李想回应大规模裁员「不需要养几千人研究 corner case」，这反应出了“致命”问题？

用户和读者，只有理解【Corner Cases】是啥意思， 才知道理想的裁员，压缩研究【Corner Cases】团队，意味着什么？

如果你认同这个思路，继续往下看：

由于深度学习技术的发展，自动驾驶技术在过去几年快速腾飞。但是对于整个自动驾驶技术来说依然面临很多的挑战。

其中Corner Cases的存在引发了很多安全问题，诸如特斯拉，小鹏等企业的量产车辆都发生过。Corner Cases又叫异常案例，常见的硬件遮挡，异常障碍物等都属于这个范畴。

下面将按照部分文献的分类方式展开讨论。

一、传感器级别的Corner Cases

1.1 定义--传感器层(Sensor Layer)Corner Cases

这部分案例的成因，主要是因为传感器由于自身的硬件原因和外部环境的干扰导致，比如镜头等光学器件的损坏，表面的污迹等造成成像偏差。

1.2 举例--传感器层(Sensor Layer)Corner Cases

传感器的硬件级问题包括：

a）激光雷达：棱镜损坏和点云扫描校准； b）摄像头：包括坏点和镜头损坏； c）雷达：包括低电压和低温造成的脉冲问题。

传感器的物理级问题包括：

a）激光雷达：激光束被吸收不反射（深色车等）； b）摄像头：镜头污迹、过饱和/曝光； c）雷达：脉冲被干扰。

二、数据内容层级别Corner Cases

传感器输入的数据多种多样，随着使用场景的变化，部分目标产生了理解歧义。另外可能有些异常目标被忽略了。

以下从域级(domain)，目标级，场景级三个细分的角度分别讨论。

2.1 内容层-域级Corner Cases的定义和举例

域级(domain)的定义：由于使用场景或者环境的变换，算法的世界模型无法理解传感器输入的内容，或者对输入的内容产生歧义。

域级(domain)的举例：

a.驾驶环境变换后，激光雷达无法理解不同道路的形状； b.使用国家变换后，摄像头在不同国家输入的内容让算法产生歧义，比如不同国家对停车标志的定义千差万别 c.毫米波雷达在遇天气环境变化后，比如雨雪，会产生虚检，但是算法无法理解毫米波雷达输入的内容和雨雪天气的关系。

2.2 内容层-目标级Corner Cases的定义和举例

目标级的定义：主要是未知物体和目标的存在，这部分目标在数据集上未出现过，所以没有被定义。

目标级的举例：

a. 激光雷达的点云输入会受灰尘、蚊虫的影响，产生未定义的目标； b. 摄像头的输入出现某种为定义的动物； c. 毫米波雷达的特性可能会导致丢失低速的目标；

2.3 内容层场景级Corner Cases的定义和举例

场景级问题定义：目标被定义，也可以从传感器的数据中肉眼观察到，但对物体的数量和位置情况有歧义或者不明确。

场景级问题举例：

a.激光雷达的上下文异常,比如停放在人行横道上的清扫车 b.摄像头输入的内容中，发现一个人离地面很高，实际情况可能是在广告牌上的人。 c.毫米波雷达所检测到的目标太多，实际可能是路上的灌木造成。

三、交通参与者超预期问题

超预期问题定义：

在时间维度上，交通参与者在持续的运动中。且这些运动不符合交通规则。

自动驾驶系统在底层的方案设计上并没考虑到或者穷尽所有的违规行为。

超预期问题Corner Cases的举例：行人违反交通规则、车祸等。

四、检测/解决Corner Cases的方案

coner case复杂且多变，解决问题的手法也不是唯一的。以下列举以下常见的手段和方法：

置信度(Confidence score)：通过神经网络估计不确定coner case的置信的，确定是否是异常情况。

重建(Reconstructive):对异常对象进行重建，或者仿真模拟得出异常对象数据，加入模型训练。

生成coner case（Generative):对异常对象和数据进行扩充，利用GAN等技术生成扩充的coner case案例。

特征抽取coner case(Feature Extraction):利用聚类或者svm等分类算法，对coner case案例进行快速的定位。

预测补充coner case(Prediction):利用前后帧之间运动物体不会凭空消失或突变等，进行异常情况的校正回归(陈时中直呼内行)。

总结：

以上是coner case常见的定义，举例和解决方案。

其实业界在定义coner case上存在很大分歧，在类别的划分上也不相同。

但是达成的目标是统一的，即实现一个安全的自动驾驶系统。

通俗一点说：

【研究corner case】，就是如何提升自动驾驶系统的安全性，特别是在特殊性情况下也能保证安全。

说到这里，你应该明白，如果一家做智能汽车的企业，减弱这方面的投入和研究，意味着什么吗？

意味着对方放弃了做出最安全的车，对方在成本优化和安全提升方面，对方选择了前者。

对方为了成本，可以放弃小概率情况下的安全保障。

但是汽车工业发展了一百多年，一流企业和二三流以及不入流的企业最大的区别，不就是小概率情况下的安全保障吗？

传统企业的ABS防抱死制动系统、EBD电子制动力分配系统、ESP电子稳定系统、TCS牵引力控制系统、LDWS车道偏离预警系统、全景环视系统、BSW盲点警示系统、并道辅助系统、TPMS胎压侦测系统等

不都是几十年上百年的积累，都是在防止小概率事件发生时，我们作为用户时，能保障安全吗？

但是理想的CEO说：不需要养太多的人研究coner case。

你明白了吗？

这个问题其实不是职场问题，不是表面的裁员那么简单，涉及到了一家企业的根子上，这家企业的导向在哪里？

不论是消费者选择商品，还是求职者选择企业，不可不察呀！

细思极恐。

就说这么多吧！