搞自驾这七年，绝大多数的「数据闭环」都是伪闭环

主要观点总结

文章主要讨论了自动驾驶领域中的“数据闭环”实践，作者基于自己在自动驾驶行业多年的经验，分享了一套比较激进的数据闭环实践方法。文章首先定义了“真闭环”的标准，并指出当前许多厂商所谓的“数据闭环”其实只是算法团队内部的“小闭环”，离真正的“数据直接解决问题”的大闭环还有差距。接着，文章通过具体的技术和实践细节，详细阐述了作者自己的一套数据闭环实践，包括从体感指标出发、车端Trigger机制、按团队定制数据、代码级统一、问题自动分发、Trigger框架统一、区分世界标签和算法标签，以及生成式/仿真数据的正确应用等。作者认为，虽然目前的数据闭环在发现问题方面已经较为成熟，但在解决问题方面效率仍然有待提高，未来需要降低解决bug的边际成本，并通过端到端/世界模型类的方法在验证和安全约束上更加可控，从而真正实现数据闭环的规模化复制。

关键观点总结

关键观点1: 什么是真正的数据闭环

真闭环至少要满足三层：1. 问题发现自动化；2. 解决效果可量化、可复盘；3. 自愈程度。

关键观点2: 当前厂商的数据闭环实践

很多所谓“数据闭环”其实是“数据驱动的研发流程 + 自动化工具”，且大多局限于算法团队的小视角。

关键观点3: 作者的数据闭环实践

从体感指标出发，通过车端Trigger、按团队定制数据、代码级统一、问题自动分发等方式，构建了一套较为激进的数据闭环实践。

关键观点4: 数据闭环的痛点与解决方向

当前数据闭环在发现问题方面已较为成熟，但在解决问题方面效率不高，未来需降低解决bug的边际成本，并通过端到端/世界模型类的方法提高验证和安全约束的可靠性。

关键观点5: 生成式/仿真数据的正确应用

生成式数据用于补长尾训练短板，但不能完全替代真实评测，需要结合实际场景和真实数据进行验证。