Mirando desde una perspectiva externa a la gran cantidad de problemas que Uber podría estar tratando de resolver específicamente en relación con la robótica, uno tiene una idea de qué gran cosa están empujando a su empresa a continuación.
Calificaciones de fiabilidad del conductor. Al igual que los vendedores en línea, pero con el conductor teniendo un contacto cercano con el cliente. Con la desafortunada posibilidad de que aumenten los casos de violación con la introducción de Uber, Uber reconocería que la seguridad del consumidor es otro obstáculo en su camino contra esas regulaciones (bien colocadas). Para expandirse, necesita hacer que su servicio sea más seguro.
Uber podría implementar tecnologías de identificación facial o RFID, por supuesto.
- ¿Cuál es el otorgamiento de consejeros?
- ¿Cómo manejan las startups el cobro de facturas impagas?
- ¿Cuál es la métrica de North Star para startups?
- ¿Cuál es el mejor modelo de pago para los trabajadores a tiempo parcial?
- Cómo crear un sitio web si no tengo idea sobre la codificación
Sin embargo, anteriormente contrata principalmente científicos de datos, por lo que habría muy pocos de ellos con el talento para trabajar con hardware.
En pocas palabras, a Uber le iría bien con la gestión de un equipo de robótica. Si más personas han utilizado el servicio de un conductor en particular sin contratiempos, o si él no condujo demasiado mal, obtiene buenas calificaciones. Si fue un timo, o tomó la ruta más larga, y los consumidores tienen una mala experiencia de cualquier manera, desde el conductor “ser espeluznante” o ser “hostil a los niños”, obtiene una mala calificación. Por lo tanto, los científicos de datos de Uber tienen datos reales para sus algoritmos, donde antes no tenían.
Esto también funcionaría en los clientes.
El control y la integración del sistema también son importantes.
He escrito sobre uno de los desafíos que enfrenta la conducción autónoma y pegaré mi respuesta aquí:
El LIDAR utilizado por Google se ve frustrado por la niebla, el polvo o la nieve.
Los problemas de niebla y polvo son fáciles de resolver con un sensor ultrasónico, como los incorporados naturalmente en delfines / murciélagos / cetáceos para navegar en cuevas y océanos. Sin embargo, el sensor ultrasónico todo menos eso falla en la lluvia.
Lo que no puede dejarse engañar por la lluvia son sensores de tipo inductivo, como los que se encuentran en algunas pantallas táctiles. Sienten las diferencias de densidad de los materiales encontrados y dan una respuesta. Hay dos problemas con eso:
- El primero es que el cuerpo humano está compuesto principalmente de agua, por lo que podría no diferenciar la lluvia y el ser humano, y decirle al auto que evite golpear al humano. Sin mencionar que los obstáculos están por todo el rango en sus densidades. Entonces, no es infalible.
- El otro problema es que el sensor inductivo tiene un rango realmente corto. Como, 8 mm más o menos. No es útil detener el impulso de un automóvil de conducción rápida con un par aproximado de 100 kilo-newtons.
Con la tecnología actual, el mal tiempo hace que los sensores sean inútiles.
Relacionado:
- ¿Cuál es la importancia del modelado, análisis y control en la ingeniería moderna?
- Conducción autónoma: a partir de 2013, ¿están los automóviles autónomos de Google listos para su uso masivo?