架，为自动驾驶感知能力和泛化能力带来飞跃式的提升。
然而，要训练出能用的BEV模型，我们需要进行大量的数据采集和预处理，这对于场景感知的性能和效果有着至关重要的影响。
而在海量数据的前提下，如何保障数据标注的质量呢？这是我们需要深入探讨的问题。本文将从自动驾驶算法的发展，到BEV+Transformer的优势，再到数据标注的重要性和挑战，以及解决方案等方面进行详细的分析。
1. BEV+Transformer，提升自动驾驶感知能力和泛化能力
自动驾驶算法模块可分为感知、决策和规划控制三个环节，其中感知模块为关键的组成部分，经历了多样化的模型迭代: CNN(2011-2016)—— RNN+GAN(2016-2018)—— BEV(2018-2020)—— Transformer+BEV(2020至 今)—— 占用网络(2022至今)。
目前，在国内BEV+Transformer成为了主流模式。重感知轻地图的自动驾驶解决方案，开启了自动驾驶行业新的篇章。
其背后的关键在于 “第一原则”，即智能驾驶应该越来越接近 “像人一样驾驶”，而映射到感知模型本身，BEV本身就是一种更自然的表达方式。
BEV的优势体现在以下两个方面。
首先，自动驾驶是一个 3D 或 BEV 感知问题。使用 BEV 视角可以提供更全面的场景信息，帮助车辆感知周围环境并做出准确决策。
另一个重要原因是促进多模态融合。自动驾驶系统通常使用多种传感器，如摄像头、激光雷达、毫米波雷达等。BEV视角可以将不同传感器的数据统一表达在同一平面上，这使得传感器数据的融合和处理更加方便。
Transformer大模型，本质上是基于自注意力机制的深度学习模型，由于全局注意力机制，Transformer更适合进行视图转换。目标域中的每个位置访问源域中任何位置的距离都是相同的，克服了CNN 中卷积层感受野的局部局限性。
两者结合可以充分利用BEV提供的环境空间信息，以及 Transformer在多源异构数据建模方面的能力，实现更精确的环境感知、更长远的运动规划和更全局化的决策。
Tesla成为这一技术方向的引领者，随着Tesla快速验证和发布其最新的FSD产品 特斯拉的算法日益成熟，在处理无车道线的崎岖山路、无保护左转、闹市区人流密集区域行驶、夜间闹市行驶、恶劣天气下行驶等场景时表现令人印象深刻。
目前FSD Beta版本尚未在国内开放，根据36氪消息，特斯拉已在中国建立数据中心，并布局组建国内运营团队和 数据标注团队。
诸多国内自动驾驶企业陆续跟进BEV+Transformer的算法研发以及整体数据闭环体系的搭建，并推出各自的城市自动驾驶功能。
在大模型催化下，高速NOA、通勤NOA、城市NOA 等功能快速上车，同时有望加快L3及以上自动驾驶落地进程。
2. 海量数据的前提下，如何保障数据标注的质量？
尽管BEV+Transformer已经成为自动驾驶算法主流趋势。但前提是训练出能用的 BEV 模型。而训练能用BEV，需要进行大量的数据采集和预处理，这对场景感知的性能和效果有着重要影响。
根据特斯拉 2022 年公布的信息，使用 BEV + Transformer 的特斯拉 FSD 模型有 10 亿个参数，大概是上一版模型的 10 倍。
“训练数据越多，结果就越好，” 特斯拉 CEO 埃隆·马斯克（Elon Musk）在 7 月财报会上再次谈到数据对自动驾驶系统的影响，“只用一百万个训练样本时，它（模型）几乎无法工作；两百万个，它才稍微有些效果；三百万个时，我们会惊叹，好像看到了一些东西。到了一千万个时，它就变得令人难以置信。”
只有数据不够。训练 BEV 模型还是一个庞大的体系工程，关键步骤之一是标注好数据。数据标注质量直接决定了模型质量。
此外，由于中国道路的复杂性，天气情况的多变性等因素，对中国的自动驾驶行业来说，面对如此庞大且多元的标注对象，保障数据标注的高质量，并能在较短时间内完成高质量的标注。也成为了车企们亟待解决的难题。
为了更好的帮助中国自动驾驶行业解决这一难题，历经多年的研发和测试，马达智数自有MaidX Auto-4D 平台强势上线。它是一个 “Human-in-the-loop“的自动标注平台，支持 BEV 多传感器融合数据。
马达智数根据在自动驾驶领域的多年的经验，发现该可以将人工标注成本大幅降低 90% 或更多。
举例来说，如果是纯人工的数据生产，一小时的数据需要3000～5000个人工小时。儿使用MaidX Auto-4D，一小时的数据可以缩减至200～500个人工小时。
MaidX Auto-4D的“人与AI协同（Human in the Loop）”自动标注流程包括：数据质量审查，数据清洗，95% 自动标注，人工检查修正，真值。
MaidX Auto-4D 平台，优势如下：
1. 支持BEV多传感器融合数据的自动标注引擎；
2. 支持 BEV 下的多传感器融合数据标注；
3. 全方位目标对象属性（ID、维度、位置、分类、速度、加速度、遮挡关系、可见度、轨迹、所属车道等）；
4. 采用前向/后向跟踪，利用历史和未来信息提高当前帧的检测精度；
5. 支持多任务的深度学习模型（分割、物体检测等）；
6. 可降低90%以上的人工标注成本；
想客户所想，马达智数自有MaidX Auto-4D 平台，一站式解决对海量且多元数据的高效且高质量标注需求。 保障质量的同时，更是近一步缩短标注时间，减少标注成本，并提高3～4倍的标注效率。
更多详情，请访问：https://madacode.com/autonomous-driving/
