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

製造業における人工知能の応用

資産集約型組織の中には、運用効率の向上、主要業績評価指標 (KPI) の改善、生産およびサポート プ...

より多用途で効果的なAntの自社開発オプティマイザーWSAMがKDDオーラルに採用されました

ディープ ニューラル ネットワーク (DNN) の一般化能力は、極値点の平坦性と密接に関係しています...

ブロックチェーン技術は人工知能の欠点をどのように解決できるのでしょうか?

今年の618が終わったばかりですが、宅配業者だけでなく、JDのインテリジェント配達ロボットも忙しかっ...

中国の博士が強化学習を使ってSpaceXのロケットを回収

[[435329]]この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI...

2022年のディープラーニングの5つのトレンド

ディープラーニングは、データから段階的に優れた高度な洞察を抽出するために複数の処理層を活用する人工ニ...

...

2022年に注目すべき5つのAI活用法

AI インフラストラクチャの継続的な革新と開発により、今日の仕事のやり方は変化しました。人工知能は...

ルカン氏は、今後10年間の研究計画に関する62ページの論文を発表した。AI自律知能

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...

人工知能を活用した診断・治療の現状と戦略に関する研究

1. はじめにわが国では毎年、さまざまな医療機関における診察や治療の総回数が70億回を超えており、医...

...

いくつかの典型的なアルゴリズム面接の質問に対する Java ソリューション

質問1:公共クラスtestClockwiseOutput { //行列を時計回りに印刷する @テスト...

Google の 15 のオープンソース無料人工知能プロジェクト!開発者: 了解しました

開発者は人工知能に関するオープンソース プロジェクトを数多く目にしてきたと思いますし、Github ...

...