Duomenys, slypintys už fizinio intelekto
Kiekvienas robotas, judantis gamyklos grindimis, kiekviena autonominė transporto priemonė, atpažįstanti pėsčiąjį, ir kiekvienas dronas, nusileidžiantis ant judančio taikinio, remiasi vienu dalyku: aukštos kokybės pažymėtais duomenimis. Tačiau fiziniam dirbtiniam intelektui tampant sudėtingesniam, sudėtingesnis tampa ir jo duomenų apdorojimo procesas. Robotikos ir autonominės sistemos turi suprasti informaciją, gaunamą iš kamerų, lidarų, radarų, IMU ir GPS jutiklių – dažnai realiuoju laiku. Būtent čia 3D jutiklių duomenų sujungimo žymėjimas tampa itin svarbus.
Fizinės dirbtinio intelekto sistemos ir suvokimo iššūkiai
Šiuolaikinės fizinės dirbtinio intelekto sistemos priklauso nuo daugiarūšio suvokimo – matymo, jutimo ir aplinkos supratimo. Tačiau jų užfiksuoti pirminiai duomenys yra netvarkingi:
- Lidaro taškų debesys su milijonais taškų kiekviename kadre.
- Radaro signalai, kurie fiksuoja gylį ir greitį, bet ne formą.
- Vaizdo srautai iš RGB arba infraraudonųjų kamerų.
- Inerciniai ir GPS signalai, kuriems reikia laiko suderinimo.
Šių srautų sujungimas į vieningą duomenų rinkinį reikalauja sujungimo proceso ir komandos, kuri supranta 3D geometriją, koordinačių sistemas ir jutiklių kalibravimą. Tradicinis 2D ribinių dėžučių žymėjimas tiesiog nebetinka.
Kodėl 3D duomenų žymėjimas yra toks sudėtingas ir toks brangus
3D duomenų žymėjimui reikalingi specializuoti įrankiai ir ekspertinės žinios:
- 3D ribinės dėžutės ir semantinis segmentavimas turi tiksliai atitikti jutiklių kalibravimo matricas.
- Laiko sinchronizavimas tarp kelių jutiklių užtikrina, kad kadrai atspindėtų tą pačią akimirką.
- Užmaskavimo valdymas ir kelių kadrų sekimas** nustato, ar objektas vėl pasirodo, ar išeina iš matymo lauko.
- Anotacijų nuoseklumas ir anotatorių tarpusavio susitarimas (IAA) tiesiogiai veikia modelio veikimą.
Dėl šių iššūkių daugelis įmonių susiduria su kliūtimis mokant suvokimo modelius — riboti pajėgumai, prasta kokybė ir ilgi įgyvendinimo terminai. Todėl jos renkasi įmonėms skirtus partnerius, galinčius užtikrinti mastelio didinimo ir audituojamus anotacijų procesus.
Jutiklių duomenų sujungimo žymėjimas – robotikos duomenų žymėjimo ateitis
Jutiminės jutiklių žymėjimas apjungia duomenis iš kelių modalumų (lidaras, radaras, vaizdo įrašas), kad būtų sukurtas išsamesnis fizinio pasaulio vaizdas. Robotikai ir autonominėms transporto priemonėms tai reiškia :
- Didesnis objektų aptikimo tikslumas esant prastam apšvietimui ar nepalankioms oro sąlygoms. Pagerintas atstumo ir greičio įvertinimas.
- Patikimesnis scenos suvokimas dėl tarpusavyje patikrintų jutiklių duomenų.
- Mažiau aklųjų zonų ir retesni išskirtinių atvejų sutrikimai.
„Uber AI Solutions“ jau dešimt metų tobulina šį procesą savo mobilumo platformoje ir partnerių programose visame pasaulyje.
Išvada — nuo neapdorotų duomenų iki realaus pasaulio suvokimo
Fizinio dirbtinio intelekto kokybė priklauso nuo duomenų, kurie jį moko matyti ir veikti. Sujungdama pažangią jutiklių žymėjimo technologiją su pasauliniu žmonių tinklu ir griežtais kokybės standartais, „Uber AI Solutions“ leidžia įmonėms kurti patikimus robotus, transporto priemones ir įrenginius, kurie saugiai veikia realiame pasaulyje.
Sprendimai pramonei
Pramonės
Gidai