近期，智能輔助駕駛系統(tǒng)安全事故頻發(fā)、大規(guī)模實(shí)測表現(xiàn)堪憂，疊加監(jiān)管部門接連劃定安全紅線，其安全可靠性正遭遇前所未有的公眾信任危機(jī)。7月23日，國家公安機(jī)關(guān)強(qiáng)調(diào)，將協(xié)同有關(guān)部門進(jìn)一步加強(qiáng)“智能駕駛”規(guī)范管理，標(biāo)志著行業(yè)監(jiān)管從“事后整改”轉(zhuǎn)向“事前預(yù)防”的國家級(jí)體系化治理。

智能駕駛的進(jìn)化，如同人類駕駛員需要海量經(jīng)驗(yàn)積累，如今，高效使用場景數(shù)據(jù)進(jìn)行訓(xùn)練迭代，構(gòu)建強(qiáng)大數(shù)據(jù)閉環(huán)能力，已成為保障智駕系統(tǒng)安全進(jìn)化的當(dāng)務(wù)之急。

周鵬｜上汽集團(tuán)創(chuàng)新研究開發(fā)總院，智駕部仿真與數(shù)據(jù)開發(fā)專家

第八屆智能輔助駕駛大會(huì)上，上汽集團(tuán)創(chuàng)新研究開發(fā)總院，智駕部仿真與數(shù)據(jù)開發(fā)專家周鵬介紹：面對這一核心挑戰(zhàn)，上汽集團(tuán)已超前布局，將數(shù)據(jù)驅(qū)動(dòng)作為智駕能力提升的根基。其數(shù)據(jù)工廠體系，歷經(jīng)長期建設(shè)與迭代，形成堅(jiān)實(shí)數(shù)據(jù)閉環(huán)基礎(chǔ)。此次數(shù)據(jù)工廠2.0的升級(jí)，基于過往深厚積累進(jìn)行關(guān)鍵攻堅(jiān)，目標(biāo)直指云端數(shù)據(jù)閉環(huán)體系的效能躍升，旨在為智駕安全進(jìn)化提供更強(qiáng)大的底層支持。

重構(gòu)閉環(huán)業(yè)務(wù)：破解數(shù)據(jù)流轉(zhuǎn)瓶頸

隨著智能輔助駕駛算法的快速迭代，車企對數(shù)據(jù)閉環(huán)能力的要求日益提高。然而，原有的數(shù)據(jù)工廠1.0所包含的四大核心數(shù)據(jù)平臺(tái)，已無法滿足車端回傳數(shù)據(jù)的高效流轉(zhuǎn)需求，還暴露出業(yè)務(wù)上線周期長、推廣難度大、數(shù)據(jù)復(fù)用率偏低等瓶頸。

為此，智駕團(tuán)隊(duì)對數(shù)據(jù)和服務(wù)進(jìn)行重新定義，對整個(gè)數(shù)據(jù)閉環(huán)業(yè)務(wù)展開系統(tǒng)性重構(gòu)，將原有四大核心平臺(tái)中的服務(wù)進(jìn)行解耦，拆分為獨(dú)立的微服務(wù)單元；通過打造全新的純云原生體系，形成數(shù)據(jù)工廠2.0。

數(shù)據(jù)工廠2.0體系下，原有業(yè)務(wù)平臺(tái)的訪問入口得以保留，但底層服務(wù)通過解耦成為獨(dú)立模塊，業(yè)務(wù)平臺(tái)的數(shù)據(jù)規(guī)模因此顯著壓縮，大部分原業(yè)務(wù)平臺(tái)數(shù)據(jù)下沉至場景數(shù)據(jù)層進(jìn)行統(tǒng)一管理。這一變化讓數(shù)據(jù)調(diào)用及結(jié)果運(yùn)算更便捷高效，數(shù)據(jù)流轉(zhuǎn)效率隨之顯著提升，進(jìn)而推動(dòng)算法迭代效率同步進(jìn)階，縮短了用戶獲取新功能的周期。

提速智駕研發(fā)：四大核心平臺(tái)升級(jí)

數(shù)據(jù)工廠2.0體系中，四大核心平臺(tái)迎來全面升級(jí)。標(biāo)注平臺(tái)同時(shí)支持人工標(biāo)注與自動(dòng)化標(biāo)注兩種模式。其中自動(dòng)化標(biāo)注涵蓋多類型標(biāo)注任務(wù)，包括BEV標(biāo)注、車道線標(biāo)注及OCC標(biāo)注等。通過對SLAM點(diǎn)云拼接等微服務(wù)模塊進(jìn)行解耦與重構(gòu)，各功能組件的復(fù)用性得到顯著提升。這不僅為標(biāo)注效率與質(zhì)量的提升奠定了技術(shù)基礎(chǔ)，還進(jìn)一步增強(qiáng)了對城市復(fù)雜場景的應(yīng)對能力與效率，其最終目的是加速城市NOA功能的落地。

同時(shí)，得益于數(shù)據(jù)工廠2.0新體系的整合能力，仿真平臺(tái)很快與問題管理平臺(tái)、集成發(fā)布平臺(tái)等其他業(yè)務(wù)平臺(tái)互通。這些外部平臺(tái)的操作均可能觸發(fā)仿真工作流執(zhí)行。例如，問題管理平臺(tái)可直接跳轉(zhuǎn)至可視化界面查看相關(guān)數(shù)據(jù)，可視化平臺(tái)提供一鍵生成仿真場景的功能按鈕，用戶可將指定數(shù)據(jù)轉(zhuǎn)化為仿真場景并納入場景庫，進(jìn)行后續(xù)仿真驗(yàn)證。該功能使多層安全驗(yàn)證成為可能，為用戶提供更強(qiáng)大的行車安全冗余體系。

場景挖掘平臺(tái)當(dāng)前采用視覺語言模型，對視頻或圖像進(jìn)行向量化處理。針對測試數(shù)據(jù)中暴露的問題，系統(tǒng)會(huì)在全局場景庫中開展相似場景挖掘，挖掘結(jié)果按比例分配至訓(xùn)練集以及測試集。當(dāng)相似場景數(shù)量不足時(shí)，平臺(tái)將自動(dòng)觸發(fā)數(shù)據(jù)采集流程。該平臺(tái)支持基于圖像或者文本的檢索功能，包括以圖搜圖、以文搜圖等多樣化查詢模式。

仿真數(shù)據(jù)合成服務(wù)采用多種方法生成數(shù)據(jù)以滿足不同需求。例如，針對地面標(biāo)線生成、泊車魚眼數(shù)據(jù)生成以及天氣轉(zhuǎn)換等場景，智駕團(tuán)隊(duì)較早便開展了相關(guān)研究，并應(yīng)用包括Diffusion方法和純仿真渲染在內(nèi)的多種技術(shù)手段。

此外，平臺(tái)還提供基于3D高斯場景重建的新視角生成和閉環(huán)仿真服務(wù)，并引入特別的優(yōu)化技巧以保障仿真畫面的可用性，基本做到車輛在車道級(jí)的軌跡和姿態(tài)改變下，仍能維持仿真畫面的清晰度與可用性，實(shí)現(xiàn)場景無感銜接。

隨著城市NOA、記憶泊車等復(fù)雜功能加速落地，上汽乘用車正以數(shù)據(jù)工廠2.0為技術(shù)基座，加速賦能旗下車型迭代進(jìn)化，在智能輔助駕駛系統(tǒng)“數(shù)據(jù)攻堅(jiān)戰(zhàn)”中構(gòu)建核心競爭力，助推中國汽車智能化駛?cè)敫哔|(zhì)量發(fā)展快車道。