AmapとDAMO Academyが共同で車載ARナビゲーションを導入し、従来の運転体験を覆す

AmapとDAMO Academyが共同で車載ARナビゲーションを導入し、従来の運転体験を覆す

Amapは本日、車載ARナビゲーションを共同で立ち上げるためにDAMOアカデミーと協力関係を結んだと発表した。この製品は、AutoNavi Mapの専門的な交通ビッグデータと車線レベルのナビゲーションエンジン、および両者が共同で構築した画像認識AIテクノロジー機能を使用して、実際の道路シーンと仮想ナビゲーションガイダンスを有機的に組み合わせ、ドライバーにより直感的な現実のナビゲーション体験を提供します。

この製品は、まずスマートバックミラーに適用され、機能検証が行われる予定です。その後、計器盤、中央制御画面、HUDシステムなど、より多くの使用シナリオに焦点が拡大され、さまざまなディスプレイキャリアに最適なユーザーエクスペリエンス効果が磨かれます。この製品は、複数のシナリオで使用できる中国初の車載ARナビゲーションシステムでもあると報じられている。

Amapの車載ARナビゲーションは、複雑な交差点で明確な方向案内を提供し、ユーザーが重要な交差点を見逃すことを防ぎます。

没入感のあるリアルなナビゲーション

地図ナビゲーションは現在非常に普及していますが、人々がそれを使用する際には、特に複雑な交差点では理解するのに時間がかかるなど、一定の理解コストが必要です。しかし、たとえ数秒であっても、高速で運転しているときに重要な交差点を見逃す可能性があります。

AR (拡張現実) は革新的なインタラクション方法であり、マップナビゲーションにも新しいアイデアをもたらします。従来の地図ナビゲーションとは異なり、車載ARナビゲーションは、まずカメラを使用して前方の道路の実際のシーンをリアルタイムでキャプチャし、次に車の現在の位置、地図ナビゲーション情報、シーンAI認識を組み合わせて融合計算を行い、仮想ナビゲーションガイダンスモデルを生成して実際の道路に重ね合わせることで、ドライバーの実際の視野に近いナビゲーション画面を作成し、従来の2Dまたは3D電子地図のユーザーの読み取りコストを大幅に削減します。

Amapの車載ARナビゲーションは、より直感的でタイムリーな方向指示と信号リマインダーを提供します。

AutoNavi Mapの関連製品担当者は、同社の車載ARナビゲーションは、さまざまな運転シナリオでユーザーが重要なアクションを実行できるようにガイドできると述べた。例えば、道路上では、どこで曲がるべきか、どこで車線変更や合流をすべきかを直感的にユーザーに伝えることができ、また、道路の分岐などの複雑な道路状況では、より明確な方向案内を提供し、高速走行中に判断が遅れて交差点を見逃すことを防ぎます。

さらに、Amapの車載ARナビゲーションは、通過車両、歩行者、車線、信号の位置と色、速度制限標識などの周囲環境のインテリジェントな画像認識も実行できるため、車間距離警告、車線越え警告、信号監視とリマインダー、先行車発進リマインダー、事前車線変更リマインダーなど、一連の運転安全支援をドライバーに提供し、従来の地図ナビゲーションよりも洗練された安全なサービス体験をユーザーに提供します。

スマートカーネットワーキング「ブラックテクノロジー」

業界関係者は、複雑な運転シナリオ、高い運転速度、高いリアルタイム要件により、車載ARナビゲーション技術の実装は非常に難しく、ナビゲーション精度、画像認識精度と速度、ARアルゴリズムの感度に対する要求が極めて高いと指摘した。これまでも車載 AR ナビゲーション製品はいくつか市場に出回っていましたが、データと技術が不十分だったため、体験は総じて劣悪なものでした。 Amap と DAMO Academy の Visual Intelligence Laboratory for Machine Intelligence (以下、「DAMO Academy Visual Laboratory」) は、以下の 3 つのスマートカー ネットワーキング「ブラック テクノロジー」の助けを借りて、ユーザー エクスペリエンスを大幅に向上させるための強力な提携を結成しました。

プロフェッショナルな車線レベルのナビゲーション機能。 Amapはナビゲーション分野で長年の経験を積み、非常に豊富で専門的な道路交通ビッグデータを保有しています。その道路距離は820万キロメートルを超え、道路属性情報だけでも400種類以上あります。そのリアルタイム交通状況は全国360以上の都市とすべての高速道路をカバーし、毎分発表されています。正確な道路ビッグデータと専門的なナビゲーション エンジンにより、Amap はユーザーに非常に洗練されたナビゲーション サービスを提供します。これは、AR ナビゲーションを実現するための基本的な機能でもあります。たとえば、曲がる必要がある交差点の前では、Amap はユーザーに車線レベルのガイダンスを提供することができ、最近ではさまざまな曲がり角を区別する車線レベルのリアルタイム交通情報も追加されました。

Amapの車載ARナビゲーションは、ユーザーに直感的な車線レベルのガイダンスを提供することができます。

世界をリードするインテリジェントな画像検出および認識機能。画像認識は AR ナビゲーションの中核技術です。AutoNavi Maps と DAMO Academy Visual Laboratory は協力して、車両、車線、信号機の位置や色などの道路シーンのインテリジェントな画像検出、セグメンテーション、認識、追跡を実行できる、世界をリードする画像アルゴリズム技術を結集しました。

