A fizikai intelligencia mögött álló adatok
Minden robot, amely egy gyár padlóján navigál, minden önvezető jármű, amely gyalogost észlel, és minden drón, amely mozgó célpontra száll le, egy dologra támaszkodik: kiváló minőségű, címkézett adatokra. Ahogy azonban a fizikai mesterséges intelligencia egyre összetettebbé válik, úgy válik bonyolultabbá az adatfeldolgozási folyamata is. A robotikai és autonóm rendszereknek értelmezniük kell a kamerákból, lidarból, radarból, IMU-kból és GPS szenzorokból származó bemeneteket – gyakran valós időben. Itt válik küldetéskritikussá a 3D szenzorfúziós címkézés.
A fizikai mesterséges intelligencia rendszerek észlelésének kihívása
A modern fizikai mesterséges intelligencia rendszerek többmodalitású érzékelésre támaszkodnak – látják, érzékelik és értelmezik a környezetüket. Az általuk rögzített nyers adatok azonban rendezetlenek:
- Lidar pontfelhők, amelyekben minden képkockán milliónyi pont található.
- Radarjelek, amelyek a mélységet és a sebességet rögzítik, de az alakot nem.
- Videófolyamok RGB vagy infravörös kamerákból.
- Inerciális és GPS jelek, amelyek időbeli összehangolást igényelnek.
Ezeknek az adatfolyamoknak az egyesítése egységes adathalmazzá egy fúziós folyamatot és olyan munkaerőt igényel, amely érti a 3D geometriát, a koordináta-rendszereket és az érzékelők kalibrálását. A hagyományos 2D-s határolódoboz-címkézés egyszerűen nem elegendő.
Miért olyan összetett és költséges a 3D adatok címkézése?
A 3D adatok címkézéséhez speciális eszközökre és szakértelemre van szükség:
- A 3D határolódobozoknak és a szemantikus szegmentációnak pontosan illeszkedniük kell az érzékelők kalibrációs mátrixaihoz.
- A több érzékelő közötti időszinkronizáció biztosítja, hogy a képkockák ugyanazt a pillanatot ábrázolják.
- Az okklúziókezelés és a többképkockás követés** határozza meg, hogy egy objektum újra megjelenik-e vagy kikerül a látótérből.
- Az annotációk konzisztenciája és az annotátorok közötti egyezés (IAA) közvetlenül befolyásolja a modell teljesítményét.
E kihívások miatt sok vállalat szűk keresztmetszetekkel szembesül az észlelési modellek betanításában — korlátozott kapacitás, alacsony minőség és hosszú átfutási idők. Ezért fordulnak olyan vállalati szintű partnerekhez, akik képesek skálázható, auditálható annotációs folyamatokat biztosítani.
Szenzorfúziós címkézés – A robotikai adatok annotációjának jövője
Az érzékelőfúziós címkézés többféle modalitás (lidar, radar, videó) adatainak kombinálásával gazdagabb képet ad a fizikai világról. A robotika és az önvezető járművek esetében ez azt jelenti :
- Nagyobb pontosságú objektumfelismerés gyenge fényviszonyok vagy kedvezőtlen időjárás esetén. Jobb mélység- és sebességbecslés.
- Robusztusabb jelenetértelmezés a keresztellenőrzött szenzorbemenetek révén.
- Kevesebb holttér és ritka hibalehetőség.
Az Uber AI Solutions tíz éve tökéletesíti ezt a folyamatot saját mobilitási platformján és partnerprogramjain világszerte.
Következtetés — A nyers adatoktól a valós világ érzékeléséig
A fizikai mesterséges intelligencia csak annyira jó, amennyire az adatok, amelyek megtanítják látni és cselekedni. Az Uber AI Solutions fejlett szenzorcímkézési technológiát ötvöz egy globális emberi hálózattal és szigorú minőségbiztosítási keretrendszerekkel, így a vállalatok megbízható robotokat, járműveket és gépeket építhetnek, amelyek biztonságosan működnek a való világban.
Iparági megoldások
Iparágak
Útmutatók