轻地图+数据闭环加速落地,觉非科技获多家头部车企定点

news2024/11/16 21:33:31

‍作者 |张祥威

编辑 |德新

79c1ffe58416c1c07e9183190b155a0e.jpeg

智能驾驶日益普及,「轻地图」和「数据闭环」成为各家能力比拼的关键,车企对此的需求也逐渐迫切。

11月16日,觉非科技宣布已与多家头部主机厂达成量产定点合作,围绕轻地图与数据闭环服务,支撑标杆车型在2024年的量产交付。

觉非科技已经构建了适用于全场景智能驾驶数据闭环能力的量产方案。

比如,今年4月,觉非科技就发布了“基于BEV的数据闭环融合智能驾驶方案”,通过量产车BEV的实时感知结果的复用,提供完整的城市Map-Lite及Map-Free数据闭环融合解决方案

继针对城市NOA方案推出后,11月14日,觉非科技又再次推出了面向高速场景的“轻地图高速NOA智驾方案”。

该方案携手地平线与MobileDrive超捷,三方联合首次实现了从芯片能力输出、到数据闭环建设、再到规控部署的产业生态链协作与打通,为低成本高速NOA方案的落地与量产提供了技术保障。

自动驾驶已经进入数据驱动的3.0时代,软件大模型与数据引擎应用将成为产业的底层新基建,数据将成为决定模型能力上限的关键。

 

一、数据闭环加持,加速全场景智能驾驶落地

觉非科技定位自动驾驶感知决策算法与数据服务商,主要围绕城市智能驾驶、高速智能驾驶、封闭园区智能驾驶三大应用场景提供智驾方案。

基于在车端与路端不断积累的真实交通数据,觉非可以高效获取有价值和有挑战性的Corner Case场景数据库,结合觉非自研的数据中心供给BEV感知大模型实现算法的快速迭代。

e5470d2cba24ab2d9830930428e8e5ce.jpeg

在数据闭环的搭建过程中,觉非的融合定位与感知闭环系统覆盖了车端与路端,构建了适用于全场景智能驾驶数据闭环能力的量产方案。

觉非还与具备甲级电子导航地图资质的企业建立了深度战略合作,打通了包括数据合规采集、脱敏回传、自动标注、量化训练、OTA等多个环节在内的数据闭环,通过高度自动化的数据处理方式与运行效率,可以不断提升自动驾驶感知和路网模型的迭代。

此次多家主机厂对觉非的定点,意味着其数据闭环路线得到了产业生态的认可,随着其闭环模式与轻地图方案将逐步实现规模化量产,大量工程化积累也将得到商用验证。

高可靠算法、车规级解决方案、高自动化的数据处理能力等融合而成的技术实力,以及低成本综合方案带来的量产能力,成为了主机厂选择觉非合作的关键之一。

觉非科技联合创始人与技术合伙人刘斌表示:「在广度上,觉非将继续强化数据闭环服务能力的通用性。在深度上,将加速数据闭环在乘用车产品的量产,通过工程化能力成为客户更具竞争力的选择。」

 

二、基于数据闭环,提供「轻地图」方案

在轻地图的搭建过程中,觉非科技将量产车数据与数据闭环能力进行结合,搭建了数据集实时处理平台级工具链服务。

c0c584116d96a9be8c44a94a853ab651.jpeg

通过深度学习算法、SLAM语义建图、GIS处理技术,可覆盖高快道路、城市道路及停车场等多种典型场景,以低成本解决地图数据时效和覆盖的问题,完成城市自动驾驶落地的最后一块拼图。

觉非科技CEO李东旻表示:“重感知轻地图的大模型技术路线是目前乘用车高阶智能驾驶高度共识的解决方案。觉非将依托数据闭环服务及工程化能力,进一步丰富和完善生态合作链,加速产业在数据时代的发展。”

城市NOA时代下,数据闭环、随着高阶自动驾驶迈向城区量产场景,“BEV+数据闭环”成为了最新一代自动驾驶量产系统的核心架构,数据闭环能力、「轻地图」能力,将成为城区自动驾驶时代决胜的关键。

