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。

通过连续平滑的运动改进了准确性、效率和注释成本。通过预测对象位置、减少特征计算和注释关键帧，提高了计算效率、注释效率和均值平均精度。该研究在四个数据集上进行了实验，并提供了源代码。