全国汽车标准化技术委员会：2025年车用人工智能十大标准应用场景报告

驾驶自动化对环境感知和行为预测的数据精度与时效性提出了更高要求。传统的维图像或三维点云单帧标注难以应对动态复杂场景,尤其在多车交互等情况下,缺乏时间连续性限制了对目标运动状态的理解。随着多传感器融合技术的发展,基于时间序列的四维(4D)数据日益受到关注。4D数据不仅包含空间位置信息,还提供目标随时间变化的动态特征,有助于更全面地建模轨迹、速度与交互行为。然而,当前大规模数据标注仍主要依赖人工,特别是在轨迹拟合和多帧关联方面,存在效率低、一致性差、成本高等问题,严重制约了数据质量和模型迭代速度。因此,实现高效且准确的4D数据自动标注,已成为驾驶自动化领域亟待攻克的关键挑战。