Rivian przejmuje brytyjski startup AI Third Dimension dla autonomicznej jazdy — TechCrunch

Producent pojazdów elektrycznych Rivian przejął brytyjski startup Third Dimension, który za pomocą sztucznej inteligencji przekształca obrazy i filmy w realistyczne trójwymiarowe światy. Technologia ma zostać wykorzystana do przyspieszenia rozwoju systemów wspomagania kierowcy oraz systemu autonomicznej jazdy dla robotaksówek, które Rivian planuje dostarczać Uberowi. Informuje o tym TechCrunch.

Zespół dołączy do działu AI

Warunki transakcji nie zostały ujawnione. Zespół Third Dimension liczy 15 osób, z których większość pracuje w Wielkiej Brytanii. Dołączy on do zespołu Rivian ds. autonomicznej jazdy i sztucznej inteligencji, którym kieruje James Philbin. Przejęcie może również pomóc Rivianowi rozbudować londyński hub AI.

Third Dimension zostało założone w 2024 roku przez dyrektora generalnego Tolgę Karta i Piotra Sokolskiego. Firma pozyskała 7 mln dolarów finansowania zalążkowego od Abstract Ventures, MVP, Soma Capital i Solari Capital. Początkowo jej technologia była tworzona, aby przyspieszyć rozwój gier wideo, jednak założyciele rozważali także zastosowania w obronności i transporcie autonomicznym.

Więcej aktualnych wiadomości na kanale UA.News w Telegramie Telegram.

Symulacja sytuacji drogowych

Symulatory są ważnym narzędziem do szkolenia i testowania systemów autonomicznej jazdy. Wcześniej takie środowiska często tworzono na bazie silników graficznych lub silników do gier oraz danych syntetycznych. Technologia Third Dimension wykorzystuje AI do odtwarzania świata fizycznego i w połączeniu ze zbiorami danych Rivian może stać się podstawą modelowania scenariuszy drogowych.

Rivian zbiera zagregowane i zanonimizowane dane o podróżach z dziesiątek tysięcy pojazdów R1S, furgonetek dostawczych i SUV-ów R2, jeśli właściciele zezwolili na przesyłanie danych z zewnętrznych kamer. Według Philbina firma codziennie otrzymuje ponad 400 tys. sekwencji danych z pojazdów klientów. Technologia Third Dimension ma umożliwić modelowanie złożonych warunków drogowych bez oczekiwania na rzadkie sytuacje na rzeczywistych drogach.