自动驾驶长尾，现在是各家车企内外部研发资源投入最多、最烧钱的地方。

用一个朋友最近说的，「每个case收集起来都是非常昂贵的」，所以要尽可能发挥价值。

Mobileye最近发布了两项技术主要是针对解决长尾问题——「Meteor + Genario」。

博文出自Amnon Shashua（CEO）以及Shai Shalev-Shwartz（CTO）两位教授之手，可以大致看看Mobileye的方法论，详细解析大家有兴趣在评论区链接。

Meteor是一个多智能体AI数据分析平台，它的核心是模拟AI数据分析师的工作逻辑，用各种方式找出来有价值的数据。

流程包括：

自动识别故障事件 - 推导故障诱因 - 生成语义检索指令 - 全网检索同类场景数据；随后，提取补充案例 - 测试 - 判断是否存在系统性技术缺陷；如果是的话，自动筛选高价值训练样本 - 优化模型针对边缘案例的表现；

这个工具解决的核心问题是，不需要被动等待罕见故障随机出现，而是主动识别有价值的盲区，针对关键场景加速完成优化（大概率Mobileye也发现了在数据的海洋里打捞case金钱成本和时间成本实在过高）。

第二个工具，Genario。Genario这个词也跟General比较接近。

比较好理解，针对前面已经识别到的有意义的故障模式，进行规模化——结合Meteor输出结果（具体故障类型、根本诱因及触发条件），生成定向训练数据。

合成照片级逼真的驾驶情景，随后在无数个受控变量中进行扩展。

Mobileye也说了，这两个工具目标不是取代真实场景数据，而是进行有效补充，仅仅依靠路采数据，已经无法满足需求实现这类场景的全覆盖。

这也是加速向L4行进的必经之路。

自动驾驶