地圖標注的生成與更新方面，一方面傳統地圖出產過程本錢很高，功率低、更新速度慢。另一方面傳統地圖產品，消費者直接能夠了解。但給機器“看”的高精度地圖需求把數據轉化成機器能夠了解的地圖產品。
因而DeepMap以為，地圖不該該被當作一個數據庫。高精度地圖的出產需求一套全新的辦法，即眾包模式。也就是從參加眾包的車輛上搜集數據，參加到高精度地圖的生成與更新之中。這樣能確保地圖的產量、質量和更新速度。
“我們只用無人駕駛原型車來做眾包。”羅維說，與一些企業從一般車輛或L2、L3等級的車輛上搜集數據不同，他們以為只要L4及以上無人駕駛車輛所擁有的芯片才干、數據傳輸才干，才干滿意眾包制圖需求。 關于地圖“消費”環節，DeepMap了解為如何讓車輛“使用”高精度地圖。高精度地圖將與轎車三大體系發作交互，別離是感知體系、決策體系和實時定位體系。前文說到的高精度地圖的三大效果就是別離與這三大體系進行交互。
DeepMap是經過一套車載軟件效勞渠道來完結上述交互，該渠道使用深度學習技能，與車上的傳感器、與云端、與無人駕駛體系進行溝通，往后也許也會跟其他車輛進行溝通。
關于地圖的云效勞環節。每輛由眾包車輛搜集的數據將高達TB級，用于眾包的車輛也將達到百萬等級，首要要將這些難以處理的大數據變為可傳輸的小數據才干把本錢下降，一起云端將結合成千上萬臺計算機，做一些海量的復雜運算和剖析。比方結合許多轎車反應的狀況對實在路面發作的改變進行剖析，斷定改變是否實在發作，并在高精度地圖上得以更新表現。
如此一來，DeepMap高精度地圖生態構成閉環。
講到這兒，羅維自傲地笑了一下，對我們說：
2016年4月我們公司樹立，那時很多人還不信任我們的理念。但我們漸漸發現，越來越多的人在講我們說過的話，從小的創業公司到車廠，甚至大的科技公司。
“那你們不憂慮嘛?”
面臨記者的疑問，羅維坦言，他人能夠重復我們說過的話。雖然它是正確的，但真實把這個理念消化吸收而且做出來不是一件簡單的事。由于提出理念的時分其實是有一套成形的想法，知道每一個環節該如何建立。這些東西很難模仿。
采訪跋涉到尾聲，當泰伯網記者問到公司下一步比較緊迫的要做的工作是什么時，羅維笑著說，現在要做的事就兩件：第一，公司現在有幾十人，有一個工作場所可是老也裝修欠好，我們期望能快點有個更好的工作環境。
第二件事，DeepMap有足夠好的團隊，足夠好的產品原型，技能很好，執行力也很好，出產就是一個時間的問題，就是期望抓緊時間來做這件工作。
記者最終問羅維，你等待無人駕駛的來到嗎?
她沒有直接答復記者，而是對記者講了個小故事。
前陣子有小孩子問她，“我什么時分才干開車呀?”
她答復道，“到了你們考駕照的年齡，你也許就沒必要再學開車了。”