最近の提携は、自動運転の分散型データソリューションへの移行を示唆しています。NATIX NetworkがBittensor上でStreetVisionをローンチしたことは、現実世界のデータを使用してマッピングと自動運転車を変革することを目的としています。このアプローチは、スマートカメラの分散型ネットワークを活用し、データをAIモデルに処理して、ナビゲーションと自律性を強化します。
自動運転車向けの分散型データ収集
NATIX Networkの革新的なアプローチでは、スマートカメラを搭載したTesla車両とモバイルデバイスのネットワークを使用して、360°のビデオフィードをキャプチャします。このデータはBittensorネットワークによって処理され、リアルタイムのマッピングと車両の自律性を向上させるAIモデルを作成します。この自動運転の分散型データモデルは、Uberなどの企業が採用している従来の方法とは対照的です。従来の方法では、高価であまり適応性のない合成シミュレーションに依存することがよくあります。
Grabと提携して開発されたVX360デバイスは、Teslaの既存のカメラシステムを利用するため、高価な新しいハードウェアは不要です。データはデバイス上とクラウドの両方で処理され、交通信号と標識のリアルタイム検出が可能になります。この分散型フレームワークは、AIモデルのトレーニングと改良に対してマイナーに報酬を与え、その後、NATIX Edge Network全体に再展開されます。このシステムにより、継続的な改善と現実世界の条件への適応が可能になり、静的なデータセットに対する重要な利点となります。この分野のエキサイティングなアップデートについては、*HODL on*してください。
StreetVisionの可能性
StreetVisionサブネットの最初の焦点は、道路工事の検出です。これは、マッピングプラットフォームと自動運転車の両方にとって不可欠なアプリケーションです。将来のアプリケーションには、道路のくぼみの検出とインフラストラクチャの分析が含まれ、最終的な目標は、自動運転車のトレーニングのための包括的なシナリオ分類を提供することです。このアプローチは、自動運転システムの安全性と応答性を大幅に向上させる可能性があります。
分散型インフラストラクチャにおける課題と機会
NATIXは物理インフラストラクチャの分散化を試みた最初の企業ではありませんが、360°データに焦点を当てることで、明確な利点が得られます。このデータ型は、自動運転とPhysical AIにとって特に価値があり、従来の正面向きのダッシュカムデータよりも豊富な洞察を提供します。この包括的なデータ収集により、多様なシナリオでの自動運転システムのトレーニング、テスト、および検証が可能になります。cryptoview.ioのようなサービスは、これらのテクノロジーの開発と採用を追跡するのに役立ちます。CryptoView.ioで機会を見つけよう
NATIX：自動運転分野の新しいプレーヤー
NATIXの戦略には、スマートフォンやTeslaのカメラシステムなどの既存のハードウェアを活用することが含まれており、そのアプローチは費用対効果が高く、スケーラブルです。Grabとの提携、および自動運転分野の他の主要企業との継続的な交渉は、自動運転の分散型データソリューションに対する需要が高まっていることを示唆しています。この分散型モデルは、常に変化する道路状況に適応するために不可欠な、現実世界のデータの継続的なストリームを提供することにより、資金が豊富な競合他社に対する潜在的な優位性を提供します。
