人形機械
作者 YAS Team
當自主機器發生意外：公共空間的保險缺口與解決方案
為機器經濟而設的風險智能
閱讀分析我們是誰
我們是為機械經濟而設的風險智能平台。
我們透過即時機械數據同風險智能創造價值 — 涵蓋機械人、自動駕駛車隊，以至更多場景。
即時風險分數
84
哪些因素拉動了評分
- 急剎68
- 繁忙路線54
- 夜間運作41
評分模型
一個評分，建基於機械實際如何運作。
每趟行程逐個因子評分，再整合成單一即時風險評分。分數變動時，YAS 會說明原因 — 讓營運商與保險公司清楚可如何行動。
1
追蹤行為
速度、煞車、轉彎與行駛位置，每趟行程即時擷取。
2
拆解指標
這些訊號會拆解為約 17 項風險指標，並逐項評分。
3
逐項評分
在情境下對照車隊評分。
6
校準
成果重新校準權重。
5
行為獎勵
獎勵更安全的運作——動態保險定價由即時數據同行為帶動。
4
AURA 評分
合作夥伴
真實夥伴。真實運作。
保險公司、車隊同機械人團隊，正以 YAS 正式運作。
Trusted by Zurich Insurance, Axonex, Rice Robotics, JOIE, etiqa, and China Taiping.
案例研究
已上線的實際部署。
電動車隊同機械人營運商已將即時機械數據傳入 YAS。了解各合作夥伴如何運用評分。
24.3M km
已處理的營運數據里程
1.8M+
以完整數據解析度分析的行程
775
即時評分的活躍司機
