Appen leverer høykvalitets treningdata for produsenter av selvkjørende kjøretøy

Appen Limited (ASX:APX), den ledende leverandøren av høykvalitets treningdata for organisasjoner som bygger effektive AI-systemer i stor skala, annonserte i dag forbedrede evner for å sikre at produsenter av selvkjørende kjøretøy har tilgang til høykvalitets treningdata og kan få mest mulig verdi fra sine treningdata-investeringer. Høykvalitets treningdata er essensielt for å sikre at selvkjørende kjøretøy opererer trygt og som forventet, og Appen, som arbeider 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 kjøretøy 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 vejsituasjon de vil møte i virkelige utrullinger. Dette betyr at teamene som arbeider med maskinlæringsmodellen (ML) for kjøretøyets AI må fokusere på å få treningdata med den høyeste mulige nøyaktigheten før de kan utrullere på veien. Våre kunder stoler på oss med sine 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 vei-, vær- og sikkerhetsforhold, krever selvkjørende kjøretøy komplekse, multidimensjonale datasett fra mange og ulike typer sensorer. Dette utgjør ikke bare en utfordring på grunn av leverandørspesialisering, men skaper også en enorm kvalitetssikringsutfordring for datannoteringsprosessen, fordi når teamene som trener modellene mottar dårlig kvalitets treningdata, må de bruke betydelig tid og ressurser på å gjøre interne auditor for å bestemme hvilke deler av datasettene som trenger forbedring for å gi en nettovirkning for deres maskinlæringsmodeller.

Med mer enn 15 års erfaring fra bilindustrien, arbeider Appens datannoteringsteam regelmessig med produsenter av selvkjørende 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 sine treningdata. For eksempel trenger noen produsenter å binde to distinkte datasett med varierende dimensjoner for å aktivere deres multi-modale selvkjørende kjøretøy-ML-algoritmer. Dette er ekstremt vanskelig å gjøre manuelt, men kritisk for utviklingen av selvkjørende kjøretøy-modeller.

Med Appens banebrytende teknologiplattform som leverer 3D-punktsky-annotering med objektsporingsfunksjon på 99+% på cuboid-nivå, kan kundene nå annotere en datasett med 2D-bilder bundet til en med 3D-punktsky-annoteringer for å kartlegge over flere dimensjoner samtidig som de opprettholder en konsekvent objekt-ID-krav 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 kjøretøy-modeller.

Appens treningdata-plattform kombinerer menneskelig intelligens fra over 1 million mennesker rundt om i verden med banebrytende modeller for å skape den høyeste kvaliteten på treningdata for ML-prosjekter. Appen er også engasjert i å hjelpe sine kunder med å sikre ansvarlig AI – fra pilot til produksjon – basert på etiske praksiser og data-mangfold, over alle større bruksområder.