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
基于与英伟达的持续合作,红帽承诺为英伟达新发布的Vera Rubin平台提供"零日"支持。该企业开源软件公司旨在缩小英伟达硬件平台发布与其支持软件堆栈正式发布之间的时间差。Vera Rubin平台专为降低AI推理成本而设计,基于新的CPU、GPU和数字处理单元构建。红帽将发布定制版RHEL操作系统,支持英伟达GPU驱动和CUDA工具包,预计2026年下半年推出。
德国弗劳恩霍夫研究院提出ViTNT-FIQA人脸质量评估新方法,无需训练即可评估图像质量。该方法基于Vision Transformer层间特征稳定性原理,通过测量图像块在相邻层级间的变化幅度判断质量。在八个国际数据集上的实验显示其性能可媲美现有最先进方法,且计算效率更高,为人脸识别系统提供了即插即用的质量控制解决方案,有望广泛应用于安防监控和身份认证等领域。
谷歌在全国零售联合会会议上宣布推出通用商务协议,这是一个专为AI代理购物设计的开放标准。该协议与Shopify、Target、沃尔玛等公司合作开发,能让AI代理在产品发现到售后支持的整个购买流程中无缝协作。谷歌将在搜索AI模式中应用该协议,用户可直接从美国零售商处结账并使用Google Pay支付。此外,谷歌还推出面向零售商的企业级客户体验套件。
布朗大学联合图宾根大学的研究团队通过系统实验发现,AI医疗助手的角色设定会产生显著的情境依赖效应:医疗专业角色在急诊场景下表现卓越,准确率提升20%,但在普通医疗咨询中反而表现更差。研究揭示了AI角色扮演的"双刃剑"特性,强调需要根据具体应用场景精心设计AI身份,而非简单假设"更专业等于更安全",为AI医疗系统的安全部署提供了重要指导。