根据摩根士丹利的一份报告，自动驾驶汽车每小时从摄像头、雷达和其他传感器产生多达 40 TB 的数据。这相当于一部 iPhone 使用了 3000 多年的数据量。现在，一家科技初创公司正试图利用微软的“超级计算机肌肉”来处理其自动驾驶汽车每分钟产生的 TB 级数据。
今天，总部位于伦敦的自动驾驶汽车初创公司 Wayve 宣布，在开发基于机器学习的自动驾驶汽车模型时，它将使用微软为该公司设计的超级计算机基础设施来处理大量数据。
微软是 Wayve 的主要投资者之一。在这家总部位于英国的自动驾驶初创公司筹集了由微软和维珍创始人理查德布兰森牵头的 2 亿美元 B 轮融资之后，我们在一月份写了关于 Wayve 的文章。
Wayve 由剑桥大学工程系的一组研究人员创立。该团队开发了一种足够智能的人工智能，可以在大约 20 分钟内通过仅使用计算机和一个摄像头来学习如何驾驶汽车。与来自大公司的其他自动驾驶汽车依赖于为其自动驾驶汽车定制硬件的其他自动驾驶汽车不同，Wayve 仅以强化学习为基础成功地制造了自己的汽车。
Wayve 的技术依赖于使用安装在车辆外部的摄像头传感器的机器学习，系统从交通模式和其他驾驶员的行为中学习，而不是依靠详细的数字地图和编码来告诉车辆如何操作的传统方法.
“微软正在提供超级计算能力，”Wayve 首席执行官 Alex Kendall 告诉路透社。 “我们希望做的事情超出了当今商业云产品的可能范围。”
Kendall 表示，微软将能够处理 Wayve 的汽车每分钟产生的 TB 级数据——1 万亿字节，或相当于大约一小时的消费者视频。 “我们认为这是一种商业机队产品，”他补充说。 “这就是我们认为自动驾驶首先会进入市场的方式。”
Wayve 由首席执行官 Alex Kendall 和 Amar Shah 于 2017 年创立，使用端到端深度学习来开发能够进行复杂驾驶的人工智能。这家初创公司正在为 AV 2.0 开创人工智能软件、精益硬件和车队学习平台：下一代自动驾驶系统，可以快速、安全地适应世界任何地方的新驾驶领域。
Wayve 的 AV2.0 技术旨在成为最适合车队运营商的 AV 系统。它结合了精益摄像头优先传感套件的优势与端到端深度学习系统的具体智能，该系统不断从 Wayve 的合作伙伴车队（包括 Ocado Group、Asda 和 DPD）提供的 PB 级驾驶数据中学习.
通过使用机器学习，Wayve 正在构建一个更具可扩展性的 AV 平台，该平台可以快速、安全地将其驾驶智能适应新城市、不同用例和车辆类型。与传统的自动驾驶方法相比，这释放了将商业部署扩展到其他城市的速度更快的潜力，传统的自动驾驶方法通常依赖于昂贵且复杂的传感器阵列，并且在操作上受到高清地图和基于规则的控制策略的限制。
本文来自互联网，不代表前途科技立场，如若转载，请注明出处：https://accesspath.com/tech/5749662/
