Aandeel TomTom AEX:TOM2.NL, NL0013332471

quote:

Slainte schreef op 15 januari 2016 17:02:

[...]

SLAM heeft juist helemaal geen 3D map, handwerk of fabriek nodig.
Machine Learning algoritmes doen al het werk!
Je moet anders gaan denken, dit is een compleet andere benadering.

quote:

Slainte schreef op 15 januari 2016 17:02:

[...]

SLAM heeft juist helemaal geen 3D map, handwerk of fabriek nodig.
Machine Learning algoritmes doen al het werk!
Je moet anders gaan denken, dit is een compleet andere benadering.

quote:

Hik schreef op 15 januari 2016 17:31:

[...]
@Slainte AB. Als een van de weinigen heb je het door. Maar puur voor de lol zou ik er toch wel eens een demo van willen zien. Real life, real time. Met sneeuw, regen, uberhaupt géén landmark in a ten mile radius en dan gewoon kijken wat er gebeurt als 2 auto's elkaar naderen als er een hert oversteekt. Welke auto gaat wat doen? Helaas voor hen beiden kunnen ze allebei alleen maar naar dezelfde kant uitwijken. Ook is het glad... Komt alles en iedereen er zonder kleerscheuren van af?

quote:

Chameleon schreef op 15 januari 2016 18:10:

[...]

zijn er landmarks nodig?

quote:

Slainte schreef op 15 januari 2016 19:19:

[...]

Ik weet niet hoe ver men hiermee is, ik weet trouwens ook niets van TOM2 (technisch).
Ik weet wel wat van Machine Learning en ben er van overtuigd dat dit DE toekomst is voor vele, vele toepassingen/problemen waaronder self driving cars (en nog heel veel meer wat we ons nog niet eens kunnen voorstellen). Juist bij grote hoeveelheden data en vele (unknown) variabelen excelleert Machine Learning.

Mocht je enigszins kunnen programmeren, kun je met simpele cases al de magie van Machine Learning zien :).

quote:

Informer schreef op 15 januari 2016 20:10:

Wellicht is dit een interessante toevoeging..
Artikel is van 28-12-2015

MIT - Massachusetts Institute of Technology

New system passes “visual Turing test” by acting human in certain conditions
mitsha.re/VNVHr

TomTom en het MIT zijn al heel lang aan het samenwerken.

quote:

Hik schreef op 15 januari 2016 19:45:

[...]
Programmeer je er zelf in?

quote:

Hik schreef op 15 januari 2016 18:37:

youtu.be/Q3EMgGI6E5s

youtu.be/ZR1yXFAslSk

youtu.be/coMe843GlGI

Gewoon ff in youtube zoeken naar SLAM Car Navigation.

Have fun!

quote:

Tom3 schreef op 15 januari 2016 21:06:

[...]

SLAM is gebaseerd op landmarks, zie het volgende filmpje uit 2013:

www.youtube.com/watch?v=wVsfCnyt5jA

Komt dit niet in de buurt van Road DNA? Dat is toch ook een aaneenschakeling van landmarks? Die landmarks moeten in ieder geval vooraf zeer nauwkeurig gemeten worden wil je met enige snelheid kunnen voortbewegen. De vraag is of overstekende voetgangers etc. tijdig herkend worden. Wat gebeurt er als het zicht zeer slecht is? Denk dat Tesla/Bosch/NXP/Tom2 vooral daarmee in de praktijk mee bezig zijn.

quote:

Hik schreef op 15 januari 2016 21:19:

[...]

Ja, landmarks heb ik al eerder genoemd en je hebt denk ik gelijk als je veronderstelt dat Tom2 hiernaar gekeken heeft bij de ontwikkeling van RoadDNA.
Ook HERE noemt het in het CNET interview ineens RoadFurniture en noemt zelfs letterlijk de term landmarks. Overstekende voetgangers is al een bestaande ADAS functie die júist met camera's, sensoren (radar?), patroonherkenning en AI tot stand komt. Het is uiteindelijk allemaal leentjebuur spelen en mix and match.
Over het rijden in slecht zicht heb ik eerder al het citaat van de CEO van Mobileye aangehaald die stelt (vrije interpretatie): "Als mensen het niet kunnen zien, dan moet je de auto niet zelf laten rijden".
Justin denkt dat de landmarks van RoadDNA zich zó dicht bij de auto bevinden dat je daar mogelijk met slecht zicht of mist geen last van hebt.

quote:

Hik schreef op 15 januari 2016 20:23:

[...]

Zeker heeft dat er mee te maken. De test laat zien dat de robot om kan gaan met variatie. Niet alleen kan de robot variatie in een (voor mensen althans) serie gelijk ogende maar niet 100% gelijke set karakters herkennen, hij kan ze zelfs ook nog eens zelf genereren. Binaire systemen kunnen dat niet, die kennen alleen enen en nullen. Interessant is hoe hij dit op de grenzen kan: wanneer gaat hij de fout in? Dit kun je hem leren.
Mobileye heeft 500 mensen in dienst die simpel gezegd patronen leren aan Mobileye's EyeQ. Op een gegeven moment hebben ze zoveel kennis van de varianten dat ze de menselijke voorbeelden niet meer nodig hebben. Het grappige hiervan is dat, stel dat we ooit SDC's krijgen met de Mobileye techniek, de éne auto de andere niet is. De auto die veel situaties is tegengekomen heeft meer geleerd dan een auto die de hele dag op de oprit staat. De veelrijdende auto heeft dus meer bijgedragen dan de weinig rijdende. De weinig rijdende kan echter wel over de kénnis van de andere auto's beschikken dankzij de cloud. Dat is nog eens echt cloud-crowdsourcing.

quote:

Tom3 schreef op 15 januari 2016 21:38:

[...]

