智能驾驶|?智能驾驶疆场，海天瑞声的「数据」纵横论

上海世博中心，世界人工智能大会的准备工作正在紧锣密鼓地展开。
作为人工智能的重要应用之一，自动驾驶也将在这场一年一度的全球顶级会议期间大放异彩——
据官方消息，展会期间将首次开展面向大会观众基于开放道路的载人应用体验，体验路线总长 2.8 公里，共 12 个路口，途经世博中心。此外，特定区域自动驾驶应用展示也会同步进行。

自动驾驶动态体验线路
基于这些应用体验，国内自动驾驶全产业链成就和最高技术水平得以展示，自动驾驶技术对于人们日常生活以及出行方式的改变可以窥见。
事实上，自动驾驶系统平稳运转的背后，是一个大家都耳熟能详的关键词——数据。
"数据已经成为了一种生产要素，前提是要把人类世界的信息转化为计算机可以识别的方式。"海天瑞声的副总裁李科告诉新智驾。
想要打造真正安全可靠的量产自动驾驶产品、支持成千上万辆同时交互的自动驾驶车辆，企业就必须想明白如何高效地收集以及有效利用海量数据。
那么，具体该怎么做呢？
智能驾驶的"幕后英雄"尽管不像硬件一样看得见摸得着，但无论是自动驾驶、辅助驾驶，还是智能座舱，这些被赋予智能属性的驾驶体验都离不开数据的驱动。
在李科看来，通过训练数据生产的各个环节（设计、采集、加工、质检），可以收获很多有益于智能驾驶算法模型迭代的规律和结论。

譬如关于驾驶员踩刹车的图像数据

这个动作通常代表着判断和决策的结果，那么在这个动作之前发生了什么？在这个动作之后发生了什么？有没有比较特殊的事情发生？

再譬如关于舱内语音交互的数据

语音交互时，哪些功能的启动可能会对驾驶产生干扰？麦克风如何排列可以更好地满足各个座位上的交互需求？回声噪声的情况如何、该怎样解决？
于自动驾驶企业和主机厂而言，这些数据都值得重点关注，因为它们后续可能有助于强化 Corner Case 的处理能力、优化用户的乘坐体验。
而计算机视觉和智能语音训练数据正是海天瑞声从事了近二十年的领域，且已向微软、亚马逊、阿里等国内外 500 多家知名企业提供从方案设计、数据采集、加工处理到质检交付的全流程数据服务。
其中，海天瑞声在智能座舱的布局，最早可以追溯到 2005 年。这些历程无疑为其积累了足够多数据层面的 know-how，使得海天瑞声可以基于自己的技术研发实力、经验沉淀从数据角度去加速客户的算法模型训练及商业化落地，相应的也得到了越来越多智能驾驶客户的青睐。
思之深，行之远事实上，除了数据采集、标注服务，一个实力雄厚、经验丰富的数据合作伙伴最重要的是帮助玩家们较为准确地预估投入产出比，找到与整体业务目标契合的解决方案。
对此，李科也尝试通过一个例子来帮助理解。
在训练算法模型时，玩家们希望获得某一场景中所有可能碰到的情况并以数据的形式给到机器去学习，在智能驾驶业务中，这不仅包括常规的多种路况环境（拥堵、城市街道、高速路段），天气状况诸如大雾、暴风雨雪天气，不同光线条件例如白天、黑夜、清晨傍晚，还包括交通事故、违规行为等各种突发状况。

智能驾驶舱外采集环境多样、复杂
这就要求包括海天瑞声在内的数据服务商能够深刻理解客户的业务场景，在设计方案过程中考虑到算法对样本多样性的需求，以及不同样本数据的占比应该是怎样的，同一类型场景的数据至少要达到多少才能满足机器学习的需求，数据方案如何设计才能避免出现与模型的过拟合、欠拟合等诸多问题。