Як передові дані тренують ШІ для точного реагування в реальному часі

Приєднуйтесь до лідерів 26-28 липня на Transform AI і Edge Week. Послухайте лідерів високого рівня, які обговорюють теми, пов’язані з технологією AL/ML, розмовним штучним інтелектом, IVA, NLP, Edge тощо. Забронюйте безкоштовний квиток зараз!

Автономне водіння розглядається як майбутнє мобільності завдяки таким компаніям, як Tesla, які розробляють передові системи допомоги водієві на основі штучного інтелекту (ADAS), які допомагають користувачам пересуватися по всьому світу. від точки до точки за певних умов.

Прогрес був вражаючим для багатьох, але факт залишається фактом: ми все ще далекі від справді автономних автомобілів. Щоб досягти справжньої автономності, безпілотні транспортні засоби повинні перевершувати водіїв-людей за будь-яких умов, будь то густонаселений міський район, село чи неочікувана дорога.

"Здебільшого автономне водіння досить просте. Іноді це так само просто, як проїхати безлюдною дорогою або слідувати за транспортним засобом, що веде вперед. Може виникнути безліч "крайніх ситуацій"," Кай Ван, головний спеціаліст з прогнозування Про це на конференції VentureBeat Transform 2022 заявила компанія Zoox, що належить Amazon.

Ці крайні випадки створюють проблеми для алгоритмів. Уявіть собі групу людей, які виходять на вулицю з мертвої точки або купи уламків, що лежить на шляху.

Подія

Перетворення 2022

Зареєструйтеся зараз, щоб отримати безкоштовну віртуальну перепустку на Transform AI Week, 26-28 липня. Почуйте думки лідерів у галузі штучного інтелекту та обробки даних у Visa, Lowe's eBay, Credit Karma, Kaiser, Honeywell, Google, Nissan, Toyota, John Deere тощо.

зареєструватися тут Zoox Training Effort

Люди досить добре вміють розпізнавати та реагувати на майже будь-який крайовий випадок, але машинам це важко, оскільки існує багато можливостей того, що може статися на дорозі. Щоб вирішити цю проблему, Zoox, яка розробляє програмне забезпечення для повністю автономного водіння та спеціально створене автономне роботаксі, застосувала багаторівневий підхід.

«Насправді немає універсального рішення, яке б вирішило всі ці випадки, тому ми намагаємося інтегрувати різні типи пом’якшення по всій нашій системі, на кожному рівні, щоб дати нам найкращий шанс займайтеся цими речами», – сказав Ван.

По-перше, як пояснив керівник, Zoox дозволяє сприймати різні умови/об’єкти, надаючи дані з сенсорних модулів, розташованих у всіх чотирьох кутах автомобіля.

Кожна капсула містить кілька типів датчиків (камери RGB, датчики Lidar, радари та термодатчики), які доповнюють один одного. Наприклад, RGB-камери можуть виявляти деталі на зображеннях, але не вимірюють глибину, якою займається Lidar.

«Робота нашої системи сприйняття полягає в тому, щоб використовувати всі ці датчики разом і об’єднувати їх для створення єдиного представлення всіх об’єктів навколо нас», — сказав Ван.

Після розпізнавання оточуючих агентів система моделює, де вони опиняться протягом наступних кількох секунд. Це робиться за допомогою керованих даними алгоритмів глибокого навчання, які пропонують розподіл потенційних майбутніх траєкторій. Після цього він розглядає всі динамічні сутності та їхні прогнозовані траєкторії та приймає рішення про те, що робити або як безпечно переміщатися за поточним сценарієм до цільового пункту призначення.

дистанційне наведення

Хоча система ефективно моделює та обробляє крайні випадки, вона може зіткнутися з деякими ситуаціями, які ніколи раніше не бачили на дорозі. У цих випадках система зупиняється та використовує можливості самонаведення, щоб викликати експерта-людина для допомоги (одночасно перевіряючи інші агенти на наявність зіткнень і перешкод).

"У нас є людина-оператор, який підключився до ситуації, щоб запропонувати маршрут через завал. Наразі ми отримували дистанційне керування менше ніж 1% від загального часу нашої місії в складних умовах. І коли наша система набирає обертів ...