[首發(fā)于智駕最前沿微信公眾號(hào)]自動(dòng)駕駛技術(shù)路徑的每一次技術(shù)轉(zhuǎn)向，都伴隨著底層數(shù)據(jù)處理邏輯的徹底重構(gòu)。過(guò)去，智駕系統(tǒng)普遍依賴模塊化設(shè)計(jì)，將駕駛?cè)蝿?wù)拆解為感知、預(yù)測(cè)、規(guī)控等獨(dú)立環(huán)節(jié)；而今，以端到端技術(shù)為核心的新路徑正迅速崛起，試圖通過(guò)一個(gè)統(tǒng)一的神經(jīng)網(wǎng)絡(luò)直接完成從傳感器輸入到駕駛指令輸出的全過(guò)程。這種架構(gòu)上的根本差異，也對(duì)數(shù)據(jù)標(biāo)注提出了不同的要求。

模塊化與端到端的區(qū)別，圖片源自：網(wǎng)絡(luò)

模塊化技術(shù)路徑，以環(huán)境理解為核心的微觀標(biāo)注

在自動(dòng)駕駛模塊化架構(gòu)中，感知模塊相當(dāng)于車輛的眼睛，其核心任務(wù)是盡可能精確地識(shí)別并定位周圍環(huán)境中的每一個(gè)元素。這種“分而治之”的思路決定了模塊化路徑下的數(shù)據(jù)標(biāo)注必須走極端精細(xì)化的微觀路線。標(biāo)注員需要對(duì)攝像頭圖像、激光雷達(dá)點(diǎn)云等傳感器數(shù)據(jù)進(jìn)行高強(qiáng)度的手工處理，為每一個(gè)物體打上極其詳盡的標(biāo)簽。

在模塊化體系的感知環(huán)節(jié)，標(biāo)注的主要對(duì)象是各類障礙物和靜態(tài)交通設(shè)施。針對(duì)攝像頭產(chǎn)生的二維圖像，標(biāo)注員需要繪制數(shù)以百萬(wàn)計(jì)的矩形框（Bounding Box）來(lái)標(biāo)定車輛、行人、騎行者等目標(biāo)。為了應(yīng)對(duì)更復(fù)雜的任務(wù)，還需要進(jìn)行多邊形標(biāo)注或像素級(jí)的語(yǔ)義分割。

圖片源自：網(wǎng)絡(luò)

這意味著標(biāo)注員必須耐心地勾勒出每一個(gè)路沿、每一條車道線、每一個(gè)紅綠燈的邊緣。這種標(biāo)注要求的準(zhǔn)確度極高，因?yàn)楦兄Y(jié)果會(huì)被直接轉(zhuǎn)化為坐標(biāo)和分類標(biāo)簽，作為后續(xù)規(guī)控模塊的輸入。在模塊化架構(gòu)中，各模塊之間存在著嚴(yán)重的錯(cuò)誤傳遞效應(yīng)，感知模塊如果在距離判斷上出現(xiàn)幾厘米的偏差，傳導(dǎo)至規(guī)劃環(huán)節(jié)就可能觸發(fā)一次完全沒(méi)必要的緊急制動(dòng)。

除了圖像標(biāo)注，模塊化路徑對(duì)三維點(diǎn)云標(biāo)注的需求同樣苛刻。激光雷達(dá)采集到的點(diǎn)云數(shù)據(jù)往往是稀疏且缺乏語(yǔ)義信息的，標(biāo)注員需要通過(guò)三維框在立體的點(diǎn)云空間中圈定物體，并標(biāo)注其長(zhǎng)、寬、高以及航向角。這種高維度的標(biāo)注不僅成本高昂，對(duì)標(biāo)注員的專業(yè)要求也極高。為了給基于規(guī)則的規(guī)劃邏輯提供支撐，標(biāo)注員還需要標(biāo)記物體的屬性信息，如車輛的剎車燈是否亮起、轉(zhuǎn)向燈的狀態(tài)等，甚至是行人的性別和年齡段都需要標(biāo)注，因?yàn)閭鹘y(tǒng)的“If-Then”硬編碼規(guī)則需要這些離散的屬性值作為判斷條件。

