熟悉的场景可能即将成为历史——看着Grab司机的车辆图标在地图上漫无目的地游荡,特别是在新加坡中央商务区和高速公路地下路段。
网约车巨头Grab在新加坡推出试点项目,为司机提供车道级GPS精度,旨在解决长期困扰密集城市地区导航的位置定位不准确问题。
该项目与智能手机制造商Oppo、芯片设计公司高通科技以及定位技术公司Swift Navigation合作推出,标志着此类高精度GPS在东南亚地区首次在手机上为网约车应用部署。
在高楼大厦、多层道路和地下隧道密集的区域,标准GPS精度可能下降超过20米。因此,司机可能错过转弯或到达错误的接客点,导致预计到达时间不准确,最终导致行程取消。
新系统承诺显著减少误差范围,让司机能够更精确地定位自己的位置。
GrabMaps消费产品负责人Nilofer Christensen表示:"司机和配送合作伙伴将使用最前沿的技术驾驶——类似于自动驾驶车辆甚至赛车运动中使用的高精度定位技术。"
该试点项目于2025年10月启动,涉及近250名精选司机和配送合作伙伴。其中约60人配备了Oppo Find N5折叠屏手机,该手机具备支持新技术所需的硬件。
该系统通过结合多种连接和软件技术工作。Oppo手机的双频GPS功能捕获更广泛的卫星信号,这些信号由高通骁龙8 Elite移动平台处理,该平台接收实时校正数据。
校正数据由Swift Navigation基于云的Skylark服务提供,该服务通过与地面站网络交叉参考来优化GPS信号,包括新加坡土地管理局的卫星定位网络。
当司机合作伙伴使用Grab司机应用程序并使用GrabMaps进行导航时,应用程序接收高精度位置信息,改善他们在现实世界中的导航体验。
参与试验的Grab司机合作伙伴Santho Rudy Peter说:"过去,GPS信号在中央商务区可能会变得相当弱,特别是在高楼周围,信号会反弹。通过这个试点项目,位置精度感觉更加清晰和稳定,导航更新几乎是即时的。这确实帮助我更快到达接客点,减少猜测。"
对消费者而言,这项改进意味着更可靠的预计到达时间和更流畅的体验,无论是从大型购物中心正确入口叫车,还是将食物配送到正确的公寓楼。
除了地面试点外,Grab还在寻求解决地下GPS盲点的挑战。该公司一直在使用其专有的KartaCam和激光探测与测距技术来绘制滨海湾地区酒店和购物中心地下停车场的地图,如丽思卡尔顿酒店和美年径。
这使得从地上高精度GPS到车辆进入停车场时使用的地下导航推算系统的无缝切换成为可能,保持逐步导航功能。
虽然增强定位功能目前处于试点阶段,Grab计划最终将这种增强定位功能扩展到自己的Karta设备,以惠及更多合作伙伴。
"这个试点是Grab在新加坡及其他地区实现车道级导航愿景的第一步,"该公司在声明中表示。"Grab正在为整个东南亚更顺畅、更快速、更可靠的出行奠定基础。"
Q&A
Q1:Grab的高精度GPS技术是如何工作的?
A:该系统结合多种技术工作:Oppo手机的双频GPS功能捕获更广泛的卫星信号,由高通骁龙8 Elite移动平台处理并接收实时校正数据。校正数据由Swift Navigation的云服务Skylark提供,通过与包括新加坡土地管理局在内的地面站网络交叉参考来优化GPS信号。
Q2:这项技术能解决哪些导航问题?
A:在高楼大厦、多层道路和地下隧道区域,标准GPS精度可能下降超过20米,导致司机错过转弯或到达错误接客点。新系统能显著减少误差范围,让司机更精确定位,避免预计到达时间不准确和行程取消的问题。
Q3:普通用户什么时候能体验到这项技术?
A:目前该项目处于试点阶段,涉及近250名精选司机,其中60人配备了支持该技术的Oppo Find N5手机。Grab计划最终将增强定位功能扩展到更多设备,但具体普及时间表尚未公布。
好文章,需要你的鼓励
科技泡沫并非世界末日,从经济角度看,泡沫是押注过大导致供过于求。AI泡沫问题复杂在于AI软件开发节奏与数据中心建设周期的时间错配。甲骨文关联数据中心获180亿美元信贷,Meta承诺三年内投入6000亿美元基础设施。麦肯锡调查显示企业虽广泛使用AI但规模有限,多数仍持观望态度。微软CEO表示更担心数据中心空间不足而非芯片短缺,电力需求成为新瓶颈。
Salesforce AI研究团队构建了首个大规模多模态文档RAG评测基准UniDoc-Bench,包含7万页真实PDF文档和1600个问答对,覆盖8个领域。研究发现文本图像融合检索策略显著优于单一模态和联合多模态方法,为未来AI文档理解系统提供了"分工合作"的设计思路。
Goodfire.ai研究人员首次发现AI语言模型中记忆和推理功能通过完全独立的神经通路运作。研究显示,移除记忆通路后,模型丧失97%的训练数据复述能力,但逻辑推理能力几乎完全保留。令人意外的是,算术运算与记忆共享神经通路而非推理通路,这可能解释了AI模型在数学方面的困难。该技术未来有望用于移除版权内容或敏感信息而不损害模型核心功能。
腾讯研究团队发现AI训练中"推理火花"现象,揭示低概率词汇如"等等"、"不过"等在维持AI探索能力中的关键作用。团队开发的低概率正则化方法通过精准保护有价值的低概率词汇,在数学推理任务中实现60.17%准确率,比传统方法提升2.66%,为AI创造性思维研究开辟新路径。