自动驾驶APA部门数据产线搭建以及checker算法设计与开发产品系统

公司的主要数据来源有两部分，一是来自已经量产的用车客户端，另一部分来自自己公司路测车，虽然整体数据量很大，但是会出现长尾问题，比如很多极端场景缺乏数据。因此会利用大模型、ARS仿真系统来生成长尾场景的仿真数据。checker主要来检查生成的数据与真实数据的差距。
针对这个问题我独立开发了关于异常信号检测、车辆感知点云准确性评价等checker
设计并开发了APA系统研发主线评测集数据的更新维护功能，能够基于已有的data标签、车型、update时间等信息对每天传来的数据进行自动筛选，保存项目急缺的数据并删除冗余或者不重要的数据，提高APA各项目的测试效率，是cfdi、dfdi终端数据->数据工程(主要工作)->数据飞轮->加入主线评测集的框架的一部分，离职前已完成闭环并上线。
负责过公司自研ARS系统APA板块感知、定位部分的维护工作，解决来自各部门提出的感知方面的bug。

基于已有的data标签、车型、update时间等信息对每天传来的数据进行自动筛选，保存项目急缺的数据并删除冗余或者不重要的数据，提高APA各项目的测试效率；对大量APA数据做了数据挖掘工作，主要是checker结果的数据提取与分析；利用大模型、ARS仿真系统来生成长尾场景的仿真数据。checker主要来检查生成的数据与真实数据的差距。

使用python，立足公司自研APA相关平台，提高APA各项目的测试效率。对大模型仿真数据设计算法做了后评估，所述功能均已在公司内部上线使用，因保密原因无法提供代码等。