RoboTaxi時代正在到來,科幻電影中的自動駕駛離我們的距離正在快速接近。但是,自動駕駛真正落地還有重重阻隔,首當其沖的便是能否保證車輛安全行駛的問題。

今年是自動駕駛商業化全面開花的一年。

年初,十一部委聯合發布《智能汽車創新發展戰略》,將智能汽車列入頂層發展規劃,緊接著3月份自動駕駛分級標準也進行了公示;

4月,時值百度Apollo開放平臺發布3周年之際,Apollo RoboTaxi服務上線百度地圖及百度APP智能小程序,成為國內首個通過國民級應用向公眾開放的自動駕駛出租車服務;

同月,高德與國內自動駕駛代表性企業AutoX合作推出RoboTaxi(自動駕駛出租車)項目,面向上海公眾開放體驗。

6月,高德又與自動駕駛出行企業文遠知行達成合作,向廣州市民開放RoboTaxi運營服務。

就在前幾天,滴滴出行首次面向公眾開放自動駕駛服務,通過滴滴App線上報名,審核后就能在上海測試路段免費呼叫自動駕駛車輛進行試乘;

……

前有百度,后有高德、文遠知行、AutoX、滴滴等自動駕駛代表企業,RoboTaxi(自動駕駛出租車)賽道如今充斥著布局自動駕駛商業化落地的各方勢力。

一份來自安信證券的研報認為,從國內RoboTaxi覆蓋的城市來看,廣州、長沙、上海等一線城市已經逐步落地,北京、蘇州等地也在積極籌備,RoboTaxi在國內已成星火燎原之勢,2020年將是RoboTaxi規模化運營的元年。

自動駕駛:場景化AI數據成必爭之地

RoboTaxi時代正在到來,科幻電影中的自動駕駛離我們的距離正在快速接近。但是,自動駕駛真正落地還有重重阻隔,首當其沖的便是能否保證車輛安全行駛的問題。

在自動駕駛的過程中,汽車本身需要具備感知、策劃、決策、控制等一些列能力,而數據則是培養自動駕駛AI能力的重要因素,數據標注存在的意義是讓機器理解并認識世界。與其他人工智能應用場景相比,智能駕駛的落地場景相對復雜,想要讓汽車本身的算法做到處理更多、更復雜的場景,背后就需要有海量的真實道路場景數據做支撐。

AI數據是整個人工智能行業的燃料,它在智能駕駛領域的重要性毋庸置疑。但現實情況是缺乏獲得大量且高質量數據的渠道。一方面數據標注本質上是要獲得更準確,更精細化的數據結果,而場景化的道路數據缺失、數據標注質量良莠不齊,以及數據隱私安全問題成為自動駕駛面臨的三大痛點。

▲圖片來源:云測數據

為解決這些行業性問題,國內AI數據服務頭部企業云測數據,通過提供場景化的AI數據,來滿足智能駕駛領域高標準的數據需求。

據公開資料顯示,云測數據為了滿足智能駕駛領域不同場景的特殊需求,業內首創了“數據場景實驗室”模式,通過還原多種智能駕駛細分場景,以解決特定場景下的數據缺失、質量良莠不齊等行業問題。一方面,在場景下的定制化數據采集更加精準、數據質量更高,另一方面,定制化的場景數據也與智能駕駛需求端的匹配度更高,從而最大化將數據轉化為生產力。

云測數據總經理賈宇航在接受媒體采訪時曾表示:“當前的自動駕駛所需數據需求,正向著多模態的方向發展。所謂多模態,即是對多維時間、空間、環境數據的感知與融合。比如當前的自動駕駛需要雷達+攝像頭才能跑得更穩,相對應的,就需要2D/3D融合標注工具。”

▲圖片來源:云測數據