May Mobility
May Mobility ist ein Technologieunternehmen für autonome Fahrzeuge (AV), das selbstfahrende Transitlösungen entwickelt und einsetzt. Mithilfe seiner proprietären …
May Mobility ist ein Technologieunternehmen für autonome Fahrzeuge (AV), das selbstfahrende Transitlösungen entwickelt und einsetzt. Mithilfe seiner proprietären KI für Multi-Policy Decision Making (MPDM) bietet May Mobility sichere, zugängliche und zuverlässige autonome Fahrten an und arbeitet mit Städten, Verkehrsbetrieben und Unternehmen zusammen, um Transportprobleme zu lösen.
Über Autonome Fahrzeuge
Autonome Fahrzeuge sind Fahrzeuge, die mit fortschrittlichen KI-Systemen ausgestattet sind, die es ihnen ermöglichen, ohne menschliches Eingreifen zu navigieren und zu operieren. Diese Systeme stützen sich auf eine Reihe von Sensoren wie LiDAR, Radar und Kameras, kombiniert mit ausgeklügelten Algorithmen zur Wahrnehmung, Routenplanung und Echtzeit-Entscheidungsfindung. Sie werden entwickelt, um die Sicherheit zu erhöhen, die Verkehrseffizienz zu verbessern und neue Mobilitätsoptionen bereitzustellen. Die Kerntechnologie konzentriert sich darauf, ein umfassendes 360-Grad-Bewusstsein für die Umgebung zu schaffen, das die menschlichen sensorischen Fähigkeiten oft übertrifft.
Kernfunktionen
- Umgebungswahrnehmung: Nutzt Sensoren wie LiDAR, Radar und Kameras, um eine detaillierte Echtzeit-3D-Karte der Fahrzeugumgebung zu erstellen.
- Routenplanung & Navigation: Verwendet komplexe Algorithmen, um die sicherste und effizienteste Route zum Ziel unter Einhaltung der Verkehrsregeln zu berechnen.
- Echtzeit-Entscheidungsfindung: Analysiert Daten sofort, um auf dynamische Bedingungen wie Fußgänger, andere Fahrzeuge und unerwartete Hindernisse zu reagieren.
- Fahrzeugsteuerungsaktuatorik: Übersetzt die digitalen Befehle der KI in physische Aktionen, einschließlich Lenken, Beschleunigen und Bremsen.
- V2X (Vehicle-to-Everything) Kommunikation: Tauscht Daten mit anderen Fahrzeugen und der Infrastruktur aus, um das Situationsbewusstsein zu verbessern und Verkehrsmuster vorherzusagen.
Anwendungsfälle
Die Technologie autonomer Fahrzeuge wird hauptsächlich in Sektoren eingesetzt, die einen konstanten und zuverlässigen Transport erfordern. Schlüsselbereiche sind die städtische Mobilität durch Robotaxi-Dienste, der Fernlastverkehr für die Logistik zur Steigerung der Effizienz und zur Bewältigung des Fahrermangels sowie Lieferroboter für die letzte Meile im E-Commerce und in der Gastronomie. Sie wird auch in kontrollierten Umgebungen wie Flughäfen, großen Industriestandorten und landwirtschaftlichen Betrieben für automatisierte Shuttles und Landmaschinen eingesetzt.
Wie man wählt
Bei der Auswahl eines autonomen Fahrsystems oder einer Plattform sollten Sie das für Ihre Anwendung erforderliche SAE-Automatisierungslevel berücksichtigen (von Level-2-Assistenz bis zu Level-5-Vollautonomie). Bewerten Sie dessen Operational Design Domain (ODD), um sicherzustellen, dass es in Ihrer spezifischen Umgebung (z. B. Autobahnen, städtische Gebiete, Wetterbedingungen) zuverlässig funktioniert. Beurteilen Sie die Vielfalt und Redundanz der Sensorik aus Sicherheitsgründen. Überprüfen Sie schließlich den Validierungsprozess des Systems, einschließlich des Umfangs seiner Simulations- und Praxistests.
Autonome FahrzeugeAnwendungsfälle
Einsatz eines autonomen Ride-Hailing-Dienstes
Ein städtischer Mobilitätsanbieter plant die Einführung eines Robotaxi-Dienstes in einer ausgewiesenen Stadtzone. Durch den Einsatz einer Flotte von Fahrzeugen, die mit einer autonomen Fahrplattform der Stufe 4 ausgestattet sind, können sie einen 24/7-On-Demand-Transport anbieten. Das KI-System übernimmt alle Aspekte des Fahrens innerhalb des definierten Bereichs, von der Navigation durch komplexe Kreuzungen bis hin zur Gewährleistung eines reibungslosen Ein- und Aussteigens der Fahrgäste. Dies führt zu reduzierten Betriebskosten durch den Wegfall von Fahrergehältern, einer erhöhten Fahrzeugauslastung und der Möglichkeit, riesige Mengen an Straßendaten zu sammeln, um die Sicherheit und Effizienz des Systems kontinuierlich zu verbessern.
