TrafficVLM模型
搜索文档
从扫街榜到Robotaxi,空间智能彻底打开了高德的想象空间
机器之心· 2025-11-06 13:28
高德与小鹏汽车合作及战略转型 - 高德宣布与小鹏汽车达成合作,未来将共同面向全球提供Robotaxi服务[5] - 合作是高德将“空间智能+出行服务能力”整合开放的关键一步,加速“空间智能”理念从概念走向现实[7] - 高德正从“地图导航”传统定位转向空间智能,推出“小高老师”、“高德扫街榜”等产品[3] 空间智能的技术理念与优势 - 空间智能强调空间定位、时间预测、物理交互等关键能力,这些是生物智能的基础[9] - 与GPT等语言模型相比,高德空间智能是对动态物理世界的实时建模,能主动预测未来并采取行动[10] - 高德空间智能形成“预测-行动-验证”闭环,真实世界时空数据回流修正模型,这是语言模型难以做到的[12] - 高德沉淀了数十万亿级的时空样本,构建了多渠道数据融合体系[17] 空间智能在Robotaxi领域的应用 - 空间智能的“超视距”能力通过TrafficVLM模型实现,可提前几公里预警事故、拥堵等情况[15] - 高德正成为Robotaxi行业的“空间智能基础设施”,降低行业创新门槛,加速商业化进程[18] - Robotaxi对安全可靠性要求高,“近场感知+超视距信息”有望比单车智能走得更远[20] 空间智能的广泛应用前景 - 空间智能已融入高德内部产品,如国庆假期第一天调用量超26亿次的“小高老师”、上线23天用户达4亿的“高德扫街榜”[22] - 在to B领域,空间智能应用于智能眼镜、低空经济等场景,正成为更多行业的时空底座[22] - 空间智能让物理世界变得“可计算”、“可预测”,重新定义人与物理世界的交互方式[22]
高德TrafficVLM模型再升级:AI赋予“天眼”视角 可预知全局路况 当AI“看见”实时交通:智能导航体验或被重新定义
扬子晚报网· 2025-09-19 16:39
核心技术能力 - 依托空间智能架构实现TrafficVLM模型升级 实现全局交通态势感知 [1][2] - 基于通义Qwen-VL视觉语言模型底座 结合海量交通视觉数据进行强化学习训练 [9] - 具备车辆 车道线 交通信号灯状态及车路相对位置的精准识别能力 [11] - 能分析车辆互动关系 如变道犹豫行为及减速传导效应 [11] 技术实现机制 - 以分钟级频率对沿途交通态势进行实时推理 [2] - 通过交通孪生还原能力将实时数据转化为动态孪生视频流 [5] - 在任意地区任意尺度下构建与现实同步的数字交通世界 [5] - 结合实时交通流与历史动态分析拥堵成因及发展趋势 [11] 应用场景效果 - 可预判3公里外突发事故导致的拥堵蔓延情况 [4] - 实时推送最优通行建议并提供高清实景图像验证 [4] - 实现从被动接收提示到主动洞察全局的导航体验升级 [4] - 覆盖微观路段(如潮白河桥)至宏观区域(如演唱会期间鸟巢)的交通分析 [7][9] 系统架构创新 - 交通孪生还原与视觉语言大模型技术深度融合 [11] - 形成从感知到决策的完整智能闭环 [9][11] - 将复杂交通博弈转化为可视化可感知的决策信息 [11] - 实现AI对现实世界任意区域交通脉搏的实时洞察 [5]