自动驾驶数据发展难点有哪些？

我来简单介绍一下自动驾驶数据发展难点有哪些。

1.数据积累程度低

自动驾驶需要收集足够的数据信息以用来训练和模拟，但自动驾驶数据呈长尾分布，极端情况获取信息量有限， 此外对于感知层采集到的数据有严格的安全合规性要求，因此数据的清洗、脱敏耗时耗力。

2.数据标注成本高

随着自动驾驶级别逐渐升级，对于应用场景的复杂度持续提升，同时车辆感知层提取到的信息精度对训练数据 集的规模和质量也有更高的要求，传统数据标注采用人工形式不仅耗时耗力，成本也是不小的压力。

3.仿真测试效率低

虚拟仿真当前是自动驾驶算法训练最有效的手段，但仿真场景拥有较高的技术壁垒，场景构建难、还原度低， 而当前的技术水平有限，导致仿真测试的效率低，算法迭代周期长等问题。

4.高精地图覆盖少

高精地图目前的覆盖率极低，当前主要依靠自采集和自制图，有些地区无法进行高精地图数据的采集，因此仅 满足了试验阶段的指定道路，后续商业化落地推进，高精地图的成本和效率都面临非常突出的难题。