數(shù)據(jù)標(biāo)注對于自動(dòng)駕駛來說，就像是老師教小朋友知識，數(shù)據(jù)標(biāo)注可以讓車輛學(xué)習(xí)辨別道路交通信息的能力。攝像頭、雷達(dá)、激光雷達(dá)（LiDAR）拍下來的只是一堆原始信號，這些信號本身只是像素和點(diǎn)云。標(biāo)注的工作就是人為地給這些信號貼上語義標(biāo)簽，告訴模型這是一輛車、這是行人、這是車道線、這個(gè)區(qū)域不能通行之類的明確信息。沒有這些標(biāo)簽，監(jiān)督學(xué)習(xí)、驗(yàn)證和評估都無法進(jìn)行，模型不知道哪些輸入與哪些輸出應(yīng)該對應(yīng)，訓(xùn)練出的模型也會(huì)很脆弱、不可解釋。

之所以說數(shù)據(jù)標(biāo)注非常重要，是因?yàn)闃?biāo)注直接決定了感知、預(yù)測和規(guī)劃模塊能學(xué)到什么。高質(zhì)量、針對性的標(biāo)注可以讓模型在關(guān)鍵場景表現(xiàn)更穩(wěn)；相反，標(biāo)簽錯(cuò)、漏、定義不一致，就會(huì)導(dǎo)致模型在真實(shí)路況中出問題，安全風(fēng)險(xiǎn)直接上升。標(biāo)注還會(huì)影響迭代速度和成本，如果標(biāo)注成本高且慢，就會(huì)拖慢模型從數(shù)據(jù)到上線的閉環(huán)，影響產(chǎn)品進(jìn)步速度。

是否所有信息都要標(biāo)注？

既然數(shù)據(jù)標(biāo)注這么重要，那是不是在標(biāo)注過程中，能標(biāo)則標(biāo)，且要盡可能多的標(biāo)？實(shí)際上，過度標(biāo)注不僅浪費(fèi)錢也浪費(fèi)時(shí)間。有效的標(biāo)注策略需要基于最終的系統(tǒng)需求和用例來取舍。

如果某類標(biāo)簽不會(huì)被模型使用，或者不會(huì)影響決策，就沒必要細(xì)致標(biāo)注。舉個(gè)例子，如果目標(biāo)是實(shí)現(xiàn)城市道路中的基礎(chǔ)車道級別定位，就不需要把遠(yuǎn)處路旁的廣告牌、樹木的每一根枝條細(xì)分都進(jìn)行標(biāo)注；但是行人、騎行者、其他機(jī)動(dòng)車、交通燈、車道線這些直接關(guān)系到行駛安全的對象就必須高質(zhì)量標(biāo)注。

標(biāo)注過程中還要看標(biāo)注對象的稀有性與重要性。有些對象雖然罕見，但只要出現(xiàn)就會(huì)帶來極高風(fēng)險(xiǎn)，像是推車的嬰兒車、倒地的電動(dòng)車、突然橫穿馬路的兒童、施工區(qū)域的臨時(shí)路障等就屬于這類對象。這類“長尾”對象雖然樣本少，但優(yōu)先級更高，需要專門花工夫去搜集并標(biāo)注。

像語義分割那類逐像素的標(biāo)注，不僅耗時(shí)且成本更高。如果我們當(dāng)前的模型只需要粗略的可通行空間邊界或車道線位置，完全精細(xì)的逐像素標(biāo)注可以用更廉價(jià)的多邊形或線狀標(biāo)注替代，后續(xù)再在必要時(shí)補(bǔ)充高精度數(shù)據(jù)。

對于數(shù)據(jù)標(biāo)注來說，訓(xùn)練集與驗(yàn)證/測試集的標(biāo)注標(biāo)準(zhǔn)可以不同。訓(xùn)練數(shù)據(jù)可以允許一定比例的噪聲、快捷標(biāo)注方法和自動(dòng)化預(yù)標(biāo)注，但驗(yàn)證和測試集的標(biāo)注必須是高度一致且嚴(yán)格的，只有這樣，評估才可靠。

哪些內(nèi)容更值得標(biāo)注？

既然并不是所有信息都需要標(biāo)注，那對于自動(dòng)駕駛來說，哪些標(biāo)簽是“必標(biāo)”的？哪些只需要根據(jù)條件進(jìn)行標(biāo)注？

對于自動(dòng)駕駛汽車來說，核心感知對象的標(biāo)注必須是高質(zhì)量的，機(jī)動(dòng)車、非機(jī)動(dòng)車、行人、交通燈、交通標(biāo)志、車道線、靜態(tài)障礙物（護(hù)欄、石墩）這些直接影響即時(shí)決策的信息，要做到明確的類別定義、精確的空間框（2D或3D）和清晰的遮擋/可見性標(biāo)注。尤其是對于行人，除了要標(biāo)注類別外，還要標(biāo)注姿態(tài)（站立、行走、蹲下）和是否攜帶物品（推車、手提物）等，因?yàn)檫@些信息會(huì)影響模型的行為預(yù)測。

