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。
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。
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。
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。
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。
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。
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。