其他行业 · AI应用
Grab利用视觉微调为东南亚构建更智能的地图
Grab是食品配送和网约车领域的重要参与者，其GrabMaps服务面临确保地图准确高效的挑战。为解决此问题，该公司实施了OpenAI的GPT-4o视觉微调，利用其司机拍摄的街景图像。这一创新方法显著提高了地图准确性：车道计数准确率提升20%，限速标志定位提升13%。结果，Grab不仅减少了手动制图工作，降低了运营成本，还提高了处理复杂场景的能力，最终为东南亚数百万用户提供了更可靠的服务。
车道计数准确率
提升20%
来源披露
限速标志定位准确率
从67%提升至80%
来源披露
手动制图工作
减少，降低运营成本
来源披露
01
业务背景
Grab是食品配送和网约车领域的重要参与者，其GrabMaps服务面临确保地图准确高效的挑战。为解决此问题，该公司实施了OpenAI的GPT-4o视觉微调，利用其司机拍摄的街景图像。这一创新方法显著提高了地图准确性：车道计数准确率提升20%，限速标志定位提升13%。结果，Grab不仅减少了手动制图工作，降低了运营成本，还提高了处理复杂场景的能力，最终为东南亚数百万用户提供了更可靠的服务。
02
遇到的问题
东南亚道路网络包含狭窄单行道、快速变化的城市景观以及传统地图供应商覆盖有限，地图准确高效面临挑战，需构建超本地化且动态的地图。
03
AI 解决方案
Grab利用平台摩托车司机和行人伙伴配备360度相机采集数百万街景图像，使用OpenAI GPT-4o视觉微调，结合街景图像与地图瓦片，仅用100个样本案例微调模型，迭代超参数以精准定位限速标志、车道分隔线、转向限制和道路几何。
- 1利用摩托车司机和行人伙伴配备360度相机采集数百万街景图像
- 2使用100个样本案例结合街景图像与地图瓦片微调GPT-4o
- 3迭代各种超参数调整以提升准确率
- 4将模型用于定位限速标志、车道计数、转向限制和道路几何
04
实施结果
车道计数准确率：提升20%（20%）
限速标志定位准确率：从67%提升至80%（13个百分点）
手动制图工作：减少，降低运营成本（减少）
05
风险与边界
未披露
“Fine-tuning GPT‑4o with our data enabled us to handle complex geometries effectively, reducing manual interventions and operational costs”
Adrian Margin · Head of Data Science for Geo Mapping at Grab
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。