單幀識別固然重要，但車輛想知道物體的運(yùn)動(dòng)軌跡、速度和加速度趨勢，動(dòng)態(tài)追蹤與時(shí)序標(biāo)簽更是關(guān)鍵。標(biāo)注軌跡ID、時(shí)序邊界、目標(biāo)出現(xiàn)與消失的時(shí)刻，對訓(xùn)練多目標(biāo)跟蹤（MOT）和預(yù)測模塊至關(guān)重要。特別是在交叉口、并線、減速跟隨這類需要預(yù)測他人行為的場景，時(shí)序數(shù)據(jù)能顯著提升系統(tǒng)表現(xiàn)。

高精度的三維信息對定位和避障非常有用，LiDAR點(diǎn)云的點(diǎn)級別分類、3D包圍盒、物體朝向和尺寸標(biāo)注，是構(gòu)建可靠三維感知的基礎(chǔ)。尤其是在夜間或弱光環(huán)境下，激光雷達(dá)可為系統(tǒng)提供穩(wěn)定的距離信息，配合圖像標(biāo)注可以提高檢測魯棒性。

車道與可行駛區(qū)域的語義標(biāo)注也必須重視，明確車道邊界、車道類型、虛線/實(shí)線、交叉口區(qū)域、匝道、慢車道等標(biāo)注，能夠幫助高精地圖生成與局部行為決策。像是路緣石、盲道磚、停車位等靜態(tài)地圖元素，在某些應(yīng)用場景下是非常必要的標(biāo)簽。

長尾與異常場景需要制定單獨(dú)的標(biāo)注策略，像是施工場景、事故現(xiàn)場、異常天氣（大雪、暴雨、霧霾）、道路受損、臨時(shí)交通管制、違停車輛、緊急救援車輛出現(xiàn)等場景，雖然出現(xiàn)頻率低，但對安全影響大。建議用專門的樣本池和標(biāo)注流程，把這些數(shù)據(jù)優(yōu)先納入訓(xùn)練或用于強(qiáng)化模型在稀有場景下的表現(xiàn)。

對于自動(dòng)駕駛來說，行為與意圖層面的標(biāo)注價(jià)值也在上升。自動(dòng)駕駛汽車除了要學(xué)習(xí)“這是什么”，還要學(xué)習(xí)“它要做什么”。像是標(biāo)注車輛的并線意圖、行人的過街意圖、騎車人的加速/減速意圖，這些標(biāo)簽對預(yù)測模塊非常有用。行為標(biāo)簽往往需要結(jié)合上下文和時(shí)序，標(biāo)注更費(fèi)時(shí)也更主觀，但回報(bào)很高。

環(huán)境與天氣標(biāo)簽也不可忽視，每一幀的光照條件、能見度、路面狀況（濕滑、結(jié)冰）、是否有積雪、是否處于黃昏/夜間等信息，都應(yīng)作為元標(biāo)簽保存，這樣能幫助模型做域自適應(yīng)、并讓工程師更快找到模型弱點(diǎn)。

地圖和高精定位相關(guān)的標(biāo)注要與HD地圖結(jié)合，標(biāo)注路口拓?fù)洹④嚨肋B接關(guān)系、交通燈控制邏輯等信息，可用于規(guī)則基的行為決策與混合策略系統(tǒng)。高精地圖的制作本身就是一種標(biāo)注活動(dòng)，只不過尺度更大、需求更精細(xì)。

除了感知之外，數(shù)據(jù)質(zhì)量與元信息的標(biāo)注也值得投入。設(shè)備故障、同步問題、畸變或遮擋等元數(shù)據(jù)標(biāo)注能幫助后續(xù)數(shù)據(jù)清洗與模型魯棒性提升。很多看似能力很差的模型可能只是沒有這些元標(biāo)簽的原因?qū)е碌摹?/p>

最后的話

對于自動(dòng)駕駛來說，標(biāo)注并不是一次性的“下游工作”，而是產(chǎn)品能力的核心組成部分。標(biāo)注并不是簡單的勞動(dòng)密集型支出，而是自動(dòng)駕駛環(huán)節(jié)中非常重要的一環(huán)，將決定自動(dòng)駕駛汽車的駕駛行為。

對于數(shù)據(jù)標(biāo)注，一定要明確兩點(diǎn)，一是標(biāo)注要與需求對齊，先做關(guān)鍵的、影響安全和決策的標(biāo)簽；二是在資源有限時(shí)，要把錢和人工花在能迅速改善模型弱點(diǎn)的地方。只有這樣，標(biāo)注才能成為推動(dòng)自動(dòng)駕駛技術(shù)成熟的穩(wěn)健引擎。

-- END --

       原文標(biāo)題 : 自動(dòng)駕駛數(shù)據(jù)標(biāo)注是所有信息都要標(biāo)注嗎？