计算机视觉和人工智能驱动的软件技术会用于自动驾驶的车辆感知系统和高级驾驶员辅助系统（ADAS），以识别物体并预测其运动。Helm.ai的核心优势在于通过无监督学习推进基于AI的图像识别技术。

　　自2019年以来，本田和Helm.ai就一直通过“Honda Xcelerator”合作。Honda Xcelerator是本田的一项全球开放式创新计划，旨在支持致力于创新技术的初创公司。Xcelerator总部位于硅谷，并在世界各地设有分支机构。此轮投资将进一步加强两家公司之间的关系，并加速开发结合了本田技术与Helm.ai的人工智能技术的技术解决方案。

　　Helm.ai成立于2016年，致力于解决手动标记数据的艰巨任务，然后将其用于创建数据集以训练机器学习模型。该公司采用“无监督学习”方法，可以让众多公司更容易使用人工智能。此外，该方法还允许学习大量数据集，避免困难且耗时的手动操作。

　　这些数据集用于训练跨AI不同领域的机器学习模型，以便软件可以学习识别对象。对于自动驾驶应用，工程师可使用这些数据来训练自动驾驶系统，以更好地感知环境。然而，训练机器学习模型需要大量的“训练数据”才能实现高度准确，从而在车辆中部署自动驾驶软件。例如，路标数据集可用于训练AI模型以识别路标。斯坦福大学（Stanford University）甚至有一个包含狗图片的数据集，可用于训练人工智能程序以准确识别不同品种的狗。

　　通过无监督学习，机器学习模型可以识别模式并得出结论，几乎不需要人工干预。 Helm.ai表示这项技术会使机器学习模型的建造成本更低、速度更快。Helm.ai的联合创始人兼首席执行官Vlad Voroninski称将使用无监督学习来构建下一代无人驾驶汽车软件。

　　对于自动驾驶任务，这些训练数据集可能包含从自动驾驶车辆的真实环境中捕获的街景视频，例如挤满车辆和行人的繁忙城市十字路口。

　　该训练数据使用机器学习算法进行处理，因此该软件可以更好地检测每个摄像头图像中的物体，包括其他车辆和行人，并预测它们的预期轨迹，从而帮助自动驾驶汽车安全导航。

　　准确检测和跟踪物体对于部署具有最高安全水平的自动驾驶汽车技术至关重要。 因此，市场上对已经标记、并准备好训练机器学习算法的高质量数据集的需求不断增长。

　　此前在2021年11月，Helm.ai宣布完成了2600万美元的B轮融资，由Amlo、JMPartners、Base Capital Funding和Freeman Group领投。