知识点 › 场景挖掘与标注
难例挖掘
Hard-case Mining
定义
从海量数据中把「模型表现差」的片段捞出来：基于失败事件（接管/AEB）、基于模型指标（低置信/高损失）、基于一致性、基于规则（近距离 cut-in、异形目标）、基于人工反馈。是长尾覆盖的入口。
关键要点
- 挖掘的目标不是「多」，而是「新」：与已有场景库做相似度去重
- 要有闭环反馈：挖出来的样本是否真的提升了指标，要能验证
- 挖掘策略本身要 A/B：不同策略的召回率与标注成本对比
面试怎么答
讲「多路召回 + 去重 + 效果验证」的完整链路，别只讲一种方法。
相关知识
- 触发采集策略 — 决定「哪些片段值得回传」，是数据闭环里杠杆最大的设计。好的触发让数据分布贴近「模型失败的地方」，差的触发只会重复采集简…
- 聚类与去重 — 把相似场景聚合，避免重复标注：特征（CLIP 图像特征、点云描述子、轨迹形状）→ 降维（UMAP/PCA）→ 聚类（H…
- 长尾样本挖掘 — 专门捞「低频高危害」：规则枚举（异形车/施工区/动物）、相似度扩展（以图搜图找同类）、场景组合生成、失败案例聚类。长尾…
- 一致性挖掘 — 不依赖标注真值，用「模型之间/时序之间/传感器之间」的不一致找问题：新旧模型分歧、前后帧预测矛盾、图像与点云检测冲突、…
- 失败案例回流 — 把线上接管、AEB 触发、碰撞、降级、影子差异等事件自动变成待分析工单：切片 → 归因（感知/预测/规控/地图/标定）…
- 场景检索 — 四类入口：标签/结构化查询、图像相似（以图搜图）、轨迹相似（DTW/形状匹配）、自然语言（「找雨天夜里电动车逆行」）。…
- 数据闭环 — 把「真实世界产生的数据」持续转化为「车端模型能力」的工程体系：车端采集 → 回传 → 存储治理 → 场景挖掘与标注 →…