3. 数据工程在模仿学习中的角色
在模仿学习（Imitation Learning）中，模型并不是通过试错获得奖励来学习，而是通过观察大量人类驾驶或专家策略的示范数据，直接拟合“状态到动作”的映射。因此，数据工程不是训练流程的附属环节，而是决定策略上限的核心基础设施。它承担着采集、清洗、标注、组织、版本化、回流与质量评估等职责，最终把原始驾驶日志转化为可训练、可复现、可迭代的数据资产。
一、数据闭环：从采集到回流的循环
数据闭环描述的是数据从车端产生，经过处理进入训练，再通过评测暴露问题，最后定向补充采集的完整循环。它不是一个线性流水线，而是一个带反馈的环路。典型环节包括：车端采集、上传与脱敏、场景挖掘、自动标注与人工校验、数据集构建、模型训练、仿真与实车评测、失败场景回流。
闭环的关键在于“回流”是否精准。如果评测只给出一个总体分数，数据团队就无法知道该补什么。因此，闭环中必须包含失败场景的切片、标签与归因信息，例如：切入车辆未让行、无保护左转犹豫、施工区绕行压线等。只有把失败模式转化为可检索的数据需求，采集才有方向。
二、数据飞轮：闭环加速后的复利效应
当数据闭环稳定运行后，会呈现“飞轮”特征：更多高质量数据带来更强策略，更强策略带来更多上路里程与更丰富的场景，更多场景又产生更多难例数据，进一步推动策略提升。飞轮的转速取决于两个变量：单位数据的价值密度，以及从评测到补采的周期长度。
要让飞轮真正转起来，需要做到三点：第一，场景挖掘自动化，用触发器和模型不确定性筛选难例；第二，标注流程半自动化，用预标注加人工校验降低单帧成本；第三，数据版本与训练版本严格对应，保证每次提升都可归因。否则，数据量增长只会带来存储成本，而不是策略收益。
三、数据质量对策略性能的影响
模仿学习对数据质量极其敏感。常见质量问题包括：轨迹抖动、时间戳不同步、传感器外参漂移、标注行为不一致、场景分布偏斜、以及“专家不一致”——同一场景下不同驾驶员给出不同动作。这些问题会直接表现为策略的犹豫、抖动、偏航或对长尾场景的失效。
| 质量维度 | 典型问题 | 对策略的影响 | 工程手段 |
|---|---|---|---|
| 一致性 | 同一场景标注动作冲突 | 策略输出均值化、犹豫 | 多标注投票、专家复核 |
| 同步性 | 相机与底盘时间戳偏差 | 状态动作错位、控制滞后 | 硬件同步、时间对齐校验 |
| 覆盖度 | 缺少夜间、雨雾、施工区 | 长尾场景泛化差 | 场景挖掘、定向补采 |
| 信噪比 | 轨迹抖动、异常跳变 | 策略抖动、乘坐不适 | 滤波、异常检测、重采样 |
| 分布匹配 | 训练分布与部署分布不一致 | 闭环误差累积、偏离 | DAgger、在线回流、域随机 |
四、数据工程与模型训练的关系
数据工程与模型训练不是上下游的“交接”关系，而是共同迭代的耦合关系。训练侧的损失曲线、验证集指标、闭环接管率，都是数据侧的反馈信号。实践中建议把数据需求写成可执行的配置，例如按场景标签、时间窗口、传感器类型和难度等级组织采样。
# 数据采样配置示例（YAML）
dataset:
name: il_lane_change_v3
scenes:
- tag: unprotected_left_turn
weight: 3.0
- tag: cut_in
weight: 2.5
- tag: construction_zone
weight: 2.0
filters:
min_speed_kmh: 5
max_latency_ms: 40
require_sync: true
split:
train: 0.8
val: 0.1
test: 0.1
version: 2025-06-01
五、常见误区与复盘
- 误区一：数据越多越好。低质量、重复、偏斜的数据会稀释有效信号，甚至让策略学到错误的行为先验。
- 误区二：只关注训练集指标。模仿学习的开环误差低，不代表闭环稳定；必须用闭环接管率、碰撞率和舒适性指标评估。
- 误区三：标注一次就长期使用。随着场景和策略变化，标注规范需要版本化更新，旧数据要重新评估可用性。
- 误区四：数据团队与训练团队割裂。数据需求必须来自评测失败模式，而不是凭经验拍脑袋。
总结来看，数据工程在模仿学习中扮演的是“定义问题、提供信号、控制分布、闭环反馈”的角色。数据闭环保证问题能被发现和回流，数据飞轮保证迭代具有复利效应，数据质量决定策略的稳定性和泛化边界，而数据工程与模型训练的紧密耦合，则是持续提升策略性能的根本保障。