盖世汽车讯据外媒报道，行车记录仪制造商和众包街道级视觉数据供应商Nexar宣布创造了新的月度数据覆盖里程碑，每月记录了1.3亿英里的驾驶里程数据，在过去6个月增长了30%。这些数据补充了Nexar的3.2万亿张道路图像，有助于填补困扰自动驾驶汽车制造商的关键数据短缺。这些制造商正在训练AI模型，以处理边缘情况，并检测现实世界中的变化。
（图片来源：Nexar）
Nexar创始人兼首席执行官Eran Shir表示，“Nexar具有可扩展数据获取技术，以及对其进行改进，以提供可用数据的能力。没有其他独立公司收集这些数据，也没有平台来摄取它们。这些数据将帮助更好地训练自动驾驶汽车，了解正在发生的变化，并引领未来的自动驾驶汽车。”
Nexar提供的数据可用于自动驾驶汽车训练的两个关键领域。第一个领域是针对边缘（或角落）情况进行训练，包括碰撞和其他异常驾驶情况。虽然训练自动驾驶汽车应对极端情况，是实现L4级和L5级自动驾驶的关键突破之一，但数据匮乏是一个现实问题。关于常规驾驶有大量的数据，但由于极端情况比较罕见，汽车制造商很少捕捉到边缘情况。
目前，Nexar每月“看到”数百起碰撞事故，以及许多其他边缘情况，包括紧急刹车、车道漂移、近距离碰撞、低冲击碰撞等。今年3月，Nexar公布了碰撞重建技术，为车辆周围的物体及其与事故的关系添加了有价值的数据。此外，Nexar还能识别影响自动驾驶汽车的真实世界变化，如施工区域、路标变化和车道等。
Nexar的海量数据集的第二个用途是变化检测，支持自动驾驶汽车所需的详细地图。目前，自动驾驶汽车高清地图使用昂贵的激光雷达，但随着时间的推移，地图信息会发生变化，而Nexar的图像和AI可以检测这些变化。Nexar的道路数据可以监控和检测街道标志、施工区域、坑洞、护栏、人行道、免费停车位、路面质量、电源箱、褪色路面标记等物体的变化。随着时间的推移，其数据将增加更多的变化类别。
Shir表示，“很多情况下，在变化检测方面，道路图像胜过激光雷达。我们的众包图像可用于未来的V2V，同时也适用于人类驾驶员和自动驾驶汽车。目前，我们可以提供某个区域内免费车位的状况信息，未来，我们可以帮忙找到空余的车位。”
Berkeley Deep Drive上有免费的Nexar数据子集。这是用于异构多任务学习的多样化驾驶数据集，具有大规模、多样化的特点，可支持多种训练任务。此外，Nexar提供的数据严格遵守隐私和匿名要求，因此人脸、车牌和其他识别信息都是模糊的。
