多感測器融合與車載 AI 模型部署

OmnixDrive 對光達、毫米波雷達、超音波與攝影機串流執行內參與外參校正及時間對齊，融合為共享空間表徵，並訓練硬體感知模型，於車用 SoC 上完成車載推論。

融合、端側模型與校正資料迴路

平台涵蓋感測器校正、時間對齊、多模態融合、硬體感知模型訓練，以及車用 SoC 上的模型部署。

光達、毫米波雷達、超音波與攝影機串流先加上硬體時戳，經外參校正至共用的車輛座標系，再對齊至單一時間基準，融合為共享空間表徵。

感知與規劃模型以融合表徵為基礎進行訓練，再經量化、蒸餾與剪枝，以符合目標車用 SoC 固定的延遲、記憶體與功耗預算。

車隊資料回流至流程：自動標註、校正飄移監測與版本化資料集，使模型持續綁定於訓練時所用的感測器組態。

我們的開發流程依循受法規監管的車用專案所要求的標準制定——涵蓋功能安全、軟體流程、資訊安全與資料保護。

感知在車上執行；訓練在您的資料中心、私有雲或我們的環境執行。

技術平台、適用專案、公司資訊、人才招募及聯絡方式。

公司概況、工程範圍、運作原則、團隊與辦公地點。

融合流程、端側執行環境，以及我們支援的部署模式。

OEM 與 Tier-1 專案、感測器供應商評估，以及可用的合作模式。

工程領域、工作模式、聘僱條件及應徵方式。

商務、技術、合作、媒體及人才招募聯絡方式。

OmnixDrive 於 2026 年在新加坡成立，開發用於自動駕駛的多感測器感知流程與專用車載 AI 模型。工程範圍涵蓋多模態感知、感測器校正與幾何、模型壓縮、嵌入式推論及資料集作業。

模型訓練前完成內參與外參校正、座標轉換及時間基準對齊，並對結果進行驗證。

模型訓練與最佳化依目標車用 SoC 的延遲、記憶體及功耗預算執行。

準確率依感測器與情境分別量測，並保留模型、資料集及校正版本以供迴歸分析。

技術諮詢涵蓋感測器配置、校正鏈、目標車用運算平台及第一階段部署範圍。