Glydways 透過 Uber 人工智慧團隊解決方案建立首個行人偵測模型
瞭解自動駕駛車輛公司 Glydways 如何建立可擴展的光學雷達 (LiDAR) 資料管道，以開發關鍵感知能力。
2026 年 9 月 2 日 | 美國
Executive Summary
自動駕駛公司 Glydways 需要建立首個行人偵測模型時，該公司與 Uber 人工智慧團隊解決方案合作，建立可擴展的光學雷達 (LiDAR) 資料管道，使該公司能夠開發關鍵感知能力，並在不到一季的時間內完成部署。
主要成果
99%
兩個月內達成標註準確率
20,000+
已標示的光學雷達畫面
40%
標註作業中的預估成本節省
部署作業需要可靠的行人偵測能力
Glydways 建構了一種名為「流動網路」的新型城市交通方式。它將專用自動駕駛車輛、即時協調系統和專用導軌整合到網路中，使乘客可以按需出行而無需停靠，並以公共交通票價提供個人化出行服務。
「
若無法在整個系統中以可信賴的方式偵測行人，我們就無法部署系統。
」
Farshid Moussavi
Glydways 感知技術主管
由於早期訓練資料有限，每個註解都很重要。Glydways 需要的不僅是標記能力。隨著感知模型的發展，該公司需要一個能夠一致地生成高品質訓練資料的操作流程。
正如 Moussavi 所解釋的：「光達點雲的 3D 標記很複雜，特別是在較遠的範圍，目標上的點較少。」
制定註解標準、品質保證工作流程，以及協作審查機制
Glydways 並沒有從零開始建立這項能力，而是與 Uber 人工智慧團隊解決方案合作，建立可擴展的資料作業。
「
Uber AI 解決方案在品質、回應速度、能力、內部工具，以及大規模 3D 標記方面的既有經驗，都相當令人信服。
」
Farshid Moussavi
Glydways 感知技術主管
團隊共同制定註解標準、品質保證工作流程，以及協作審查流程，持續改善標記品質，同時提升效率。工作流程實驗有助找出速度與精準度之間的最佳平衡，而有關資料收集和註解策略的建議，則強化了整體訓練資料集。
「
各團隊之間保持開放溝通並攜手合作，是及早發現問題並維持穩定進展的關鍵。與 Uber AI 解決方案合作，是我與資料標籤合作夥伴合作以來最順暢的一次體驗。
」
Farshid Moussavi
Glydways 感知技術主管
建立可重複的感知開發能力
此合作關係不僅產生了高品質的資料集，還建立了可重複的營運能力，可供未來的感知開發使用。
「
Uber AI 解決方案協助我們取得第一個由外部團隊標記的行人資料集，進而首次在內部完成行人偵測器的訓練與部署。
」
Farshid Moussavi
Glydways 感知技術主管
此次合作還建立了一個結構化的管道，用於資料擷取、註解和品質審查，方便 Glydways 在擴展至新的感知情境時，可以繼續使用。
擴展至更多物件類別與任務
建立經過驗證的資料管道後，Glydways 就能有信心將感知能力擴展至更多物件類別和任務，並因應日益複雜的運作環境。Moussavi 在總結此次合作時表示：「最有價值的成果，是建立了一套可靠且高品質的資料標籤管道，以及在未來任務中值得信賴的合作夥伴關係。」
「
Uber AI 解決方案大幅提升團隊效能，同時延伸團隊能力，對於打造安全可靠的機器學習系統至關重要。
」
Farshid Moussavi
Glydways 感知技術主管
對 Glydways 來說，合作不僅僅是標記資料。隨著公司的自動駕駛公共交通平台持續發展，此合作奠定了建立、改善和擴展感知模型所需的營運基礎。
瞭解 Uber AI 解決方案如何與貴企業合作，攜手推動 AI 發展。
客戶推薦內容反映個別成效。個別成效無法保證任何特定客戶皆能達到相同結果，實際體驗可能因客戶而異。