Helm.ai, een leverancier van AI-software voor geavanceerde ADAS, autonoom rijden op niveau 4 en robotica, heeft een generatief AI-basismodel met meerdere sensoren gelanceerd voor het simuleren van de volledige autonome voertuigstapel.
WorldGen-1 synthetiseert zeer realistische sensor- en perceptiegegevens over meerdere modaliteiten en perspectieven tegelijk, extrapoleert sensorgegevens van de ene modaliteit naar de andere en voorspelt het gedrag van het ego-voertuig en andere agenten in de rijomgeving. Deze AI-gebaseerde simulatiemogelijkheden stroomlijnen de ontwikkeling en validatie van autonome rijsystemen.
Door gebruik te maken van innovatie in generatieve DNN-architecturen en Deep Teaching, een zeer efficiënte trainingstechnologie zonder toezicht, wordt WorldGen-1 getraind op duizenden uren aan uiteenlopende rijgegevens, die elke laag van de autonome rij-stack bestrijken, inclusief visie, perceptie, lidar en odometrie.
WorldGen-1 genereert tegelijkertijd zeer realistische sensorgegevens voor surroundview-camera's, semantische segmentatie op de perceptielaag, lidar-vooraanzicht, lidar-vogelperspectief en het ego-voertuigpad in fysieke coördinaten. Door consistent sensor-, perceptie- en padgegevens over de gehele AV-stack te genereren, repliceert WorldGen-1 nauwkeurig potentiële situaties uit de echte wereld vanuit het perspectief van het zelfrijdende voertuig. Deze uitgebreide sensorsimulatiemogelijkheid maakt het genereren van high-fidelity multi-sensor gelabelde gegevens mogelijk om een groot aantal uitdagende hoekgevallen op te lossen en te valideren.
Bovendien kan WorldGen-1 extrapoleren van echte cameragegevens naar meerdere andere modaliteiten, waaronder semantische segmentatie, lidar vooraanzicht, lidar vogelperspectief en het pad van het ego-voertuig. Deze mogelijkheid maakt de uitbreiding van bestaande datasets voor alleen camera's mogelijk tot synthetische datasets met meerdere sensoren, waardoor de rijkdom van datasets voor alleen camera's wordt vergroot en de kosten voor het verzamelen van gegevens worden verlaagd.
Naast sensorsimulatie en extrapolatie kan WorldGen-1, op basis van een waargenomen invoersequentie, het gedrag van voetgangers, voertuigen en het ego-voertuig voorspellen in relatie tot de omgeving, en realistische temporele sequenties genereren tot minuten lang. Dit maakt AI-generatie van een breed scala aan potentiële scenario's mogelijk, inclusief zeldzame randgevallen.
WorldGen-1 kan meerdere potentiële uitkomsten modelleren op basis van waargenomen invoergegevens, wat zijn vermogen tot geavanceerde multi-agent planning en voorspelling aantoont. WorldGen-1's begrip van de rijomgeving en zijn voorspellende vermogen maken het een waardevolle tool voor intentievoorspelling en padplanning, zowel als een middel voor ontwikkeling en validatie, als de kerntechnologie die realtime rijbeslissingen neemt.
Bron van Green Car-congres
Disclaimer: De hierboven vermelde informatie wordt onafhankelijk van Cooig.com door greencarcongress.com verstrekt. Cooig.com geeft geen verklaringen en garanties met betrekking tot de kwaliteit en betrouwbaarheid van de verkoper en producten. Cooig.com wijst uitdrukkelijk elke aansprakelijkheid af voor inbreuken met betrekking tot het auteursrecht op inhoud.
