Nous avons demandé à l'IA de nous montrer le regret d'un mauvais choix dans l'IA de flotte. Le résultat était étonnamment poilu...

Les abeilles conduisent, la carte grandit. 🐝🗺️ Le MIP-24 pour les récompenses Bee sera lancé lundi. Démarrez vos moteurs.

Le podcast @thenetworkstate parle de @Solana et de DePIN Un 🧵

navire navire navire navire 🐝📷

Lorsque la voiture Hivemapper Bee roule, la carte grandit. Voici à quoi ressemble un morceau de SF après seulement une heure avec une demi-douzaine de Bees sur la route.

Le QA manuel ne s'adapte pas aux pipelines de données modernes : trop lent, trop coûteux, trop fragile. @Hivemapper a initialement construit une énorme plateforme de données de QA de carte basée sur des humains avec plus de 20 000 éditeurs humains. Nous avons supprimé 85 % de cette plateforme au cours des six derniers mois et l'avons remplacée par diverses capacités d'IA. Il y a trois parties clés de la nouvelle plateforme d'IA : 1. Validateurs IA Les validateurs sont responsables de l'exactitude des données concernant les limites de vitesse, les prix du gaz, les restrictions de hauteur verticale, les largeurs de route, et plus encore. Ils notent essentiellement les devoirs que le Bee réalise, et lorsque le Bee commet une erreur, par exemple, en capturant une limite de vitesse à 25 mph au lieu de 35 mph, il la corrige. Plusieurs modèles sont exécutés et tous doivent parvenir à un consensus. Ici, la plupart des modèles d'IA fonctionnent bien, et nous avons constaté d'excellentes performances même en utilisant des modèles plus anciens d'OpenAI et de Phi. Pour le moment, nous ne recommandons pas Claude pour ces tâches de validation d'IA basées sur la vision. 2. Positionnement IA C'est un peu plus délicat, mais fondamentalement, nous voulons nous assurer que les objets sont bien positionnés et que les panneaux sont associés aux bonnes voies avec le bon azimut. La plupart des modèles d'IA fondamentaux n'ont pas encore une forte compréhension de l'espace tridimensionnel, mais nous nous attendons à ce que cela change bientôt. Kevin Weil, CPO chez OpenAI, a déclaré : "Les modèles d'IA que vous utilisez aujourd'hui sont les pires modèles d'IA que vous utiliserez pour le reste de votre vie." Notre approche ici est de détecter les erreurs de positionnement évidentes, c'est-à-dire, y a-t-il une limite de vitesse au milieu de la route, un poteau utilitaire à l'intérieur des limites d'un bâtiment, un panneau stop non aligné avec une intersection, etc. Il existe d'autres techniques que je garderai pour un autre post. 3. Ré-entrainement IA Le Bee exécute les modèles d'IA basés sur l'inférence qui construisent la carte à la périphérie. Cependant, nous formons d'abord ces modèles dans le cloud et la clé ici est de trouver des cas limites intéressants qui réduisent les erreurs futures. Par exemple, un panneau de limite de vitesse de 55 mph attaché à l'arrière d'un camion, comme montré ci-dessous, n'est pas un panneau de limite de vitesse statique. Le contexte entourant ces objets nous en dit beaucoup sur les objets eux-mêmes et nous enseignons donc aux modèles d'IA du Bee à comprendre ce contexte. Fondamentalement, vous avez besoin de centaines de millions de km de routes pour voir un nombre significatif de cas limites. C'est une bonne chose qu'Hivemapper ait cela.

"Explore Your Region est en direct à LA, NY et Austin" moi et ma abeille en route pour cartographier les routes résidentielles :

L'abeille est en action 💪 Dans un épais brouillard de SF, depuis la voie de gauche d'une autoroute à plusieurs voies, l'abeille cartographie le panneau de vitesse et la route parfaitement. Il est temps d'accélérer encore plus.

surprise ! un autre drop de Guess and Go !🕵️‍♂️🚗 sais-tu où c'est ? trouve le Burst sur l'application Bee Maps. cartographie-le avec ton Bee. obtiens du HONEY. 🧠Difficulté : Moyenne ⏳Expire : Dimanche 20 juillet 🍯Bonus : 1 500 HONEY commentaire ton meilleur devinette ci-dessous 👇

chat, pourquoi ces éclats ont l'air un peu… 🫨 (la taille compte vraiment... mais la couverture est plus importante 😏)