01 前言 隨着自動駕駛技術的日益升級，以UniAD、FSD V12為代表的“端到端”架構正重構行業格局。這一架構試圖通過單一神經網絡直接建立從傳感器輸入到車輛控制的映射，從而突破傳統模塊化累積誤差的侷限。 然而端到端模型對數據分佈的廣度與深度均有着高要求，尤其是對缺乏歸納偏置的Transformer架構而言，“數據規模”與“場景覆蓋度”可謂直接決定了模型上限。
隨着智慧工地與無人化施工技術的推進，隧道施工裝備的數字化轉型已成為行業焦點。近期，在和眾多該類客户的溝通過程中，我們觀察到了一些被頻繁提到的客户需求和場景痛點，針對於此，以隧道運輸設備——MSV膠輪車為例，本文為該類客户量身定製了一套高性能多模態數據採集方案。 本文將從客户的實際痛點出發，詳細拆解如何在無GPS信號、環境惡劣的隧道場景中，實現高精度、多傳感器的數據融合與採集