Automatisierte Langstrecken-LKW-Logistik
Ein Logistikunternehmen setzt autonome LKW der Stufe 4 für den Langstrecken-Güterverkehr zwischen Vertriebszentren ein. Das KI-System steuert den LKW auf Autobahnen, die den größten Teil der Reise ausmachen. Dieses „Hub-to-Hub“-Modell ermöglicht einen nahezu kontinuierlichen Betrieb, da die KI keine Ruhepausen benötigt. Menschliche Fahrer übernehmen die komplexeren ersten und letzten Meilen in städtischen Umgebungen. Diese Anwendung erhöht die Kraftstoffeffizienz durch optimierte Fahrmuster erheblich, verkürzt die Lieferzeiten und hilft, den branchenweiten Mangel an Fernfahrern zu mildern.
Autonome Lieferroboter für die letzte Meile
Ein E-Commerce- oder Lebensmittellieferunternehmen setzt eine Flotte kleiner, langsamer autonomer Roboter für Lieferungen auf der letzten Meile in einem Vorort ein. Kunden geben eine Bestellung auf, und der Artikel wird in einem lokalen Hub in einen Roboter geladen. Der Roboter nutzt dann KI, GPS und Computer Vision, um auf Gehwegen und Zebrastreifen zu navigieren und die Adresse des Kunden zu erreichen. Dies bietet eine kostengünstige und kontaktlose Lieferlösung, insbesondere für kleine, häufige Bestellungen. Es verringert die Abhängigkeit von Fahrern der Gig-Economy und reduziert den CO2-Fußabdruck lokaler Lieferungen.
KI-gestützte Automatisierung von landwirtschaftlichen Fahrzeugen
Ein Betreiber eines großen landwirtschaftlichen Betriebs rüstet seine Traktoren und Erntemaschinen mit autonomen Navigationskits nach. Diese Systeme verwenden hochpräzises GPS und Computer Vision, um vorprogrammierte Pfade für Aufgaben wie Pflanzen, Sprühen und Ernten zu verfolgen. Die KI kann Fahrzeuge rund um die Uhr mit zentimetergenauer Präzision betreiben, was die menschlichen Fähigkeiten bei weitem übersteigt. Dies führt zu einer optimierten Nutzung von Ressourcen wie Saatgut und Dünger, einer geringeren Bodenverdichtung, höheren Ernteerträgen und ermöglicht es dem landwirtschaftlichen Personal, sich auf höherwertige Management- und Analyseaufgaben anstatt auf das manuelle Fahren zu konzentrieren.
Autonome Shuttles für Campus und private Gelände
Ein großer Unternehmenscampus oder eine Flughafenbehörde implementiert eine Flotte autonomer elektrischer Shuttles zum Transport von Mitarbeitern oder Passagieren. Diese Shuttles verkehren auf festen oder halbfesten Routen in einer kontrollierten, langsamen Umgebung (einer klaren Operational Design Domain). Das KI-Navigationssystem gewährleistet einen sicheren und zuverlässigen Service, verbessert die Zugänglichkeit und reduziert den internen Verkehrsstau. Dieser Anwendungsfall bietet eine nachhaltige und effiziente Mobilitätslösung, die das Benutzererlebnis auf dem Gelände verbessert und den Bedarf an der Nutzung von Privatfahrzeugen für Kurzstreckenfahrten reduziert.
Hochpräzise Simulation für das Training von AV-Modellen
Ein Entwickler von autonomen Fahrzeugen nutzt eine virtuelle Simulationsplattform, um das Training und die Validierung seiner Fahralgorithmen zu beschleunigen. Anstatt sich ausschließlich auf teure und zeitaufwändige Fahrten in der realen Welt zu verlassen, erstellen sie Millionen von virtuellen Meilen in einer fotorealistischen Umgebung. Dies ermöglicht es ihnen, die Reaktion der KI auf seltene und gefährliche „Randfälle“ sicher zu testen, wie zum Beispiel einen Fußgänger, der plötzlich hinter einem geparkten Auto auftaucht. Die Simulation liefert detaillierte Leistungsmetriken, die eine schnelle Iteration und Verbesserung des KI-Modells ermöglichen, bevor es jemals auf einem physischen Fahrzeug eingesetzt wird, was das Risiko und die Entwicklungskosten drastisch reduziert.