模塊化架構(gòu)下的標(biāo)注工作量不僅體現(xiàn)在精細(xì)度上，更體現(xiàn)在任務(wù)的碎片化中。像是交通信號(hào)燈識(shí)別、限速牌檢測(cè)、路面坑洼檢測(cè)等每一個(gè)細(xì)分算法，都需要建立獨(dú)立的、具有針對(duì)性的數(shù)據(jù)集。這種“專數(shù)專用”的模式雖然便于調(diào)試和定位問(wèn)題，但也會(huì)導(dǎo)致信息的高度損耗。當(dāng)傳感器采集到的海量原始數(shù)據(jù)被壓縮成幾個(gè)坐標(biāo)和標(biāo)簽后，大部分環(huán)境語(yǔ)義信息就會(huì)因此丟失，規(guī)控模塊無(wú)法感知到那些未被標(biāo)注的細(xì)微環(huán)境變化。由于工程師無(wú)法窮舉并標(biāo)注出所有可能影響駕駛決策的邊緣案例，這種標(biāo)注模式在處理長(zhǎng)尾場(chǎng)景時(shí)表現(xiàn)出極大的局限性。

端到端技術(shù)路徑，以駕駛行為為導(dǎo)向的宏觀標(biāo)注

端到端技術(shù)的興起，標(biāo)志著自動(dòng)駕駛從“環(huán)境重構(gòu)”轉(zhuǎn)向了“行為克隆”。在這一路徑下，自動(dòng)駕駛系統(tǒng)不再試圖通過(guò)中間模塊去理解每一個(gè)物體的幾何屬性，而是直接學(xué)習(xí)從傳感器信號(hào)到駕駛動(dòng)作的映射關(guān)系。對(duì)此，端到端的數(shù)據(jù)標(biāo)注要求也發(fā)生了翻天覆地的變化，標(biāo)注的重心從“屏幕上的框線”轉(zhuǎn)移到了“司機(jī)的腳和手”。

在端到端架構(gòu)（尤其是以模仿學(xué)習(xí)為核心的方案）中，最核心的標(biāo)簽是人類專家的駕駛軌跡和控制信號(hào)。這些數(shù)據(jù)包括方向盤(pán)轉(zhuǎn)角、加速踏板深度、剎車壓力以及車輛在三維空間中的實(shí)時(shí)坐標(biāo)軌跡，數(shù)據(jù)直接來(lái)源于車輛的CAN總線。這種標(biāo)注在某種程度上是“自動(dòng)化”的，因?yàn)轳{駛數(shù)據(jù)本身就攜帶了司機(jī)的反應(yīng)。當(dāng)然，端到端架構(gòu)對(duì)這些行為標(biāo)簽的質(zhì)量也提出了極高的要求。它需要的不是隨便一段駕駛記錄，而是要“金牌司機(jī)”的高質(zhì)量示范。

圖片源自：網(wǎng)絡(luò)

這種轉(zhuǎn)變意味著，數(shù)據(jù)標(biāo)注員的角色正在從“畫(huà)圖工人”向“數(shù)據(jù)策展人”的方向轉(zhuǎn)變。他們不再需要精細(xì)地標(biāo)注路上的每一個(gè)行人，而是需要分析復(fù)雜的交通場(chǎng)景，判斷司機(jī)的某次超車動(dòng)作是否果斷且安全，是否具有被機(jī)器模仿的價(jià)值。

端到端路徑的訓(xùn)練信號(hào)是全局性的，它要求標(biāo)注數(shù)據(jù)具有極高的場(chǎng)景多樣性。為了讓系統(tǒng)學(xué)會(huì)應(yīng)對(duì)各種極端情況，標(biāo)注團(tuán)隊(duì)必須刻意去收集和標(biāo)記如復(fù)雜的施工區(qū)域、無(wú)保護(hù)的左轉(zhuǎn)路口、甚至是不守規(guī)矩的行人和外賣車等罕見(jiàn)的場(chǎng)景。在這些場(chǎng)景中，標(biāo)注的不再是物體的位置，而是人類在面對(duì)這些復(fù)雜局面時(shí)如何通過(guò)微小的動(dòng)作來(lái)表達(dá)駕駛的意圖。

雖然端到端系統(tǒng)存在“黑盒”現(xiàn)象，但集成式端到端模型（如UniAD）在內(nèi)部依然保留了感知任務(wù)的影子，用于輔助最終的規(guī)劃決策。雖然如此，這里的感知標(biāo)注要求也與傳統(tǒng)模塊化路徑有著本質(zhì)不同。在UniAD這類模型中，中間環(huán)節(jié)的檢測(cè)、跟蹤和建圖標(biāo)注是“目標(biāo)導(dǎo)向”的。這意味著，感知標(biāo)注不再是為了追求極致的檢測(cè)準(zhǔn)確率，而是為了給最終的路徑規(guī)劃提供最有價(jià)值的語(yǔ)義支持。這種設(shè)計(jì)允許感知任務(wù)在標(biāo)注上存在一定的冗余，系統(tǒng)在全局優(yōu)化過(guò)程中會(huì)學(xué)習(xí)到哪些環(huán)境特征對(duì)安全駕駛至關(guān)重要，從而自動(dòng)補(bǔ)償感知的局部偏差。