In feite zijn Here en Tom2 (en niet Mibileye!)dus met hetzelfde bezig, alleen Tom2 heeft er dusverre een patent op gekregen. Dacht dat het vooral om de datacompressie ging. Vraag me af hoe Here dat patent wil omzeilen. Die landmarks zullen toch op een bepaalde wijze gelinkt moeten zijn aan een GPS bepaling. Je wilt bijvoorbeeld toch je autonome voertuig laten rijden naar een zekere plaats van bestemming: een adres dus met gps coordinaten. Denk verder dat als je landmarks kunt meten met radar/lidar, je een enorme voorsprong hebt op de mens. Veel ongelukken gebeuren toch bijvoorbeeld door mist.

quote:

Beperktedijkbewaking schreef op 15 januari 2016 08:19:

[...]

Mooie discussie, met prima en zeer leerzame bijdragen van meerdere posters. Bovenstaande klopt natuurlijk, toch even wat relativering met een nuchtere maag op de vroege morgen...

ADAS, HAD, SDC doe je op basis van een nauwkeurige HAD map. Daarmee kent je auto de details van de weg, en kan je ook 'vooruit kijken'. Natuurlijk moet de auto dan wel weten waar je precies op die weg zit, m.a.w. je moet je actuele positie (hoe dan ook bepaald) matchen met de map. En dat is waar deze discussie over gaat.

Maar zijn daar per definitie sensoren voor nodig? Het Galileo satellietproject kan een nauwkeurigheid van 20 cm bereiken, zie:
www.esa.int/Our_Activities/Navigation...

Nu nog niet, wel over 3 of 4 jaar. Zou 20 cm niet genoeg zijn?

Natuurlijk zullen ook dan sensoren nodig zijn voor plotselinge events, van een plotseling remmende voorligger tot het spreekwoordelijke overstekende kind. Maar dat is een andere en volgens mij belanrijker focus, en vraagt om deels andere sensoren dan een 'mobiel eye' dat verkeersborden op 100m kan lezen.

Dat gezegd hebbende, zit er voor mij wel een spoiler in. Als dat satellietargument klopt, waar hebben we dan Road-DNA nog voor nodig? Bedenk ook dat Road-DNA gebaseerd is op ideeën van de autofabrikanten van minstens 5 jaar geleden (want TT is dat niet als hobby gaan ontwikkelen).
Het zal toch niet dat ...? (Zijn we wel gelijk van de discussie af of Here ook een dergelijk dingetje in ontwikkeling heeft.)

Als Road-DNA niet echt nodig is, wordt ook het mapmaken via de crowd eenvoudiger. Mogelijk kan TT dan nog steeds volstaan met het middelen/bewerken/valideren van vele traces, trails of hoe je het ook noemen wilt. Alleen hebben we het dan (in 2020?) niet meer over iPhone traces of GPS probe-traces, maar over Galileo traces.

quote:

Tom3 schreef op 15 januari 2016 21:57:

Gepost door Alpen op 7 januari op het Wist u dat draadje:

TomTom (Buy): HAD map 2 US states shows TT advances versus Here

The facts:
TomTom has announced the launch of HAD map products for all interstate roads of California and Michigan, including RoadDNA. In total, TomTom is now able to deliver HAD maps for 25.000 kilometres in the two aforementioned states. This launch follows 4 months after the launch of the HAD map for Germany, according to CEO Goddijn.

Our analysis:
The fact that HAD maps are now available in California means better maps for the R&D centres of the likes of Tesla and other OEMs that all have facilities in Silicon Valley, working on semi-autonomous driving and autonomous vehicles. The same applies to Michigan which is still a state with a significant portion of R&D facilities of the Big 3 (Ford, Chrysler and GM).
We do not know when TomTom actually started mapping interstates for HAD and using RoadDNA but if it is just 4 months ago, then the compilation (putting all the datat together in an easily distributable format) of HAD maps appears to be speeding up, partially helped (we assume) by TomTom's recently completed CPP.
That is positive in itself but equally important is the fact that Here appears to be lagging. The company has not announced technology similar to RoadDNA and appears to still be in a phase whereby it is determining which way to go: sensor data and probe data or a new methodology like RoadDNA coupled with a new compilation and distribution technology.

Conclusion & Action:
Normally we do not react to every press release from the Las Vegas CES (which is where this TT press release is coming from) but this one, announcing the launch of HAD maps in California and Michigan, shows that TomTom continues to advance Here in terms of the development HAD maps and the required location technology. That is an important pillar in our investment case, which calls for strong growth in the Automotive segment as of 2H16 and improved profitability alongside continued high growth in high margin Telematics.

www.snssecurities.nl/Research/Actions...

Hieruit blijkt dat Here nog niet zou weten hoe ze het moeten aanpakken. Dit is heel bijzonder omdat de SLAM techniek al weer een paar jaar oud is. Dit zou best met het patent van Tom2 te maken kunnen hebben. Dus als Tom2 met haar Road -DNA dus op het juiste paard zit (gezien ook de hier getoonde Y-tube filmpjes) hebben we een winner in de boeken!