为了促进自动驾驶汽车在寒冷天气下的发展，新创公司Scale AI、滑铁卢大学和多伦多大学合作，开源了CADC（Canadian Adverse Driving Conditions）资料集，其中含有摄影机图像以及激光雷达资料。虽然许多组织也有发布自动驾驶汽车感测器资料集，但Scale AI提到，CADC是第一个专注在真实下雪天气的行车影像。
人类持续改善自驾车的性能，以建立更高效的交通系统，或是执行更多重要的任务，尽管自驾车的发展已经有了长足的进展，但是却一直还无法克服不同的天气条件。Scale AI CEO提到，下雪时很难开车，人类却可以轻易地应付任何天气，在任何天气驾驶车辆行经同一条路，但对自驾车来说并非如此，下雪会严重影响自驾车重要硬件，和人工智能算法判断能力，当前自驾车模型无法适应不同天气，需要更多的资料才行。
自驾车在宽阔有阳光的林荫大道接受训练，但是一放到有积雪的街道就会发生错误，积雪覆盖的道路会让自驾车难以识别，因此无法稳定的在车道上驾驶，而且积雪会大幅降低环境色彩对比，汽车系统会更难以识别物体，像是被雪覆盖的路树、路边停放的车辆，甚至是行人。
更大的问题是，降雪使自驾车的摄影机和激光雷达感测器难以正常作用，因此大幅降低安全性，这些问题，自动驾驶汽车模型需要有丰富的资料进行学习，但目前都没有已注释的激光雷达开放资料集，以及下雪天气的行车影像资料。为此，Scale AI、滑铁卢大学和多伦多大学合作，放出了寒冷条件的资料集CADC。
CADC拍摄的路线，是根据交通等级以及障碍物而定，从基本的汽车、行人、具有轮子的垃圾桶与动物等，当然，最重要的要素还是降雪。这个资料集是使用滑铁卢大学和多伦多大学合力开发的Autonomoose自动车辆研究平台收集，研究人员驾驶搭载激光雷达、惯性感测器、GPS和视觉感测器的车辆，在过去两个冬天，于安大略省西南部严寒的天气中，驾驶了20公里收集资料。
接着，Scale AI利用自家资料注释平台，将收集来的资料加上标签，CADC内含75个50到100影格的驾驶镜头，还有7,000影格的激光雷达资料，Scale AI表示，他们所标记的标签精准度，高于人类判断和其他合成标签技术。
CADC能让自动驾驶汽车模型拥有处理下雪天气的能力，滑铁卢大学教授Krzysztof Czarnecki表示，由于自动驾驶汽车应付下雪的问题太大了，任何组织都难以独立解决，他希望该资料集可以促进社群研究，让自动驾驶汽车能应付寒冬条件。滑铁卢大学和多伦多大学的研究人员，还发表了一份学术论文，概述所收集的资料，其特征以及物体侦测的标签。
閱讀更多 AI智慧 的文章
