Uberの自動車および自動運転車向けAIソリューション

uLabel は、複雑なデータ型—LiDAR, レーダー, カメラ, センサー入力—に対する詳細なラベリングを提供し、自動運転車両モデルの学習に不可欠な役割を果たします。

視覚、深度、空間データにわたる包括的なアノテーションをサポートし、状況認識と意思決定のための統合データセットを提供します。

物体検出、道路標識、車線標示、周辺環境要素に合わせて調整したパラメータを用いて、自動運転モデルの性能を高めるデータセットを作成します。

信頼性の高いモデル学習のため、組み込みの精度チェックとAI支援型の検証により、最高品質のラベル付きデータを確保します。

uTask は、Uber の専門チーム横断で複雑なラベリングおよびテスト業務を統合的に調整・監視し、自律システム向けの大規模なデータニーズに合わせてワークフローを最適化します。

自動車・自動運転分野の専門知識を持つアノテーターにタスクを割り当て、物体、歩行者の行動、動的なシナリオのアノテーションの正確性を確保します。

プロジェクトの状況、品質指標、チームのパフォーマンスに関する洞察を得られるリアルタイムのダッシュボードを提供し、プロジェクトの完全な透明性を確保します。

自動運転のトレーニングにおける膨大なデータ要件を処理できるよう設計されているため、複雑かつマルチモーダルなデータ要件に対応してスケールします。

uTest は、都市部の交通から高速道路環境まで、多様な走行条件を再現し、実環境での負荷や例外的なケースにおいて自動運転システムをテストします。

さまざまな地域で、現地の運転規則、道路構造、気象条件を考慮し、シームレスなパフォーマンスを実現します。

実データを活用し、予測不能な状況における障害物回避、緊急ブレーキ、歩行者検知などの安全上重要な機能を検証します。

Uber のフルタイムのプログラムマネージャーが監督する AI に基づくインサイトを活用して潜在的な安全リスクを特定し、システムのパフォーマンスを最適化することで、導入リスクを低減し、法令遵守を支援します。