Glydways、Uber AI Solutions と初の歩行者検知モデルを構築
自動運転車開発企業 Glydways が、不可欠な認識機能を開発するために、拡張性の高い LiDAR（光検出・測距）データパイプラインをどのように構築したのかをご紹介します。
2026 年 9 月 2 日 | 米国
エグゼクティブサマリー
自動運転モビリティ企業の Glydways は、初の歩行者検知モデルの構築に取り組むにあたり、Uber AI Solutions と提携して拡張性の高い LiDAR データパイプラインを構築しました。これにより不可欠な認識機能を開発し、3 か月足らずで導入することができました。
主な結果
99%
アノテーション精度を2か月以内に実現
20,000以上
LiDARフレームのラベル付け完了
40%
ラベリングにおける推定コスト削減額
Deployment requires reliable pedestrian detection
Glydways builds a new category of urban mobility called Flow Networks. It integrates purpose-built autonomous vehicles, real-time orchestration, and dedicated guideways into networks that move riders on-demand without stopping, delivering personal rides at transit fares.
“
We cannot deploy our system without reliably detecting pedestrians throughout our entire system.
”
Farshid Moussavi
Head of Perception, Glydways
初期段階ではトレーニングデータが限られていたため、1 つひとつのアノテーションが重要でした。Glydways に必要だったのは、単にラベリングの処理能力だけではありませんでした。認識モデルの進化に合わせて、一貫して高品質なトレーニングデータを生成できる運用プロセスが必要でした。
Moussavi 氏は次のように説明しています。「LiDAR 点群の 3D ラベリングは複雑です。 特に遠距離では対象物を構成する点が少なくなるため、難易度がさらに高まります」
アノテーション基準、QA ワークフロー、共同レビューの確立
こうした体制をゼロから構築するのではなく、Glydways は Uber AI Solutions と提携し、拡張可能なデータ運用体制を構築しました。
“
Uber AI Solutions' quality, responsiveness, capabilities, internal tooling, and prior experience with 3D labeling at scale were all compelling.
”
Farshid Moussavi
Head of Perception, Glydways
両チームは、アノテーション基準、品質保証ワークフロー、共同レビュープロセスを策定し、効率を高めながらラベリング品質を継続的に改善しました。ワークフローを試行することで、スピードと精度の最適なバランスを見極めました。また、 データ収集やアノテーション戦略に関する提案により、トレーニングデータセット全体の品質も向上しました。
“
Open communication and teamwork across teams were key to identifying issues early on and maintaining steady progress. Working with Uber AI Solutions is the smoothest experience I've ever had working with a data labeling partner.
”
Farshid Moussavi
Head of Perception, Glydways
認識機能開発を継続的に支える運用体制の確立
この提携によって得られたのは、高品質なデータセットだけではありません。今後の認識機能開発にも繰り返し活用できる運用体制が確立されました。
“
Uber AI Solutions enabled us to get our first externally labeled dataset for pedestrians. This led to our first internally trained and deployed pedestrian detector.
”
Farshid Moussavi
Head of Perception, Glydways
この取り組みにより、データの取り込み、アノテーション、品質レビューを一貫して行うための体系的なパイプラインも構築されました。Glydways は、今後新たな認識シナリオに対応する際にも、このパイプラインを継続して活用できます。
追加のオブジェクトクラスおよびタスクへの拡張
実績のあるデータパイプラインが整ったことで、Glydways は認識機能を新たなオブジェクトクラスやタスクへ拡張し、さらに複雑な運用環境にも自信を持って対応できるようになりました。今回の協業について、Moussavi 氏は次のように振り返っています。「もっとも価値のある成果は、信頼性が高く高品質なラベリングパイプラインと、今後のタスクでも頼れるパートナーシップを確立できたことです」
“
Uber AI Solutions is a force multiplier and extension of our team that is critical to delivering a safe, reliable ML-based system.
”
Farshid Moussavi
Head of Perception, Glydways
Glydways にとって、この取り組みは単にデータをラベリングするだけのものではありませんでした。自動運転交通 プラットフォームの進化に合わせて、認識モデルを構築、改善、拡張していくための運用基盤を確立する取り組みでもありました。
企業のパートナーとして、Uber AI Solutions が AI の活用をどのように前進させられるかをご覧ください。
お客様の声は個々の結果を反映したものです。特定のお客様に対する結果を保証するものではなく、実際の体験はお客様によって異なります。