在人工智能发展史上，数据始终是推动技术进步的核心要素。回顾2009年，李飞飞教授敏锐洞察到数据稀缺对AI发展的制约，创建了ImageNet视觉分类数据库并发起挑战赛，这一举措为深度学习在图像识别领域的突破奠定了坚实基础。如今，人工智能正从虚拟世界迈向物理世界，自动驾驶和机器人技术快速发展，但3D空间数据的稀缺性正成为新的技术瓶颈。
3D数据稀缺：自动驾驶出海的最大障碍
与当年2D图像数据面临的情况相似，高质量3D空间数据要么获取成本高昂，要么根本不存在。尽管地图厂商能够提供此类数据，但其价格昂贵且地域化特征明显。现有开源数据集如nuScenes、KITTI和Waymo Open Dataset已显滞后：部分数据集因大公司公关需求而发起，多年未更新；激光雷达点云数据多采用早期机械式设备，与当前量产的车规级激光雷达特征不符；更重要的是，这些数据集存在明显的地域局限性，难以支撑全球化应用需求。
这种数据稀缺问题对中国自动驾驶企业出海构成了严峻挑战。中外道路环境、交通规则、驾驶行为等方面存在显著差异，导致国内训练的算法模型难以直接适应海外市场。缺乏本地化3D数据成为制约中国自动驾驶技术走向全球的关键因素。
ROVR破局：打造全球最大开源3D数据集
近日，在北美ADAS与AV技术峰会上，ROVR公司与UC Berkeley、清华大学共同宣布开源一批高质量的3D数据。这批数据包含1400个视频片段，共20万帧，涵盖了丰富的点云、GPS、RTK、IMU等多模态信息。数据地域覆盖欧洲、北美、东南亚等地区，场景包括动态与静态目标，以及不同道路类型和天气条件，为算法训练提供了多样化的环境样本。
ROVR团队表示，这仅仅是打造全球最大开源3D数据集的开端。作为一家高度全球化的公司，ROVR已推出TX和LC两款专业采集设备，并在海外部署近2000台，积累了超过2300万公里的真实道路数据。TX设备通过手机相机收集道路数据，追求高覆盖度和数据鲜度；LC设备则集成了IMU、ADAS相机、车规级固态激光雷达和厘米级RTK服务，支持多种复杂任务的训练需求。
技术创新与成本突破
ROVR的CTO Yuan Si指出，TX设备在市场上几乎找不到同等精度的替代方案，而LC设备则是当前市面上唯一的量产激光雷达采集设备。这一成就得益于ROVR与全球RTK服务网络GEODNET的深度合作，以及借助中国供应链优势实现的低成本量产突破。
在数据采集模式上，ROVR创新性地采用了共享经济思路。采集者包括个人网约车司机、商用车队主和技术爱好者等，通过定向投放和激励方式引导数据采集，既保证了数据的广泛性和代表性，又显著降低了采集成本。以30秒覆盖约1公里的数据包为例，ROVR提供的成本仅为传统方法的十分之一，真正实现了高质量3D数据的”普惠化”。
助力中国自动驾驶出海
对于正在谋划出海的中国的车企和科技公司而言，ROVR提供的全球化3D数据具有重要战略价值。这些数据不仅能够帮助中国企业快速适应海外道路环境，降低算法适配成本，还能为国产自动驾驶方案提供符合国际标准的数据支撑。
特别是在欧美市场，对数据合规性和隐私保护要求极为严格。ROVR通过自研的数据脱敏和自动化标注算法，确保了数据的合规性和安全性，为中国企业出海扫清了政策障碍。这种”数据先行”的策略，将有效加速中国自动驾驶技术的全球化布局。
从自动驾驶到具身智能的未来拓展
ROVR的野心不止于自动驾驶领域。团队正在研发针对室内环境的机械臂数据采集产品，预计将于今年底或明年初发布。这将把ROVR的数据产品拓展至室内场景，推动从辅助驾驶向具身智能的跨越式发展。
具身智能作为人工智能的下一个前沿，需要大量与现实世界交互的3D数据支撑。ROVR通过构建覆盖室内外全场景的数据采集体系，正在为下一代人工智能技术奠定数据基础。这种从道路到室内、从车辆到机器人的全方位数据布局，展现了ROVR对未来智能技术发展的深远考量。
构建智能时代的数据基础设施
ROVR的开源举措令人联想到当年的ImageNet，但规模更大、维度更丰富。通过构建全球最大的开源3D数据集，ROVR正在为整个行业提供关键的数据基础设施，这将加速自动驾驶和具身智能技术的研发进程。
随着数据采集设备规模的扩大（预计到今年底达到5000台活跃设备，数据量达到6000万公里级），ROVR将能够提供更加丰富和多样化的3D数据资源。这不仅有助于解决当前3D数据稀缺的问题，还将推动整个行业向更加开放、协作的方向发展。
在人工智能迈向物理世界的关键时刻，ROVR正在通过数据开源和技术创新，为全球自动驾驶和具身智能发展提供重要支撑。这种开放共赢的模式，或许将引领人工智能进入一个新的发展阶段。
发表回复