• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Träningsdata för autonom körning

    Med hjälp av bearbetade bilder, Algoritmer lär sig känna igen den verkliga miljön för autonom körning. Kredit:understand.ai

    Autonoma bilar måste uppfatta sin miljö verklighetstrogen. Motsvarande algoritmer tränas med hjälp av ett stort antal bild- och videoinspelningar. För att algoritmen ska känna igen enstaka bildelement, som ett träd, en fotgängare eller ett vägmärke, dessa är märkta. Märkning förbättras och accelereras av understand.ai, en startup etablerad av datavetaren Philip Kessler, som studerade vid Karlsruhe Institute of Technology (KIT), och hans medgrundare Marc Mengler.

    "En algoritm lär sig genom exempel och ju fler exempel som finns, ju bättre lär det sig, " säger Philip Kessler. Av denna anledning, fordonsindustrin behöver en stor mängd video- och bildmaterial inom maskininlärning för autonom körning. Än så länge, föremål på bilderna har märkts manuellt av mänsklig personal. "Stora företag, som Tesla, anställa tusentals arbetare i Nigeria eller Indien för detta ändamål. Processen är besvärlig och tidskrävande, " Kessler förklarar. "Vi på understand.ai använder artificiell intelligens för att göra märkning upp till tio gånger snabbare och mer exakt, " tillägger han. Även om bildbehandlingen är mycket automatiserad i stora delar, slutlig kvalitetskontroll görs av människor. Kombinationen av teknik och mänsklig omsorg är särskilt viktig för säkerhetskritiska aktiviteter, såsom autonom körning, ", säger grundaren av understand.ai. Märkningarna, även kallade annoteringar, i bild- och videofilerna måste överensstämma med den verkliga miljön med pixelnoggrannhet. Ju bättre kvalitet på de bearbetade bilddata, desto bättre är algoritmen som använder dessa data för träning.

    "Eftersom träningsbilder inte kan tillhandahållas för alla situationer, som olyckor, vi erbjuder nu också simuleringar baserade på verklig data, " säger Kessler. Även om uppstarten fokuserar på autonom körning, man planerar också att bearbeta bilddata för träningsalgoritmer för att upptäcka tumörer eller för att utvärdera flygfoton i framtiden. Ledande biltillverkare och leverantörer i Tyskland och USA är bland kunderna till den startup som Kessler och Marc Mengler etablerade 2017. Företagets huvudkontor ligger i Karlsruhe. Några av de drygt 50 anställda arbetar på kontor i Berlin och San Francisco. Under 2018, startupen beviljades startupfinansiering på 2,8 miljoner USD av en grupp privata investerare.

    Under 2012, Kessler, född i Braunschweig, började studera informatik på KIT, där han blev intresserad av artificiell intelligens och autonom körning när han utvecklade en autonom modellbil i studentgruppen KITCar. Han funderade på att arbeta i universitetsgruppen PionierGarage för studententreprenörer och sin ettåriga vistelse hos Mercedes Research i Silicon Valley, där han fokuserade på maskininlärning och dataanalys, "mycket motiverande" för att etablera sitt eget företag.

    "Ingen annanstans kan du lära dig mer inom en kortare tidsperiod än i en startup. Nyligen, stora företags intresse för att samarbeta med startups ökade avsevärt, " säger den 26-årige grundaren. Han tror att Tyskland sömnvandrade genom den första vågen av artificiell intelligens, där den främst användes i underhållningsapparater och konsumentprodukter. "I den andra vågen, där artificiell intelligens tillämpas inom industri och teknik, Tyskland kommer att kunna utnyttja sin potential, " säger Kessler.


    © Vetenskap https://sv.scienceaq.com