オートナビマップの画像チームは設立以来長年にわたり地図データ分野に深く携わり、数百万キロに及ぶ実際の道路現場データを蓄積してきたことが分かっている。コンピュータービジョンとディープラーニングの技術力を頼りに、テキスト認識や衛星画像セグメンテーションなどの国際コンテストで何度も優勝している。 DAMO アカデミー ビジョン ラボラトリーは、世界をリードする自動運転用コンピューター ビジョン アルゴリズム セットである KITTI の 3 つの道路シーン セグメンテーション タスクでも 1 位を獲得しました。

Amap の車載 AR ナビゲーションは、車両、車線、速度制限標識など、さまざまなオブジェクトに対して優れた認識効果を発揮します。

さらに注目すべきは、複雑な運転シナリオや高速運転では、高速かつ正確な画像認識を実現するには膨大なコンピューティング リソースが必要になることが多い一方で、バックミラー製品や現在の車載機器のハードウェア パフォーマンスは一般的に高くないということです。製品体験を保証するために、AmapとDAMO Academy Visual Laboratoryは、マルチタスク学習、モデル量子化、転移学習などのディープラーニング技術を共同で開発・採用し、モデルの動作速度と最適化効果を向上させ、さまざまなシナリオでリアルタイムの検出と認識を実現しました。これはまた、これらの技術的機能により、Amap の車載 AR ナビゲーション ソリューションが多くの低コスト デバイスと互換性を持ち、より多くの通信事業者に適合できることも意味します。

Amap の車載 AR ナビゲーションは、前方の車両をインテリジェントに識別し、前方の車両と後方の車両間の距離を警告します。

強力な画像アルゴリズムに加えて、Amap は業界最大規模の自社収集道路画像データと大量の UGC データも保有しており、どちらも AI アルゴリズムに最も十分なデータ「栄養」を提供できます。

高度な AR 融合アルゴリズムを蓄積します。 Amap の車載 AR ナビゲーション ソリューションは、画像認識に基づいて、測位、地図ナビゲーション、道路交通ビッグデータを統合し、ナビゲーション情報を実際の画像上にリアルタイムでレンダリングして、正確で臨場感あふれるナビゲーション体験を提供します。交差点を例にとると、交差点に車線ガイドラインがないため、画像認識だけでは最適なユーザーエクスペリエンスを提供できません。 Amap は AR 融合アルゴリズムに基づいて、交差点の旋回角度に応じてガイドラインの曲率を調整し、車両の実際の旋回軌道を正確に誘導します。

プロフェッショナルな車線レベルのナビゲーション機能、世界をリードする画像インテリジェント検出および認識機能、そして深く蓄積された AR 融合アルゴリズム。これら 3 つのスマートな自動車接続「ブラック テクノロジー」は、Amap の車載 AR ナビゲーションの製品品質を効果的に保証し、運転ユーザーのナビゲーション体験に再び革命をもたらします。

継続的な製品と技術革新により、Amap はユーザーの間でますます人気が高まっています。 QuestMobile***の統計によると、先日の10月1日、Amapアプリの1日あたりのアクティブユーザー数は1億1500万人を超え、1日あたりアクティブユーザー数が1億人を超えた唯一の旅行・観光アプリとなった。自動車分野では、現在までにAmap車載版の累計ユーザー数が2,000万人を超え、導入前および導入後の協力プロジェクトが600件以上完了している。プリインストールの分野では、AutoNavi Map Car Editionは20を超える自動車ブランドの200を超えるモデルにログインしており、アフターインストールの分野では120近くのメーカーと協力し、400近くのアフターインストール車両ミラー製品の標準ナビゲーションとなっています。

<<:  AIアシスタントのユーザーエクスペリエンスは2018年に大幅に低下

>>:  顔認識の時代の準備はできていますか?

ブログ    
ブログ    

推薦する

Meta AI が Omnivore をリリース: 画像、動画、3D データの分類タスクを処理できるモデル

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

あなたのデータ戦略は GenAI に対応していますか?

AI、特に GenAI の急速な発展により、分析および IT リーダーには、データ戦略とデータ管理...

...

...

ChatGPT で半日の作業を 20 分に短縮

みなさんこんにちは、私はクン兄さんですここ数ヶ月、私はウェブサイトの開発とAI関連の知識の学習に忙し...

AIの実践、Pythonを使って自動運転を体験しよう!

設置環境Gym は、強化学習アルゴリズムの開発と比較のためのツールキットです。gym ライブラリとそ...

最高裁判所も顔認識の乱用に対して行動を起こした。

生体認証技術である顔認証は、非接触、非強制、同時性などの特徴から、ますます広く利用され、人々の生活の...

...

なぜディープラーニングには局所最小値がないのでしょうか?

この記事では主に定量的な質問に答えます。定量的な問題には主に次のような状況が含まれます。 「私の知る...

Google に行ったが、ディープラーニングはできなかった。Facebook の Tian Yuandong が人生の課題と選択について語る

初めての15分間のスピーチの準備に2か月を要し、卒業後すぐにGoogleに入社したものの歯車の一部に...

...

AI: データ駆動型企業への次のステップ

[[424113]]今日、ほとんどの人は、必要に応じて即座にビジネス イベントを感知し対応できる、デ...

Angel: 新しい分散型機械学習システム

Angel は、パラメータ サーバーの概念に基づいた分散型機械学習フレームワークであり、機械学習アル...

清華大学とアリババDAMOアカデミーが開発した業界初の少数サンプルNERデータセット

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...