基于觉非「数据闭环」和「轻地图」方案的标杆车型量产交付后,势必会加速智能驾驶商业化量产的发展。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1222753.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

人工智能Keras的第一个图像分类器(CNN卷积神经网络的图片识别)

CNN卷积神经网络是人工智能的开端,CNN卷积神经网络让计算机能够认识图片,文字,甚至音频与视频。CNN卷积神经网络的基础知识,可以参考:CNN卷积神经网络 LetNet体系结构是卷积神经网络的“第一个图像分类器”。最初设计用于对手写数字进行分类,上期文章我们分享了如何使用k…

.Net6 部署到IIS示例

基于FastEndpoints.Net6 框架部署到IIS 环境下载与安装IIS启用与配置访问网站 环境下载与安装 首先下载环境安装程序,如下图所示,根据系统位数选择x86或者x64进行下载安装,网址:Download .NET 6.0。 IIS启用与配置 启用IIS服务 打开控制面板&#xff…

深度学习基础知识——从人工神经网络开始

一、介绍 您知道第一个神经网络是在 20 世纪 50 年代初发现的吗? 深度学习 (DL) 和神经网络 (NN) 目前正在推动本世纪一些最巧妙的发明。他们从数据和环境中学习的令人难以置信的能力使他们成为机器学习科学家的首选。 深度学习和神经网络是自动驾驶汽车、图像识别软…

AI先行者第三辑:石油专家正在加速“吸入”AI养分

AI对于石油行业而言,绝不是一个非此即彼、非黑即白、有用或者无用的简单命题,而是一个如何不断深入去提升效率,逐步证明自己价值的过程。 本篇作者安鹏,中国海洋石油集团有限公司信息技术中心 技术中台工程师;AICA首席…

22款奔驰S450L升级钢琴内饰板 完美的融合进去

钢琴拉丝桃木面板装车让人眼前一亮,内饰的豪华度和高级感立马提升一个等级,带条纹的亮面烤漆,温润高端。 为什么升级更换桃木饰板?因为升级桃木饰板可以更换掉一些镀铬银色的装饰件,这样就可以让整车的豪华感大大的提升…

qt library创建和使用

1、创建library 2、修改library中的代码 3、把library进行编译,编译后会生成相关文件 4、把编译后的文件拷贝到主程序目录下面。 5、并把library中的testlib头文件拷贝到主程序,并在pro文件加入(这里在后面使用library中函数有关&#xff0…

基于LeNet实现手写体数字识别实验

目录 1 数据 1.1 数据预处理 2 模型构建 2.1 自定义算子实现 2.2 Pytorch框架实现 2.3 测试两个网络的运算速度 2.4 两个网络加载同样的权重,两个网络的输出结果是否一致? 2.5 计算模型的参数量和计算量。 3 模型训练 4 模型评价 5 模型预测 总结…

专攻数学的Prompt:使GPT-3解数学题准确率升至92.5%

专攻数学的Prompt:使GPT-3解数学题准确率升至92.5% 写在最前面示例(试过了,难点的和普通输出差不多;只能说,比简单的题目输出内容更丰富一些)MathPrompter解题示例 机理MathPrompter是怎么工作的&#xff0…

秋招算法高频算法笔试题

自己在秋招过程中遇到的算法笔试题,包含中大厂,都附解析! 汽水瓶 如果汽水瓶数目为1或者0,那么一瓶都喝不到 如果汽水瓶数目为2或者3,那么只能喝到一瓶 如果为2,喝到一瓶后手里一个瓶子都没有了&#xff…

Flume学习笔记(3)—— Flume 自定义组件

前置知识: Flume学习笔记(1)—— Flume入门-CSDN博客 Flume学习笔记(2)—— Flume进阶-CSDN博客 Flume 自定义组件 自定义 Interceptor 需求分析:使用 Flume 采集服务器本地日志,需要按照日志…

for,while,do-while,死循环,嵌套循环,跳转关键字,随机数

1.for循环 public class ForDemo1 {public static void main(String[] args) {for (int i 0; i < 5; i) {System.out.println("HelloWorld");}System.out.println("--------------------------------------------");for (int i 1; i <10 ; i) {Sy…

SELF-RAG: 让LLM集检索,生成跟评判等多种能力于一身

SELF-RAG: 让LLM集检索&#xff0c;生成跟评判等多种能力于一身 提纲 1 简介 2 SELF-RAG 3 实验结论 4 讨论 参考文献 1 简介 尽管基础能力出众&#xff0c;但是大模型只能依赖于被压缩到模型参数中的知识&#xff0c;所以经常会生成不符合事实的回复。针对这种事实性错…

【LeetCode刷题-滑动窗口】-- 795.区间子数组个数

795.区间子数组个数 class Solution {public int numSubarrayBoundedMax(int[] nums, int left, int right) {return lessEqualsThan(nums,right) - lessEqualsThan(nums,left - 1);}private int lessEqualsThan(int[] nums,int k){int len nums.length;int res 0,left 0,ri…

wpf devexpress 绑定数据编辑器

定义视图模型 打开前一个项目 打开RegistrationViewModel.cs文件添加如下属性到RegistrationViewModel类 [POCOViewModel] public class RegistrationViewModel {public static RegistrationViewModel Create() {return ViewModelSource.Create(() > new RegistrationVie…

抖音直播招聘报白是一种新颖、高效的招聘方式增加曝光度和吸引力

总之&#xff0c;抖音招聘是一种新颖、高效的招聘方式&#xff0c;它可以为公司带来更大的曝光度和吸引力&#xff0c;帮助公司吸引更多优秀的人才。通过抖音直播招聘报白&#xff0c;企业或者人力资源公司可以利用抖音的短视频流量红利&#xff0c;触达到每天超过8亿的活跃用户…

移动机器人路径规划(四)--- 考虑机器人模型下的运动规划KINODYNAMIC PATHFINDING

目录 1 动力学概念简介 2 State Lattice Planning 3 Boundary Value Problem 4 混合A*算法 Hybrid A* 5 Kinodynamic RRT* 1 动力学概念简介 一种生成机器人的运动同时受限制于运动学的约束&#xff08;避障&#xff09;以及动力学的约束&#xff08;在速度加速度力的约束…

wpf devexpress 创建布局

模板解决方案 例子是一个演示连接数据库连接程序。打开RegistrationForm.BaseProject项目和如下步骤 RegistrationForm.Lesson1 项目包含结果 审查Form设计 使用LayoutControl套件创建混合控件和布局 LayoutControl套件包含三个主控件&#xff1a; LayoutControl - 根布局…

若依启动步骤

1.创建数据库 2.启动redis 3.改后端的数据库连接配置 4.配置redis redis的地址&#xff1a;cmd中ipconfig命令查看 6.启动后端&#xff1a;如下 7.启动前端ruoyi-ui中 先运行npm install&#xff0c;再npm run dev。项目就启动成功了。 用户名&#xff1a;admin 密码&#x…

Springboot更新用户头像

人们通常(为徒省事)把一个包含了修改后userName的完整userInfo对象传给后端&#xff0c;做完整更新。但仔细想想&#xff0c;这种做法感觉有点二&#xff0c;而且浪费带宽。 于是patch诞生&#xff0c;只传一个userName到指定资源去&#xff0c;表示该请求是一个局部更新&#…

11.5MyBatis(进阶)

一.${}和#{} 1.$是直接替换,#是预处理(使用占位符,替换成?).前者不安全(SQL注入), 后者安全. 2.$的使用场景: 如果传递的值是sql的关键字,只能使用$,不能使用#(asc,desc). 二.SQL注入 注意: 如果使用${}进行传参,一定要是可以穷举的,并且要进行安全性验证(例如排序,只能传a…