专访DeepMap COO罗维:自动驾驶时代,创业公司如何在高精度地图领域突围?

作者: 郑晓康 2017-05-23 18:46:56

最近,硅谷高精度地图服务商 DeepMap 宣布完成2500万美金A轮融资,本轮融资由Accel领投,天使轮投资者金沙江创投(GSR Ventures)和Andreessen Horowitz等跟投。据悉,金沙江创投和Andreessen Horowitz之前已经向该公司投入700万美元。至此,DeepMap已完成3200万美元的融资。

36氪了解到,DeepMap团队成员包括前谷歌地图、谷歌地球、苹果地图以及相关云服务、激光雷达等相关领域的专业工程师和产品负责人。DeepMap提供的无人驾驶所需的高精度地图、实时定位软件以及相关的必要云服务。目前,DeepMap正与一些汽车产业链的厂商合作,帮助他们更快的实现安全的无人驾驶技术。

如果说无人驾驶汽车的各种传感器是无人驾驶车的眼睛和耳朵,高精地图就是无人驾驶车的记忆,它的老师。无人驾驶汽车安全上路的前提是要能够对周围环境精准认识,实时辨识。在所有环境信息中,地图是最为重要的一部分,没有准确、高效的高精地图服务,无人驾驶车就不能安全上路。而传统的方法采集、绘制和维护高精地图需要很高的成本。

这就是DeepMap这类技术型创业公司的机会所在。

DeepMap COO罗维告诉36氪,DeepMap针对自动驾驶汽车需要的高精度地图推出了一个全新的解决方案,能够快速、低成本地从地图创建、地图消费再到相关云基础设施做到一条龙服务。具体来说,DeepMap将从三个方向发力:

  • DeepMap将提供3D厘米级的高精度地图;

  • DeepMap将会助力自动驾驶汽车“消费”高精度地图;

  • DeepMap将提供必要的云服务基础设施。

我们熟知的是,诸如Here、TomTom等图商一直盘踞着各自的市场,面对这些巨头,DeepMap的核心竞争力是什么?

罗维告诉36氪,传统的图商如Here地图在自动驾驶时代仍然维持着传统的商业模式,换句话说,他们只在上述***条“提供高精度地图”上进行投入。而助力自动驾驶汽车“消费”高精度地图和必要的云服务基础设施才是未来高精度地图领域最复杂和费力去做的开拓性工作。DeepMap将整合包括激光雷达、摄像头在内的多种传感器感知数据,将采集来的数据转换为汽车可“理解”的高精度地图。DeepMap会向车企合作伙伴开放一套API接口,助力合作伙伴的自动驾驶汽车更好的“消费”高精度地图。对比竞品,DeepMap平台中的车辆可以彼此之间共享信息,地图能够实时更新。同时汽车传输到云端的数据会进行高效的处理,并进行与云端和无人驾驶汽车实时反馈,该技术使得高精度地图有机会大规模而低成本的应用于无人驾驶汽车上。

DeepMap CEO吴夏青表示:“无人驾驶汽车的社会意义是相当重大的。但要让无人驾驶汽车在现实世界没有阻碍的跑起来,精准的绘图和定位技术是必要的前提,并且要保证其能安全、高效运行。解决这个问题要耗费大量时间和金钱。DeepMap与汽车行业合作,更快、更高效地实现他们的自动驾驶研发目标,并且帮助它们降低风险,节省成本。”

Andreessen Horowitz的合伙人Martin Casado说到:“自动驾驶汽车将会为我们的未来带来天翻地覆的变化。要实现无人驾驶,高清地图、实时定位软件以及相关必要云服务缺一不可。我非常高兴能与DeepMap团队合作。他们有多年的地图技术,产品远见,和海量大数据云服务的经验。”

除了大牌云集的投资方,正如CEO吴夏青提到的,DeepMap在高精度地图的绘制上实质上是采取了众包思路,这一思路也被认为是发展高精度地图的行业共识。罗维告诉我们,目前已经有几家大型车企和Tire 1供应商对DeepMap的技术表现出浓厚兴趣,相关的合作也在洽谈中。

在DeepMap看来,要想为自动驾驶汽车提供高质量、高精度的地图和定位向导,团队需要具备多样的技术实力,包括测绘、传感器融合、机器学习、计算机视觉、SLAM(即时定位与地图构建)、 几何建模,以及云架构搭建等等。DeepMap团队集合了各上述技术领域的世界***人才,这也是罗维一直在强调的DeepMap的竞争力。此轮融资后,DeepMap将进一步扩大和优化其高精度绘图和定位技术平台,并继续吸纳地图测绘和自动驾驶领域的人才以扩充团队规模。

从国内的地平线机器人,到国外的Argo.ai、Aurora,技术高管出走创办创业公司俨然成为新潮流。投资人青睐、来自苹果、谷歌、百度的核心团队,你觉得DeepMap能掀起多大的风浪?

DeepMap 人工智能
上一篇:用深度学习快速人脸建模 下一篇:深度学习的难点:神经网络越深,优化问题越难
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载