通过数据自动化实现AI自动驾驶的训练与验证
Foretellix 开发工具链优化了基于数据驱动的 AI 自动驾驶系统训练与验证流程。通过筛选和评估真实道路驾驶场景，并结合合成场景，Foretify 生成训练与验证数据，在开发过程中提升系统性能与安全性，形成高效反馈闭环。
在海量（PB级）采集数据中，难以高效定位并优先筛选出具有价值的训练数据
模型和数据规模的线性增长会导致成本不断攀升，但收益有限
仅依靠真实道路数据采集来提升模型的泛化能力，以覆盖边缘场景（长尾问题），边际效益递减
数据筛选、优先级划分及边缘场景训练高度依赖人工，效率低下且效果有限
难以准确捕获、量化和评估ODD的覆盖情况
错误分类和根因追溯流程高度依赖人工，效率低下
难以大规模生成高真实感测试场景，以发现边缘案例和未知风险
需要建立合成场景与真实道路驾驶场景之间的关联性，以预估自动驾驶系统性能
数据自动化助力高效AI训练与验证
通过场景指标自动评估驾驶数据，加速从问题发现到验证改进闭环
评估关键指标和ODD覆盖，快速识别优先训练场景
真实重放道路驾驶场景，融入参与者行为变化，用于训练和验证自动驾驶系统行为
利用Omniverse与Cosmos生成物理级超真实行为与环境变化，实现端到端仿真
自动识别ODD覆盖缺口，生成所需的训练及验证数据以实现规模化
智能场景生成引擎确保仅创建有用且真实的场景，实现高效自动驾驶系统规模化开发
根据验证流程定制视图和关键指标
深度可视化场景执行、模型行为及覆盖指标
Foretellix数据自动化工具链为何对AI训练与验证至关重要
通过自动化整合、筛选与优先级排序，最大化现有大量真实与仿真驾驶数据的价值
对行为与环境事件进行泛化抽象，优化大规模训练流程
通过对行为与环境事件的抽象与泛化，简化大规模训练工作流程
高效生成目标合成数据，降低对昂贵真实数据的依赖，优化计算资源同时保证学习效果
自动化您的AI训练与验证数据流程
