[特斯拉] 特斯拉13万年薪招数据标注员 朝九晚五 无需AI经验
所以呢，标注员也得懂交通规则，能判断路况合法性的标注，才能训练出真正理解路况的模型。
Optimus这边，也有个细节值得注意：JD中首次提到了「Optimus Data Collectors」。
这也是特斯拉第一次在公开招聘中，把人形机器人的数据采集设备与车队数据并列。
这说明了啥？
说明Optimus已经在工厂或测试场地部署了专门的数据采集设备，正在大规模回传原始素材等待人工标注。
这也说明，Optimus和FSD共享底层数据基础设施，同一个标注团队、同一套工具、同一个pipeline。
而Optimus需要的多模态数据，涵盖视觉、触觉和姿态，复杂程度比自动驾驶更高，所以同一个数据引擎需要扩产能。
马斯克一直坚持纯视觉路线，没有激光雷达兜底，这意味着特斯拉对标注质量的要求比任何竞品都严。
它不能靠其他传感器交叉验证，只能靠标注员画出来的框足够准。
看到这里你可能想问：特斯拉为啥不外包呢？
按理来说，Scale AI、Appen这些专业标注机构已经非常多了，特斯拉不是非得自己做这些吧。
但这个问题，JD里也已经回答了：
首先是数据保密。
车队回传的是生产环境的真实数据，包含用户驾驶的真实场景。这些数据不能流出特斯拉的防火墙。
自建团队、内部工具、现场办公，这就是三道保险。
其次是标注标准的一致性。
外包团队流动性高，培训成本高，标准容易漂移。
特斯拉要求标注员懂交通规则，因为车道线的标注逻辑、复杂路口的判断标准，只有真正理解路况的人才能做对。
此外还有工具迭代的闭环。
JD里专门写了一条：标注员要参与改进标注工具。
这也是只有自建团队才能做到的数据飞轮，一线反馈直接回流到工具开发。
标注员发现问题，工具随之迭代，数据质量持续提升。
[物价飞涨的时候 这样省钱购物很爽]
还没人说话啊，我想来说几句
Optimus这边，也有个细节值得注意：JD中首次提到了「Optimus Data Collectors」。
这也是特斯拉第一次在公开招聘中，把人形机器人的数据采集设备与车队数据并列。
这说明了啥？
说明Optimus已经在工厂或测试场地部署了专门的数据采集设备，正在大规模回传原始素材等待人工标注。
这也说明，Optimus和FSD共享底层数据基础设施，同一个标注团队、同一套工具、同一个pipeline。
而Optimus需要的多模态数据，涵盖视觉、触觉和姿态，复杂程度比自动驾驶更高，所以同一个数据引擎需要扩产能。
马斯克一直坚持纯视觉路线，没有激光雷达兜底，这意味着特斯拉对标注质量的要求比任何竞品都严。
它不能靠其他传感器交叉验证，只能靠标注员画出来的框足够准。
看到这里你可能想问：特斯拉为啥不外包呢？
按理来说，Scale AI、Appen这些专业标注机构已经非常多了，特斯拉不是非得自己做这些吧。
但这个问题，JD里也已经回答了：
首先是数据保密。
车队回传的是生产环境的真实数据，包含用户驾驶的真实场景。这些数据不能流出特斯拉的防火墙。
自建团队、内部工具、现场办公，这就是三道保险。
其次是标注标准的一致性。
外包团队流动性高，培训成本高，标准容易漂移。
特斯拉要求标注员懂交通规则，因为车道线的标注逻辑、复杂路口的判断标准，只有真正理解路况的人才能做对。
此外还有工具迭代的闭环。
JD里专门写了一条：标注员要参与改进标注工具。
这也是只有自建团队才能做到的数据飞轮，一线反馈直接回流到工具开发。
标注员发现问题，工具随之迭代，数据质量持续提升。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: