“数据闭环系统”的思考

在自动驾驶这个赛道上，不管是采用从低级别逐渐过渡到高级别的自动驾驶，还是直接实现L4级别的自动驾驶，都存在因“感知能力局限性和现有测试手段难以覆盖所有道路交通状况”的长尾问题，因此也难以保障自动驾驶的安全性和可靠性。

针对长尾问题，一方面需要不断提升感知能力突破感知局限性，另一方面，需要通过道路测试尽可能多的挖掘未知场景，缩小未知场景范围，将未知场景转化为已知的安全场景。

数据闭环系统就是被行家设计用于系统解决上述长尾问题的解决对策。

数据闭环系统，通过打通数据采集、数据传输、数据挖掘、数据清洗、数据标注、模型训练优化、仿真评测和 OTA 部署的完整流程，不断挖掘未知场景，将未知变为已知，通过算法的不断迭代，将风险降低至可接受的范围。

算法迭代依赖数据，数据的有效性和复用性，是数据闭环系统设计的重点和难点。

例如，如何确保采集的各传感器数据时间同步；如何让采集的数据在不同场景下复用；

在数据合规的前提下，如何构建CICD的数据闭环工具链，让数据在算法迭代的过程中被有效的利用，也是重点和难点。