Appen Levererar Högkvalitativ Träningsdata för Tillverkare av Autonoma Fordon

Appen Limited (ASX:APX), den ledande leverantören av högkvalitativ träningsdata för organisationer som bygger effektiva AI-system i stor skala, meddelade idag förbättrade funktioner för att säkerställa att tillverkare av autonoma fordon har tillgång till högkvalitativ träningsdata och kan få ut maximalt värde från sin träningsdatainvestering. Högkvalitativ träningsdata är avgörande för att säkerställa att autonoma fordon fungerar säkert och som förväntat, och Appen, som samarbetar med 7 av de 10 största globala biltillverkarna och tier 1-leverantörer, kan leverera 99+% noggrannhet för mycket komplexa multimodala AI-projekt.

”Det räcker inte att fordon fungerar bra i simulerade eller goda väderförhållanden i en typ av topografi”, sa Wilson Pang, CTO på Appen. ”De måste fungera perfekt i alla väderförhållanden i varje tänkbart vägsenario som de kommer att möta i verkliga distributioner. Detta innebär att team som arbetar med maskinlärningsmodellen (ML) för fordonets AI måste fokusera på att få träningsdata med den högsta möjliga noggrannheten innan de kan distribueras på vägen. Våra kunder litar på oss med sina mest komplexa träningsdataannoterings scenarier eftersom vår branschledande annoteringsplattform och tjänster möjliggör att vi kan leverera den höga kvalitet som krävs för att driva multi-modala självkörande bilalgoritmer.”

För att förstå och svara korrekt på väg-, väder- och säkerhetsförhållanden kräver autonoma fordon komplexa, multidimensionella datamängder från många och flera typer av sensorer. Detta utgör inte bara en utmaning på grund av leverantörsspecialisering, utan skapar också en enorm kvalitetssäkringsutmaning för datannoteringsprocessen eftersom team som tränar modellerna måste slösa bort betydande tid och resurser på att utföra interna revisioner för att avgöra vilka delar av datamängderna som behöver förbättras för att ge en nettovinst för deras maskinlärningsmodeller.

Med mer än 15 års erfarenhet av bilindustrin arbetar Appens datannoteringsteam regelbundet med tillverkare av autonoma fordon för att granska deras befintliga annoterade data och hjälpa dem att komma närmare 100% kvalitet, så att de kan få ut maximalt värde från sin träningsdata. Till exempel behöver vissa tillverkare för att möjliggöra sina multi-modala autonoma fordon ML-algoritmer binda samman två distinkta datamängder av varierande dimensioner. Detta är extremt svårt att göra manuellt men avgörande för utvecklingen av autonoma fordonmodeller.

Med Appens banbrytande teknikplattform som levererar 3D-punktmolnsannotering med objekttspårning på 99+% på cuboidnivå kan kunderna nu annotera en datamängd med 2D-bilder bundna till en med 3D-punktmolnsannoteringar för kartläggning över flera dimensioner samtidigt som de upprätthåller en konsekvent objekts-ID-krav över 50+ ramar.

”Vårt projekt är fortfarande i pilotfasen och vi behövde påskynda cykeln för att nå produktion, vilket kräver träningsdata som snabbt uppfyller våra algoritmkrav. Annotationsverktyget, inklusive 3D LiDAR, högkvalitetskontrollfunktioner och arbetsflöden, är redan inbyggt i Appen-plattformen. Detta hjälper oss att säkerställa att processen är optimerad baserat på våra projektkrav, vilket möjliggör en smidig samverkan mellan vårt team och Appen-teamet. Vi ser fram emot att flytta denna interna pilot till produktion”, sa en senior projektledare på Ecarx, ett bilteknikföretag som bygger en intelligent, uppkopplad plattform för flera fordonmodeller.

Appen-träningsdataplattformen kombinerar mänsklig intelligens från över 1 miljon människor runt om i världen med banbrytande modeller för att skapa den högkvalitativaste träningsdatan för ML-projekt. Appen är också engagerad i att hjälpa sina kunder att säkerställa ansvarsfull AI – från pilot till produktion – baserat på etiska metoder och datadiversitet, över alla stora användningsfall.