跳到主要內容

提升自駕車在測試場以外的表現

使用資料標註工具,並由瞭解真實世界複雜性的專家協助,為您的自動駕駛系統做好因應各種路況的準備。

為何要選擇適用於自動駕駛車輛 (AV) 的 Uber AI 解決方案?

運用 Uber 的汽車 AI 專業知識和十年來解決自動駕駛極端案例的機器學習 (ML) 經驗,加快整個自動駕駛系統的資料準備速度。

黑色背景上的紫色速度錶圖示,圓形錶盤的指針指向右上。

加速自動駕駛汽車開發

運用多元的真實世界駕駛資料集、多重感測器標記工具及進階測試架構,在複雜環境與不同法規環境中提升 AI 準確度。

白色背景上並排顯示兩個風格化的紫色人物,每個人的頭部都是圓形,身體呈曲線狀。

諮詢領域專家

委託項目經理與您的機器學習和自動駕駛車輛工程師合作,以確立專案目標、建立標記準則、監控極端案例,並與專業標記人員合作,進行高精確度的標記作業。

紫色分享圖標,由三個相連的圓圈組成,背景透明。

依據您的藍圖擴大營運規模

隨著自動駕駛車輛計畫的發展,透過工具、工作流程、專家和全球市場的全面支援,長期擴大您的標記能力和效率。

「
Uber AI 解決方案大幅提升團隊效能,同時拓展團隊能力,對於打造安全可靠的機器學習系統至關重要。

」

Farshid Moussavi

Glydways 感知部門主管

將複雜的真實世界資料轉換為高品質的學習訊號,供您的模型使用

擴大極端情況覆蓋範圍

透過行車記錄器收集 L2 和 L3+ 資料集,為您的自動駕駛車輛、電腦視覺 (CV) 和視覺語言動作 (VLA) 模型提供支援,以應對嘈雜環境、物件偵測和場景理解等挑戰。

時尚的自駕車頂部裝有感測器,停在繁忙的城市斑馬線旁,行人和自行車騎士陸續通過。

使用多重感測器工具降低不確定性

透過多感測器標記和 3D 點雲標記 (長方體、關鍵點、多邊形、折線、分割),為 LiDAR、RGBD、相機、雷達、影片和地圖資料進行標註。

在都市景觀中,一台白色車輛的車頂上安裝著黑色攝影機或感測器的特寫鏡頭。

改進自動駕駛汽車決策背後的數據

使用專為自動駕駛車輛設計的工作流程、專家審查、品質控管,以及持續更新的標記準則和工作流程,在情境有所變化時仍能產生一致的資料。

白天,一輛裝有感測器的自動駕駛汽車在城市交通中行駛,與自行車道上的騎車人並排而行。

常見問題

Uber AI 解決方案 (UAIS) 可支援哪些汽車 AI 資料格式?

Uber AI 解決方案支援自動駕駛、電腦視覺 (CV) 和視覺語言動作 (VLA) 模型,所使用各種感測器模式的 AI 資料作業,包括相機、LiDAR、雷達、影片和其他多模態資料集。我們也會使用感知標籤技術進行地圖標籤作業,例如在點雲中標記道路邊緣的折線和多邊形以及車道線,並進行逐一影格 2D 影片強化,以提供複雜場景的推理能力。

Uber AI 解決方案是否會建置自動駕駛軟體或 AI 模型?

不會。Uber AI 解決方案不會建置自動駕駛車輛、感知軟體或自動駕駛技術堆疊。您的工程團隊仍負責模型架構、訓練和部署。UAIS 提供託管式 AI 資料作業,協助提升模型的準備程度,藉此支援這些工作。

汽車人工智慧團隊何時應該與 Uber AI Solutions 合作?

工程師在 AI 開發初期會選擇 Uber AI Solutions。我們的專案經理可與您的團隊協作,協助建立符合專案目標所需的資料服務作業。

讓我們一起打造更優質的人工智慧

請與我們分享您的自動駕駛車輛專案。我們會向您顯示能助您達成目標的資料。