Waymo数据闭环平台

谷歌Waymo在2019年2月的报告中展示了自己的数据闭环平台，本文主要借鉴数据驱动闭环的思路。

参考地址：

Drago Anguelov (Waymo) - MIT Self-Driving Cars_哔哩哔哩_bilibili

Waymo的数据平台是一个典型的为机器学习打造的平台，所以我们看到，这个平台上的工作流程，是一个典型的机器学习流程。

从数据库开始，选择数据进入数据标注，产生标注好的数据，基于标注好的数据开发模型，经过测试后，发布模型，模型上实车后，再继续采集数据，如此循环，是为闭环。

可以看到，Waymo的数据闭环平台，包括了数据标注、模型调试优化、测试校验和部署发布等关键部分。

依托谷歌自身的强大能力，Waymo的数据闭环平台主要有以下几点优势：

强大的计算能力

作为谷歌的一部分，谷歌强大的数据中心、自己开发的TensorFlow和TPU，都是Waymo的计算能力来源。

高质量的数据

Waymo拥有高质量的数据，用他们自己的话说：数据标注的质量非常高，且数据的分布的质量也非常高。

高质量的模型

同为谷歌旗下，Google AI、DeepMind等世界顶级人工智能团队，都能够为Waymo的无人驾驶之路添砖加瓦。

也是得益于以上优势，Waymo的数据平台自动化成分非常高，数据标注、模型的最优结构选型、模型调试优化等很多环节，都可以自动化完成。Waymo的数据平台也体现了主动学习的思想。关于主动学习，这是自动驾驶数据平台中很重要的一种方法，我们将在下面的环节进行介绍。

Drago Anguelov (Waymo) - MIT Self-Driving Cars_哔哩哔哩_bilibilihttps://deeplearning.mit.edu/MIT自动驾驶公开课邀请的嘉宾访谈https://www.bilibili.com/video/BV1rJ411U7eR?from=search&seid=2371782672438722515&spm_id_from=333.337.0.0