AI-mallit ja alustat

Kansainvälinen tiimi ottaa suuren edistysaskeleen autonomisten ajoneuvojen teknologiassa

Alex McFarland
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatProfessori Jeonin tiimi saavutti yli 96 %:n havaitsemistarkkuuden käyttämällä YOLOv3:a…
Näytä lisää
  • Professori Jeonin tiimi saavutti yli 96 %:n havaitsemistarkkuuden käyttämällä YOLOv3:a 3D-objekteille.
  • Älykäs IoT-järjestelmä havaitsee kohteet luotettavasti heikossa valaistuksessa ja epätavallisissa sääolosuhteissa.
  • Tämä teknologia voisi mahdollistaa turvallisemman autonomisen ajon, pysäköinnin, toimitukset ja robotit 5–10 vuoden kuluessa.

Autonomiset ajoneuvot ovat mullistamassa liikennettä — mutta niiden onnistunut käyttöönotto riippuu kyvystä tunnistaa ja reagoida ulkoisiin uhkiin. Signaalinkäsittely- ja kuva-analyysialgoritmeista syväoppimiseen perustuviin älykkäisiin järjestelmiin, jotka on integroitu IoT-infrastruktuuriin, on käytettävä monia teknologioita, jotta autonomiset autot voivat toimia turvallisesti erilaisilla maastoilla. Matkustajien turvallisuuden varmistamiseksi näiden älykkäiden autojen yleistyessä on kehitettävä vahvoja menetelmiä, jotka voivat nopeasti ja luotettavasti havaita mahdollisia vaaroja.

Itseohjautuvat ajoneuvot käyttävät kehittyneitä antureita, kuten LiDAR-antureita, tutkia ja RGB-kameroita, jotka tuottavat suuria tietomääriä, jotta ajoneuvot voivat tunnistaa oikein jalankulkijoita, muita kuljettajia ja mahdollisia vaaroja. Edistyneiden laskentakapasiteettien ja esineiden internetin (IoT) integrointi näihin automaattisiin autoihin mahdollistaa nopean tiedon prosessoinnin paikan päällä, jotta ne voivat liikkua eri alueilla ja kohteiden lomassa tehokkaammin. Lopulta autonominen ajoneuvo voi tehdä sekunnin murto-osissa päätöksiä paljon tarkemmin kuin tavalliset ihmiskuljettajat.

Suuri askel eteenpäin autonomisessa ajoneuvoteknologiassa

Mullistava tutkimus, jonka on suorittanut professori Gwanggil Jeon Incheonin kansallisesta yliopistosta, Koreasta, ja hänen kansainvälinen tiiminsä, merkitsee suurta askelta eteenpäin autonomisessa ajoneuvoteknologiassa. Heidän kehittämänsä älykäs IoT:tä hyödyntävä päästä päähän toimiva järjestelmä mahdollistaa 3D-objektien havaitsemisen reaaliajassa syvän oppimisen avulla, mikä tekee siitä luotettavamman ja tehokkaamman kuin koskaan aiemmin. Se voi havaita suuremman määrän objekteja tarkemmin, jopa haastavissa ympäristöissä, kuten heikossa valossa tai epätavallisissa sääolosuhteissa — jotain, mihin muut järjestelmät eivät pysty. Nämä ominaisuudet mahdollistavat turvallisemman navigoinnin eri liikenneolosuhteissa, nostavat autonomisen ajamisen järjestelmien vaatimustasoja ja parantavat maailmanlaajuista tieliikenneturvallisuutta.

Tutkimus julkaistiin lehdessä IEEE Transactions of Intelligent Transport Systems.

“Autonomisille ajoneuvoille ympäristön havainnointi on olennaista, jotta ne voivat vastata peruskysymykseen, ‘Mitä minun ympärilläni on?’ On olennaista, että autonomisella ajoneuvolla on kyky ymmärtää tehokkaasti ja tarkasti ympäröivää ympäristöään ja olosuhteita, jotta se voi reagoida tilanteen edellyttämällä tavalla,” Prof. Jeon selittää. “Me kehittimme havaintomallin YOLOv3:n pohjalta, joka on tunnettu tunnistusalgoritmi. Mallia käytettiin aluksi 2D-objektien havaitsemiseen ja myöhemmin muunnettu 3D-objekteja varten,” hän jatkaa.

Mallin perustana YOLOv3

Tutkijaryhmä syötti kerätyt RGB-kuvat ja pistepilviaineistot YOLOv3:lle, joka sitten tuotti luokkatunnisteita ja rajauslaatikoita sekä niiden luottamuspisteet. Sen suorituskykyä testattiin Lyft-aineistolla, ja varhaiset tulokset osoittivat, että YOLOv3 saavutti erittäin korkean tarkkuuden (>96%) sekä 2D- että 3D-objektien havaitsemisessa. Malli päihitti useita jo olemassa olevia huipputason havaintomalleja.

Tätä uutta menetelmää voitaisiin soveltaa autonomisiin ajoneuvoihin, autonomiseen pysäköintiin, autonomisiin toimituksiin ja tuleviin autonomisiin roboteihin. Sitä voidaan myös soveltaa sovelluksiin, joissa tarvitaan kohteiden ja esteiden havaitsemista, seurantaa ja visuaalista paikannusta.

“Tällä hetkellä autonominen ajo tehdään LiDAR-pohjaisen kuvan prosessoinnin kautta, mutta ennustetaan, että tavallinen kamera korvaa LiDARin roolin tulevaisuudessa. Tämän vuoksi autonomisten ajoneuvojen käyttämä teknologia muuttuu joka hetki, ja olemme edelläkävijöitä,” Prof. Jeon sanoo. “Perusteknologioiden kehityksen ansiosta turvallisempien autonomisten ajoneuvojen pitäisi tulla saataville seuraavien 5–10 vuoden aikana.”

Alex johtaa Unite.AI:n tekoälypohjaista uutistoimintaa, yhdistäen journalismia, tutkimusta ja automaatiota tukeakseen ajantasaista ja skaalautuvaa tekoälyä koskevaa uutisointia. Hänen työnsä auttaa varmistamaan, että nousevat tekoälykehitykset saadaan esiin tehokkaasti samalla kun julkaisun toimitukselliset standardit säilyvät.