稀疏度灾难 (Curse of Rarity) 是自动驾驶领域中的一个关键科学问题，指的是在真实驾驶环境中，安全攸关事件（如交通事故）的发生概率极低，导致这些事件在驾驶数据中极为稀疏，从而使得深度学习模型难以学习到这些事件的特征。随着安全攸关事件的稀疏度增加，深度学习梯度的估计方差会指数增加，这就需要更多的数据和计算量来训练模型，从而严重阻碍了模型在安全攸关任务中的学习能力。
稀疏度灾难的概念是由清华大学助理教授封硕和密歇根大学 Mcity 主任、讲席教授刘向宏 (Henry Liu) 在国际上首次提出的。他们的研究成果「Curse of rarity for autonomous vehicles」作为评论文章发表在 Nature 子刊「Nature Communications」上。
这项研究还提出了三种解决稀疏度灾难的技术路线：