Appen leverer træningsdata af høj kvalitet til autonome køretøjsproducenter

Appen Limited (ASX:APX), den førende udbyder af træningsdata af høj kvalitet til organisationer, der bygger effektive AI-systemer i stor skala, annoncerede i dag forbedrede muligheder for at sikre, at producenter af autonome køretøjer har adgang til træningsdata af høj kvalitet og kan få mest muligt ud af deres investering i træningsdata. Træningsdata af høj kvalitet er afgørende for at sikre, at autonome køretøjer fungerer sikkert og som forventet, og Appen, som arbejder med 7 af de 10 største globale bilvirksomheder og tier 1-leverandører, kan levere 99+ % nøjagtighed til meget komplekse multimodale AI-projekter.

"Det er ikke nok for køretøjer at præstere godt i simulerede eller gode vejrforhold i en type topografi," sagde Wilson Pang, CTO for Appen. "De skal præstere fejlfrit under alle vejrforhold i alle tænkelige vejscenarier, de vil støde på i den virkelige verden. Det betyder, at teams, der arbejder med maskinlæringsmodellen (ML) for køretøjets AI, skal fokusere på at få træningsdata med den højest mulige nøjagtighed, før de kan implementeres på vejen. Vores kunder stoler på os med deres mest komplekse annoteringsscenarier for træningsdata
fordi vores brancheførende annotationsplatform og -tjenester gør os i stand til at levere den høje kvalitet, der er nødvendig for at drive multimodale selvkørende bilalgoritmer."

For at forstå og reagere korrekt på vej-, vejr- og sikkerhedsforhold kræver autonome køretøjer komplekse, multidimensionelle datasæt fra talrige og flere typer sensorer. Dette udgør ikke kun en udfordring på grund af leverandørspecialisering, men skaber også en enorm kvalitetssikringsudfordring for dataannoteringsprocessen, fordi når teams, der træner modellerne modtager træningsdata af dårlig kvalitet, skal de spilde betydelig tid og ressourcer på at udføre interne audits. at bestemme, hvilke dele af datasættene der skal forbedres for at give en nettofordel for deres maskinlæringsmodeller.

Med mere end 15 års erfaring i bilindustrien arbejder Appens dataanmærkningsteams regelmæssigt med producenter af autonome køretøjer for at revidere deres eksisterende annoterede data og hjælpe dem med at komme tættere på 100 % kvalitet, så de kan få mest muligt ud af deres træningsdata. For at aktivere deres multimodale autonome køretøjers ML-algoritmer, skal nogle producenter for eksempel binde to forskellige datasæt af forskellige dimensioner. Dette er ekstremt svært at gøre manuelt, men afgørende for udvikling af autonome køretøjsmodeller.

Med Appens banebrydende teknologiplatform, der leverer 3D-punktskyannotering med objektsporing med 99+ % på kubisk niveau, kan kunder nu annotere et datasæt med 2D-billeder bundet til et med 3D-punktskyannoteringer til kortlægning på tværs af flere dimensioner, mens en konsistent justering krav til objekt-id på tværs af 50+ rammer.

"Vores projekt er stadig i pilotfasen, og vi var nødt til at fremskynde cyklussen for at nå produktionen, hvilket kræver træningsdata, der hurtigt opfylder vores algoritmekrav. Annotationsværktøjet, inklusive 3D LiDAR, kontrolfunktioner af høj kvalitet og arbejdsgange, er allerede indbygget i Appen-platformen. Dette hjælper os med at sikre, at processen er optimeret baseret på vores projektkrav, hvilket muliggør et gnidningsløst samarbejde mellem vores team og Appen-teamet. Vi ser frem til at flytte denne interne pilot i produktion,” sagde en senior projektleder hos Ecarx, en bilteknologivirksomhed, der bygger en intelligent, forbundet platform til flere køretøjsmodeller.

Appens træningsdataplatform kombinerer menneskelig intelligens fra over 1 million mennesker rundt om i verden med banebrydende modeller for at skabe træningsdata af højeste kvalitet til ML-projekter. Appen er også forpligtet til at hjælpe sine kunder med at sikre ansvarlig AI – fra pilot til produktion – baseret på etisk praksis og datadiversitet på tværs af alle større use cases.