2018年8月30日,以色列耶路撒冷——近日,英特尔子公司Mobileye与其合作伙伴杭州小驹物联科技有限公司(以下简称“小驹物联”)在以色列签署了谅解备忘录。由此,双方将建立全新的合作伙伴关系,并继续发挥各自在技术、产品和行业上的优势,共同推行Mobileye全球领先的技术和产品在杭州的广泛应用,以此帮助提升杭州的城市交通安全质量,助力杭州智慧城市建设,更为2022年杭州亚运会奠定坚实的智慧交通基础。
根据谅解备忘录的内容,Mobileye将与小驹物联在技术、数据、“Powered by Mobileye”等多个方面开展合作。双方计划可能会在杭州成立一个联合研究实验室,通过将Mobileye的(ADAS)技术,如互联的ADAS技术和预计今年年底亮相的Mobileye 8 connect等,装备于城市公交和其他车辆上,该联合实验室得以收集并分析相关道路数据,以帮助杭州绘制城市风险地图、提升道路标志线质量、优化城市道路设计以及改善基础交通设施建设等,从而帮助提升杭州市乃至浙江省的交通安全水平。
预计在2018年内,将有约500台的Mobileye产品装备到杭州的城市公交上进行试点;到2019年,包括Mobileye 630、Mobileye Shield+和Mobileye 8 connect在内的近5000台产品将会安装到杭州市内的城市公交、出租车、危运车队及教练车上;到2020年,浙江省内预计将会安装近两万台Mobileye的产品。
与此同时,Mobileye将向小驹物联提供包括Mobileye 630、Mobileye Shield+、Mobileye 8 connect和“Powered by Mobileye”在内的一系列产品的技术支持。即将于今年底上市的Mobileye 8 Connect是Mobileye的新一代后装系统,基于EyeQ4收集动态数据,可提供具有更高级别的安全性、连接和数据收集功能,从而更大规模地助力车队以及城市资产的管理。利用洞察力和专业知识,Mobileye 8 Connect的改进算法和全新安全工具套件将防撞安全和智慧城市数据收集推升至全新水准。根据此次的谅解备忘录,双方将签署新的Mobileye 8 Connect产品分销协议。
小驹物联首席执行官钟峥华表示:“作为一家专注于汽车安全驾驶的新秀企业,我们一直致力于为行业提供有竞争力的汽车驾驶行为安全解决方案、产品和服务。我们非常高兴地看到,此次与Mobileye的深入合作,不但能增强我们企业自身的竞争优势,还能帮助推动杭州的智慧城市建设,更是为2022年杭州亚运会出一份力。”
作为智慧城市及移动解决方案的一部分,双方还将依托Mobileye 8 Connect在杭州某测试区域收集的车辆行驶数据以及有关城市街道和基础设施信息,通过Mobileye的路网采集管理(REM)来制作可实时更新的、用于自动驾驶的众包高精地图,以此检验REM是否能很好地适用于中国路况,从而帮助杭州加快实现未来自动驾驶的上路测试。
英特尔子公司Mobileye中国区总经理苏淑萍表示:“Mobileye一直专注于开发和推广能保障乘客安全并减少交通事故的视觉系统。我们非常期待通过与小驹物联的合作,能为更多人的行驶安全提供保障,同时,也为杭州的智慧城市建设贡献一份力量。而在由ADAS通往自动驾驶的路上,Mobileye希望能与更多的合作伙伴及城市合作,早日实现自动驾驶的真正落地。”
应邀前来考察的杭州市市长徐立毅率团出席并见证了双方备忘录的签署。鉴于Mobileye在ADAS和自动驾驶领域里的技术实力和影响力,徐立毅市长在现场向Mobileye授牌,邀请Mobileye加入杭以技术合作平台,参与杭州的“城市智慧大脑”项目,抢抓2022年杭州承办亚运会契机,在亚运村内及重要场馆间率先实现自动驾驶的示范目标。
同时还邀请Mobileye在自动驾驶高清地图的采集和应用方面,共同探讨应用的方式和方法,为杭州城市发展带来更多前沿技术和建成行业领先案例。同行的杭州企业代表们表示会积极配合并全面参与相关的亚运会筹备工作。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。