模塊化與端到端數(shù)據(jù)標(biāo)注各維度差異

端到端路徑還引出了對(duì)“因果標(biāo)注”的新需求。僅僅記錄司機(jī)的動(dòng)作是不夠的，系統(tǒng)還需要知道司機(jī)為什么要做出這個(gè)動(dòng)作。例如，在一張包含紅綠燈和前車的畫(huà)面中，如果車輛停了下來(lái)，標(biāo)注信息需要明確區(qū)分是因?yàn)榧t燈還是因?yàn)榍败噭x車。這種帶有邏輯鏈條的標(biāo)注，使得系統(tǒng)不僅在模仿人類的動(dòng)作，更在學(xué)習(xí)人類的決策邏輯。VLA模型（視覺(jué)-語(yǔ)言-動(dòng)作模型）就引入了此類結(jié)構(gòu)化標(biāo)注，將駕駛決策與環(huán)境中的關(guān)鍵因果因素掛鉤，從而提升模型的可解釋性和泛化能力。

4D自動(dòng)標(biāo)注與世界模型，數(shù)據(jù)生產(chǎn)效率的質(zhì)變

當(dāng)自動(dòng)駕駛數(shù)據(jù)量從TB級(jí)躍升至PB級(jí)時(shí)，傳統(tǒng)的人工標(biāo)注模式已經(jīng)不再適用。端到端路徑的進(jìn)化極度依賴海量數(shù)據(jù)，這直接催生了以4D自動(dòng)標(biāo)注和世界模型為代表的數(shù)據(jù)生產(chǎn)方式。這種方式不再是對(duì)單幀圖像的修修補(bǔ)補(bǔ)，而是對(duì)整個(gè)物理世界的動(dòng)態(tài)重建。

4D自動(dòng)標(biāo)注的核心在于“跨時(shí)空的信息融合”。通過(guò)融合一輛車甚至多輛車在不同時(shí)間經(jīng)過(guò)同一路段的傳感器數(shù)據(jù)，系統(tǒng)可以構(gòu)建出一個(gè)包含時(shí)間維度的、高精度的三維世界模型（即4D模型）。在這個(gè)模型中，靜態(tài)的道路設(shè)施（如路燈、馬路牙子）可以在多次觀測(cè)中被精確標(biāo)定。對(duì)于動(dòng)態(tài)物體，系統(tǒng)可以利用時(shí)序信息進(jìn)行前向和后向的推算，解決遮擋問(wèn)題。舉個(gè)例子，當(dāng)一個(gè)行人在畫(huà)面中消失了兩秒鐘，傳統(tǒng)標(biāo)注可能就丟失了其身份，但4D自動(dòng)標(biāo)注系統(tǒng)能通過(guò)軌跡一致性自動(dòng)補(bǔ)齊這一段“標(biāo)簽”，確保模型學(xué)到連貫的物理常識(shí)。

圖片源自：網(wǎng)絡(luò)

這種自動(dòng)標(biāo)注技術(shù)不僅提高了效率，更改變了標(biāo)注的形態(tài)。在端到端時(shí)代，標(biāo)注不再是“給人看的圖”，而是“給模型訓(xùn)練用的特征空間”。像是占用網(wǎng)絡(luò)（Occupancy Network）的標(biāo)注要求將空間劃分為無(wú)數(shù)個(gè)細(xì)小的方格（Voxel），并標(biāo)定每個(gè)方格在未來(lái)一段時(shí)間內(nèi)是否會(huì)被占據(jù)。這種海量的三維空間標(biāo)注是人工無(wú)法完成的，必須依賴強(qiáng)大的離線大模型通過(guò)傳感器融合自動(dòng)生成。通過(guò)這種方式，標(biāo)注工作從“畫(huà)線”變成了“維護(hù)離線大模型”，人類標(biāo)注員的任務(wù)轉(zhuǎn)變?yōu)轵?yàn)證和修正自動(dòng)生成的標(biāo)簽，特別是處理那些離線模型也感到困惑的邊緣案例場(chǎng)景。

