并行文件系统软件Quobyte正被机器人出租车开发商Zoox用于存储车辆传感器和仿真数据,以训练控制车辆的AI软件。
亚马逊旗下的Zoox与谷歌的Waymo和特斯拉的机器人出租车项目展开竞争,其城市车辆配备了车载GPU和4个英特尔至强CPU。与Waymo改装的SUV不同,Zoox的车辆是专门设计的。该公司认为自己具有优势,因为其车辆没有方向盘,"看起来更像马车而非汽车,最多可容纳四名乘客"。由于车辆是双向的,没有前后之分,两对乘客面对面而坐。
Zoox在目标城市环境中的测试车队是改装的丰田汉兰达,配备了与其机器人出租车相同的传感器和计算包,另外还有人类操作员。这些车辆生成驾驶数据并验证其自动驾驶技术。配备人类安全操作员的SUV在旧金山湾区、拉斯维加斯、西雅图、奥斯汀、迈阿密和洛杉矶运行。Zoox计划今年晚些时候在拉斯维加斯和旧金山迎接公众乘客。
Zoox发展历程
2014年 - Zoox由CEO Tim Kentley-Klay和CTO Jesse Levinson创立,后者曾在斯坦福大学开发自动驾驶技术,是苹果董事长Arthur Levinson的儿子
2018年3月 - 融资5亿美元,总融资额达到8亿美元
2018年4月 - Zoox解雇CEO Kentley-Klay,Levinson担任总裁
2018年12月 - 获得在加州提供自动驾驶交通服务的批准
2019年1月 - 前英特尔首席战略官Aicha Evans被聘为CEO
2020年4月 - 就雇佣前特斯拉员工涉嫌知识产权泄露问题与特斯拉达成和解
2020年6月 - 亚马逊以超过12亿美元收购Zoox,并将其纳入亚马逊设备与服务组织
2022年7月 - Zoox自我认证其乘用车符合联邦机动车安全标准(FMVSS),无需监管变更或豁免申请
2023年 - 获得加州机动车管理局批准,开始在开放公共道路上测试载客自动驾驶机器人出租车。同时获得内华达州机动车管理局授权,在公共道路上运营自动驾驶机器人出租车
2024年5月 - 美国国家公路交通安全管理局(NHTSA)在两起涉及摩托车和Zoox车辆的追尾事故后,对Zoox车辆的潜在缺陷展开调查
2025年 - Zoox在拉斯维加斯和洛杉矶运营机器人出租车,亚特兰大、奥斯汀、迈阿密和旧金山即将跟进。公司在加州海沃德开设了首个机器人出租车全规模生产设施。
Zoox总部位于加州福斯特城,其正在开发的机器人出租车车队将由AI软件控制,该软件响应实时雷达、激光雷达、摄像头、长波红外和麦克风数据,AI模型基于包含传感器和仿真数据的数据集进行训练。AI模型具有感知引擎和预测模块,配备规划和控制系统。Zoox在实际部署前在虚拟环境中测试其自动驾驶车辆系统。
尽管被亚马逊收购,后者拥有AWS计算和存储云服务,但Zoox拥有自己的数据中心,计算集群由数千个英伟达GPU组成——不过确实使用云服务进行冷数据存储和客户端访问。本地存储是为了避免云数据传输涉及的延迟。
Zoox最初使用Ceph存储数据,发现存在问题,因为使用的操作系统较旧,Ceph内核模块需要升级以提高性能。他们经常超出容量,性能缓慢,停机也无济于事。因此Zoox重新考虑,数据现在存储在Quobyte横向扩展并行文件系统中,该系统在2019年概念验证期间后于2020年部署,随着数据集增长已扩展到30PB。
数据集包括用于训练的高精度3D地理地图数据渲染,并使车辆保持在地理围栏的城市区域内。训练运行大约每两周进行一次,数据在SSD、磁盘驱动器和公有云之间分层,以优化成本和性能。
有三个Quobyte集群,数万个客户端通过AWS访问数据。近1EB的冷数据存储在AWS中,Zoox正在探索Quobyte系统与S3存储库之间更紧密的集成,以控制成本。
好文章,需要你的鼓励
开源加密初创公司ZamaSAS宣布完成5700万美元B轮融资,专注于为区块链和AI应用构建全同态加密技术以保护隐私。本轮融资由BlockchangeVentures和PanteraCapital共同领投,使公司总融资超过1.5亿美元,估值突破10亿美元。同时,Zama推出保密区块链协议公开测试网,允许开发者在以太坊上构建私密通信应用。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
英国网络铁路公司、Neos Networks和Freshwave联合启动"触达项目",旨在消除英国主要铁路干线上的信号盲区。该项目将公私合营模式相结合,预计为纳税人节省约3亿英镑。项目将部署1000公里超高速432芯光纤电缆,覆盖东海岸主线等多条线路,并在12个主要车站提供4G/5G室内连接,在57个隧道中部署4G移动连接。新网络将大幅提升铁路通信基础设施能力,支持轨道传感器和监控应用,为乘客提供更快更可靠的列车服务。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。