CP v2

Tag: Savavaldžiai automobiliai

  • „Uber“ plečia robotaksi planus Europoje: su „Pony.ai“ žada 2 000 savavaldžių taksi keturiuose miestuose

    „Uber“ plečia robotaksi planus Europoje: su „Pony.ai“ žada 2 000 savavaldžių taksi keturiuose miestuose

    „Uber“ stiprina robotaksi plėtrą Europoje ir plečia partnerystę su Kinijos autonominio vairavimo bendrove „Pony.ai“. Įmonės skelbia planuojančios į „Uber“ platformą integruoti daugiau nei 2 000 „Pony.ai“ savavaldžių taksi, kurie turėtų atsirasti keturiuose Europos miestuose.

    Šis žingsnis rodo, kad autonominių transporto priemonių komercializacija Europoje spartėja, o konkurencija tarp technologijų ir mobilumo bendrovių aštrėja. „Uber“ tikslas akivaizdus: užimti pozicijas dar prieš tai, kai robotaksi paslaugos taps kasdienybe didžiuosiuose miestuose.

    Partnerystės pradžia siekia 2025 metų gegužę, kai „Uber“ ir „Pony.ai“ pirmą kartą pranešė apie ketinimus perkelti robotaksi paslaugas į tarptautines rinkas. Vėliau bendrovės bendradarbiavo su Kroatijos mobilumo įmone Verne, pristatydamos komercinių robotaksi startą Zagrebe.

    Kol kas nei „Uber“, nei „Pony.ai“ neįvardija, kuriuose konkrečiai Europos miestuose bus diegiami naujieji automobiliai ir koks tikslus grafikas. Toks informacijos ribojimas rinkoje dažnai siejamas su derinimais su savivaldybėmis, vietos partneriais ir reguliuotojais, nes kiekvienas miestas turi skirtingus reikalavimus bandymams ir komerciniam veikimui.

    Kas yra „Pony.ai“ ir kuo ji stipri?

    „Pony.ai“ kuria autonominio vairavimo sistemas ir eksploatuoja savavaldžius taksi bei sunkvežimių sprendimus Kinijoje, įskaitant Pekiną, Šanchajų ir Šendženą. Tokia patirtis svarbi „Uber“, nes leidžia greičiau perkelti techninius ir operacinius sprendimus į naujas rinkas.

    Vis dėlto Europa išlieka sudėtingesnė dėl skirtingų kelių infrastruktūros scenarijų, griežtesnių saugos ir atsakomybės taisyklių bei didelio visuomenės jautrumo eismo saugai. Dėl to robotaksi plėtra dažniausiai vyksta etapais: nuo ribotų pilotų iki palaipsnio paslaugos išplėtimo.

    Europos robotaksi lenktynės įsibėgėja

    Autonominio vairavimo varžybos Europoje intensyvėja ne tik tarp JAV ir Kinijos įmonių, bet ir tarp tradicinių automobilių gamintojų. Rinkoje aptarinėjama, kad „Waymo“ kuria teisinį ir organizacinį pagrindą veiklai keliose Europos šalyse, siekdama pasirengti ateities plėtrai.

    Tuo pat metu „Uber“ yra paskelbusi ir apie planus kartu su „WeRide“ šiemet pradėti robotaksi pilotą Madride, o „Lyft“ taip pat yra viešai minėjusi siekį robotaksi paslaugas atvežti į Europą kitais metais. Kinijos „Baidu“ nurodė, kad jos autonominio vairavimo padalinys atliko bandomuosius važiavimus Šveicarijoje, o tokie gamintojai kaip BMW ir „Volkswagen“ jau kurį laiką investuoja į autonominio vairavimo technologijas.

    „Šis išplėstas susitarimas žymi svarbų naują partnerystės etapą tarp „Pony.ai“ ir „Uber“. Jis atspindi mūsų bendrą įsipareigojimą saugias ir patikimas robotaksi paslaugas atnešti į daugiau Europos miestų“, – sakė „Pony.ai“ įkūrėjas ir vadovas Jamesas Pengas.

    Pasak jo, derindamos „Pony.ai“ autonominio vairavimo technologiją ir operacinę patirtį su „Uber“ pasauline mobilumo platforma bei rinkos pasiekiamumu, bendrovės siekia sukurti ilgalaikę, didelio masto komercinę veiklą Europoje ir už jos ribų.

  • Study finds AI still struggles to read social cues in video, a hurdle for self-driving cars and robots

    Humans still outperform today’s artificial intelligence at interpreting social interactions in moving scenes, a skill that underpins safer self-driving cars and more helpful assistive robots. New research from Johns Hopkins University suggests many leading models miss context that people grasp quickly.

    The team examined how well AI systems can infer intentions, relationships, and ongoing actions when people share a scene. These judgments help determine whether two pedestrians are chatting, about to cross the street, or reacting to one another.

    Testing AI against human perception

    In the study, participants watched three-second video clips and rated social features on a one-to-five scale. The clips showed people interacting, doing side-by-side activities, or acting independently.

    Researchers then asked more than 350 AI language, video, and image models to predict human ratings and expected brain responses. For large language models, the systems evaluated short, human-written captions describing the videos.

    Where models fell behind

    People largely agreed with one another across questions, but the AI models did not show the same consistency, regardless of size or training data. Video models often struggled to describe what people were doing, and image models given still frames could not reliably detect communication.

    Language models were comparatively better at predicting how humans would judge behavior, while video models were more aligned with predicted neural activity. Even so, none of the model types matched human responses across the board.

    Why reading the room is hard

    The researchers argue the gap highlights a difference between recognizing objects in static images and understanding the unfolding story in real life. They suggest a potential cause is that many AI architectures draw inspiration from brain systems tuned for static vision rather than dynamic social scenes.

    Lead author Leyla Isik said an autonomous vehicle needs to read intentions and goals, not just identify people and objects. Co-first author Kathy Garcia added that social relationships, context, and dynamics appear to be a persistent blind spot in current model development.

    The findings are being presented at the International Conference on Learning Representations, where researchers will discuss implications for AI that must interact safely with humans. The work adds to a growing body of evidence that high scores on benchmarks do not always translate to robust real-world understanding.