先進運転支援システム（ADAS）や自動運転（AD）の開発では、訓練データセットの量と質がMLモデルの性能に直接影響します。しかし、現実世界での訓練データの収集は、時間とコストがかかり、現実世界のロジスティクスに制約されます。データアノテーションに関しては、人手によるラベリングでコストと時間がかかり、エラーも発生しやすいため、さらなる課題となります。