本文探讨了自动驾驶中的多模态3D目标检测技术，回顾了多模态融合的3D检测网络及其演变，分析了面临的挑战和解决方案。研究提出了主动学习方法以提高稀有物体检测的准确性，并展示了信息熵查询在数据选择中的有效性。

在自动驾驶数据集中，主动学习策略可以解决数据不平衡、冗余和高维数据的挑战。信息熵查询降低注释成本，提高模型性能。在nuScenes数据集上实验表明，信息熵查询在大多数案例中表现优异，特别是在减少多数类和少数类之间的性能差距方面。类别特定的分析揭示了有效配置注释资源的重要性。发现表明，在资源受限的环境中，信息熵查询是一种有前途的策略。