世界模型的引入進(jìn)一步拓寬了標(biāo)注的邊界。世界模型通過(guò)自監(jiān)督學(xué)習(xí)的方式，學(xué)習(xí)預(yù)測(cè)未來(lái)幾秒鐘的環(huán)境演變。在這種模式下，未來(lái)的真實(shí)傳感器數(shù)據(jù)本身就成了當(dāng)下的標(biāo)簽。自動(dòng)駕駛系統(tǒng)通過(guò)“預(yù)測(cè)未來(lái)”并與“真實(shí)發(fā)生的未來(lái)”進(jìn)行比對(duì)，不斷修正自己的內(nèi)部表征。這種無(wú)需人工干預(yù)的標(biāo)注閉環(huán)，使得端到端模型能夠從數(shù)百萬(wàn)小時(shí)的自然駕駛錄像中汲取營(yíng)養(yǎng)。這種標(biāo)注要求不僅包含對(duì)物體位置的感知，更包含了對(duì)物理運(yùn)動(dòng)規(guī)律的深刻理解，像是球滾出來(lái)之后大概率會(huì)有孩子跟上，或者在雨天路面摩擦力會(huì)下降等就屬于這種標(biāo)注。

這種效率的飛躍對(duì)研發(fā)流程的影響是顛覆性的。在模塊化時(shí)代，工程師需要花費(fèi)80%的時(shí)間編寫(xiě)代碼邏輯和調(diào)試Bug；而在端到端時(shí)代，工程師的主要精力轉(zhuǎn)移到了“數(shù)據(jù)策展”上。他們需要設(shè)計(jì)精巧的數(shù)據(jù)引擎，利用影子模式（Shadow Mode）在實(shí)時(shí)篩選那些模型做錯(cuò)、而人做對(duì)的時(shí)刻。這些時(shí)刻被視為最寶貴的訓(xùn)練信號(hào)，接著再將這些時(shí)刻通過(guò)自動(dòng)化的標(biāo)注管道轉(zhuǎn)化為新的訓(xùn)練數(shù)據(jù)，推動(dòng)模型版本更迭。這種以數(shù)據(jù)為中心的閉環(huán)，使得自動(dòng)駕駛系統(tǒng)的進(jìn)化速度不再受限于人類程序員的思維極限，而是受限于標(biāo)注管道的自動(dòng)化程度和數(shù)據(jù)的多樣性。

最后的話

自動(dòng)駕駛從模塊化向端到端的演進(jìn)，徹底重塑了數(shù)據(jù)標(biāo)注的要求。模塊化技術(shù)路徑對(duì)標(biāo)注的要求是“向內(nèi)求精”，強(qiáng)調(diào)對(duì)環(huán)境細(xì)節(jié)的微觀理解和極高的幾何精度，目的是為人工編寫(xiě)的邏輯規(guī)則提供確定的輸入。而端到端技術(shù)路徑對(duì)標(biāo)注的要求則是“向外求博”，強(qiáng)調(diào)對(duì)人類駕駛策略的宏觀克隆和對(duì)因果邏輯的深度理解，目的是通過(guò)海量樣本喂養(yǎng)出一個(gè)具備物理直覺(jué)的神經(jīng)網(wǎng)絡(luò)。

這一轉(zhuǎn)變不僅是技術(shù)上的更新，更是生產(chǎn)力結(jié)構(gòu)的調(diào)整。數(shù)據(jù)標(biāo)注正從勞動(dòng)密集型轉(zhuǎn)向模型驅(qū)動(dòng)的自動(dòng)生成與人工邏輯校驗(yàn)相結(jié)合的新模式。未來(lái)的標(biāo)注體系將不再孤立地處理每一張圖片，而是通過(guò)4D重建、世界模型和自監(jiān)督學(xué)習(xí)，構(gòu)建起一個(gè)對(duì)物理規(guī)律有深刻理解的模擬空間。隨著端到端模型的參數(shù)規(guī)模和訓(xùn)練數(shù)據(jù)量持續(xù)突破，高質(zhì)量的行為軌跡標(biāo)注、復(fù)雜的場(chǎng)景語(yǔ)義標(biāo)簽以及帶有因果關(guān)系的推理痕跡，將成為推動(dòng)自動(dòng)駕駛跨越長(zhǎng)尾場(chǎng)景、實(shí)現(xiàn)真正智能化的核心燃料。

審核編輯 黃宇