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
ChatGPT发布三年后,物理AI成为行业最新热词。物理AI是指在硬件中实现的AI系统,能够感知周围世界并进行推理以执行操作。与传统机器人不同,物理AI具备推理、行动和与环境交互的能力。智能眼镜是物理AI的典型代表,能够看到和听到用户所体验的内容。高通专家指出,AI可穿戴设备可以为机器人提供基于真实人类体验的高质量数据集,形成良性生态系统。
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。
来自加州大学伯克利分校和康奈尔大学的研究团队,通过分析130万篇学术论文发现,使用ChatGPT等AI工具的科学家论文产出平均提升40-60%,且英语非母语研究者受益最大。
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。