211service.com
Nie ma Map Google dla samochodów autonomicznych, więc ten startup je buduje
MEGXIN LI Mengxin Li
Samojezdne samochody poruszają się za pomocą zarówno czujników pokładowych, które wykrywają przeszkody, jak i szczegółowych, trójwymiarowych map ulic, znaków i infrastruktury. Ale tworzenie tych map i aktualizowanie ich to ogromne przedsięwzięcie. Mapper.ai , startup z siedzibą w San Francisco, chce uprościć ten proces za pomocą usługi, która zapewnia stale aktualizowane mapy na żądanie.
Usługa, która zostanie uruchomiona publicznie w przyszłym tygodniu, pozwala firmom wybrać dowolne miejsce na świecie, które chcą zmapować, pod warunkiem, że ma drogi publiczne. Mapper następnie wynajmuje lokalnych kierowców do zbierania danych geograficznych, konwertuje dane na mapy 3D i sprzedaje mapy — oraz późniejsze aktualizacje — za pośrednictwem usługi subskrypcji.
Mapper przez ostatni rok pracował z niewielką grupą klientów nad mapami do jazdy autonomicznej lub półautonomicznej. Firma posiada obecnie mapy miejsc w Azji, Europie i Ameryce Północnej, a jej ostatecznym celem jest zgromadzenie największego na świecie repozytorium aktualnych, odczytywalnych maszynowo map ulic miast i autostrad. Chociaż firmy testują obecnie pojazdy autonomiczne w zaledwie kilku miastach, dyrektor generalny i współzałożyciel Mapper, Nikhil Naikal, uważa, że testy rozszerzą się na dziesiątki miast i obejmą tysiące mil w ciągu najbliższego roku lub dwóch. Te mapy maszynowe nie zostały jeszcze zbudowane na dużą skalę, mówi Naikal, który od ponad dekady pracuje nad czujnikami i mapowaniem pojazdów autonomicznych. Naszą misją jest tworzenie ich na całym świecie, szybciej niż ktokolwiek inny — a ponieważ jesteśmy ich właścicielami, możemy je sprzedawać każdemu.
Mapper przypisuje swój szeroki zasięg i szybkość swojej sieci freelancerów. Większość kierowców korzysta również z usług wspólnych przejazdów, takich jak Uber lub Lyft; przechwytują dane mapowania w środku dnia, kiedy niewiele osób prosi o przejazdy. (Mapper wabi ich, płacąc nawet 3 dolary za milę, trzykrotność 1 dolara za milę, którą, jak się uważa, zarabia przeciętny kierowca Ubera).
Kierowcy korzystają z własnych samochodów, a Mapper dostarcza urządzenia do mapowania, których zbudowanie kosztowało około 350 dolarów. Zamiast projektować drogi, własny sprzęt, startup kupuje czujniki od chińskiej witryny e-commerce Alibaba i dodaje własne oprogramowanie, które łączy wszystkie dane. Jeden model urządzenia, który owija się wokół lusterka wstecznego samochodu, ma cztery kamery i czujniki widzenia maszynowego, które mierzą ruch liniowy i kątowy. Drugi znajduje się na dachu samochodu i składa się z dwóch kamer widzenia maszynowego, czujników ruchu i prostego lidaru. Kierowcy używają tego urządzenia do mapowania gęstych ulic miasta, ponieważ lidar jest dobry w uchwyceniu geometrii trójwymiarowych konstrukcji. Firma twierdzi, że jej podejście wychwytuje szczegóły, które są dokładne w zakresie pięciu centymetrów, co jest porównywalne z innymi technologiami.
Aby zmapować obszar, kierowcy po prostu postępują zgodnie ze wskazówkami audio, które Mapper przesyła przez aplikację mobilną zsynchronizowaną z urządzeniem mapującym. Gdy kierowcy skończą przydzielone zadania, przesyłają informacje do magazynu w chmurze Mapper, gdzie są one automatycznie konwertowane na tak zwaną chmurę punktów, trójwymiarową reprezentację świata. Drugi zespół freelancerów analizuje dane i dodaje notatki dotyczące oznaczeń pasów, znaków drogowych i świateł stopu. Mapper dostarcza gotowe mapy klientom przez Wi-Fi, zwykle 24 godziny po otrzymaniu danych dotyczących jazdy.
Mapper zaprojektował dwa urządzenia, które mogą używać niezależni kierowcy do mapowania swojego otoczenia. Ten model jest mocowany magnetycznie do dachu samochodu i zawiera kamery wizyjne, akcelerometr, żyroskop i tani lidar.
Ten rozproszony model siły roboczej i samoobsługi umożliwia Mapperowi oferowanie swoim klientom aktualizacji tak często, jak codziennie, jednocześnie gwarantując, że jego mapy pokryją 100% danego obszaru. Gdy już mamy kierowcę na ziemi, możemy wyznaczać trasy tak często, jak chcą klienci, mówi Neehar Garg, który kieruje rozwojem produktu w Mapper. Aktualizacje stają się coraz prostsze, ponieważ musimy spędzać czas tylko na rzeczach, które zmieniły się w środowisku.
Klient Mappera, który prosił, aby nie ujawniać swojego nazwiska, ponieważ pracuje dla producenta samochodów, który wykorzystuje mapy w tajnym projekcie, mówi, że zatrudnił startup do większych firm, takich jak HERE i TomTom. Jeśli programujesz samochód, aby skręcić w róg, musisz wiedzieć, gdzie się znajdujesz na mapie, której używasz [do nawigacji], a nie gdzie jesteś na świecie w sensie absolutnym, mówi klient. Dzięki temu nowemu typowi mapy otrzymujesz tę lokalizację, co jest naprawdę ważne, ponieważ sam GPS nie jest wystarczająco stabilny ani przewidywalny.
Inne startupy z tej branży, takie jak Głęboka mapa , również tworzą zlokalizowane mapy, ale proszą swoich klientów o zebranie dla nich informacji. Ponieważ firmy te nie posiadają własnych danych mapowych, zwykle tworzą indywidualne mapy tego samego obszaru dla każdego klienta. Naikal mówi, że to podejście nie będzie się skalować, gdy pojazdy autonomiczne przejdą od etapu projektowania do produkcji i wdrażania. Nie ma sensu tworzyć mapy, powiedzmy, Market Street w San Francisco 20 razy dla 20 różnych klientów, skoro można sprzedać jedną mapę wielu klientom i upewnić się, że jest zawsze aktualna, mówi.
Chociaż autonomiczne samochody nie spełniły jeszcze obietnicy zrewolucjonizowania transportu , Naikal ma nadzieję, że jego kolekcja kartografii może stać się podstawą innowacji. Myśli nawet o udostępnieniu map poszczególnym programistom i inżynierom, podobnie jak programiści aplikacji mobilnych wykorzystują informacje o lokalizacji z Map Google (chociaż nie zdecydował, czy Mapper będzie pobierał opłaty za dostęp). Dziś pięciu programistów nie jest w stanie spędzać czasu w Starbucks i tworzyć rozwiązania dla pojazdów autonomicznych, mówi Naikal. Ale może tak być, jeśli usuniemy bariery i pozwolimy ludziom żądać i otrzymać mapy [do odczytu maszynowego] dowolnego obszaru.