Appen Leverer Høykvalitets Treningdata for Produsenter av Autonome kjøretøy

Appen Limited (ASX:APX), den ledende leverandøren av høykvalitets treningdata for organisasjoner som bygger effektive AI-systemer i stor skala, kunngjorde i dag forbedrede muligheter for å sikre at produsenter av autonome kjøretøy har tilgang til høykvalitets treningdata og kan få mest mulig verdi fra deres treningdata-investering. Høykvalitets treningdata er essensielt for å sikre at autonome kjøretøy opererer trygt og som forventet, og Appen, som samarbeider med 7 av de 10 største globale bilprodusentene og tier 1-leverandører, kan levere 99+% nøyaktighet for svært komplekse multimodale AI-prosjekter.

“Det er ikke nok at kjøretøyene fungerer godt i simulerings- eller gode værforhold i en type topografi,” sa Wilson Pang, CTO i Appen. “De må fungere feilfritt i alle værforhold i hver tenkelig veiscenario de vil møte i virkelige utrullinger. Dette betyr at teamene som arbeider med maskinlæring (ML)-modellen for kjøretøyets AI må fokusere på å få treningdata med høyest mulig nøyaktighet før de kan utrulleres på veien. Våre kunder stoler på oss med deres mest komplekse treningdata-annoterings-scenarier, fordi vår bransjeledende annoteringsplattform og -tjenester gjør det mulig for oss å levere den høykvaliteten som er nødvendig for å drive multi-modale selvkjørende bilalgoritmer.”

For å forstå og svare riktig på veg-, vær- og sikkerhetsforhold, trenger autonome kjøretøy komplekse, flerdimensjonale datasett fra mange og flere typer sensorer. Dette stiller ikke bare en utfordring på grunn av leverandørspesialisering, men skaper også en enorm kvalitetssikringsutfordring for annoteringsprosessen, fordi når teamene som trener modellene mottar dårlig kvalitets treningdata, må de bruke betydelig tid og ressurser på å gjennomføre interne auditor for å bestemme hvilke deler av datasettene som trenger forbedring for å gi en nettofordel for deres maskinlæringsmodeller.

Med over 15 års erfaring fra bilindustrien, arbeider Appens annoteringsteam regelmessig med produsenter av autonome kjøretøy for å auditere deres eksisterende annoterte data og hjelpe dem med å komme nærmere 100% kvalitet, så de kan få mest mulig verdi fra deres treningdata. For eksempel trenger noen produsenter å binde to distinkte datasett av varierende dimensjoner for å aktivere deres multi-modale autonome kjøretøy-ML-algoritmer. Dette er ekstremt vanskelig å gjøre manuelt, men kritisk for utvikling av autonome kjøretøy-modeller.

Med Appens banebrytende teknologiplattform som leverer 3D-punktsky-annotering med objektsporing på 99+% på cuboid-nivå, kan kundene nå annotere et datasett med 2D-bilder bundet til ett med 3D-punktsky-annoteringer for kartlegging på flere dimensjoner samtidig som de opprettholder en konsistent objekt-ID-krav på over 50 rammeverk.

“Vårt prosjekt er fortsatt i pilotfasen, og vi trengte å akselerere syklusen for å nå produksjon, som krever treningdata som raskt møter våre algoritme-krav. Annoteringsverktøyet, inkludert 3D LiDAR, høykvalitetskontrollfunksjoner og arbeidsflyter, er allerede bygget inn i Appen-plattformen. Dette hjelper oss med å sikre at prosessen er optimalisert basert på våre prosjektkrav, og muliggjør en smidig samarbeid mellom vårt team og Appen-teamet. Vi ser frem til å flytte denne interne piloten til produksjon,” sa en senior prosjektleder i Ecarx, et bilteknologiselskap som bygger en intelligent, tilkoblet plattform for flere kjøretøymodeller.

Appen-treningdata-plattformen kombinerer menneskelig intelligens fra over 1 million mennesker rundt om i verden med banebrytende modeller for å skape den høyeste kvalitets treningdata for ML-prosjekter. Appen er også dedikert til å hjelpe kundene med å sikre ansvarlig AI – fra pilot til produksjon – basert på etiske praksiser og data-mangfold, på alle større brukstilfeller.