智能驾驶量产落地，你认为最大的瓶颈是？

A. 传感器成本（激光雷达 / 高清摄像头）​
B. 算法泛化能力（极端场景识别）​
C. 数据标注效率​
D. 法规与责任认定​
欢迎大家积极投票，说出你的选择～​
我投 “数据标注”。这阵子在处理一批雨天场景的数据时，算是真切感受到了数据标注的棘手。我们尝试用 AI 自动标注，本以为能提高效率，结果却不太理想。雨天里，雨水在镜头上形成的水膜会让图像产生折射，远处车辆的尾灯在这种情况下会出现光晕，AI 常常把这种光晕误判成其他光源；还有路面上的积水，在特定角度下会反射周围的环境，AI 有时会将其错误标注成路面的凹陷或者障碍物。​
就拿误标率来说，高达 20% 的数值背后，是我们需要投入大量人力去逐一校验和修正。这不仅拖慢了整个标注流程的进度，更关键的是，这些错误标注的数据如果进入算法训练环节，会直接影响模型的判断准确性，可能导致在实际驾驶中对雨天路况的误判，存在不小的安全隐患。​
所以想问问大家，在数据标注方面有没有更好的工具推荐呢？特别是针对这种复杂天气场景，有没有工具能在自动标注时更精准地识别和处理这些特殊情况，降低误标率？