Ölçek, veri yakıtını otonom sürüş teknolojisine daha hızlı enjekte etmek için sensör füzyon açıklama API'sini başlatıyor
Kendi kendine giden arabalar, insan üretkenliğini daha da özgürleştirecek, insan sürüşünün neden olduğu trafik kazalarını önemli ölçüde azaltacak ve yeni katma değerli hizmetler yaratacaktır. Gelecekteki geliştirme eğilimlerine odaklanan Scale API, bilgisayarla görme eğitimini hızlandırıyor ve makine öğrenimini insan anlayışıyla birleştiren etkileşimli bir platform oluşturuyor.
Leifeng.comun yeni bilgeliğe yön veren haberlerine göre, Scale API kısa süre önce tüm ana akım sensörlerin gelişmiş 3D algısını destekleyebilen Sensor Fusion Annotation API'yi piyasaya sürdü. Otomobil üreticilerinin ve sürücüsüz otomobil şirketlerinin algılama algoritmalarının gelişimini hızlandırmasına yardımcı olmak için lidar (30 metre içinde yoğun 3D sahne anlayışı), kamera (70 metre içinde görüntü hedefi tanıma) ve Radar (150 metre içinde seyrek sahne anlayışı) dahil.
Ölçek API'si bir bulut hizmetine dayanır.Kullanıcılar, bilgisayarla görme modeli eğitiminde kullanılmak üzere şirket tarafından etiketlenmiş çok sayıda etiketlenmemiş veri kümesi yükleyebilir. Aynı zamanda, çeşitli veri kümelerini işleyebilir. Perde arkasındaki "Ölçekleyici", açıklamaların kalitesini ve ölçeklenebilirliğini sağlayabilir. İş verimliliği, otomatikleştirilmiş bir kaliteli boru hattı oluşturmak için herhangi bir zamanda izlenecek ve kaydedilecektir.
Şirket, veri setlerine açıklama eklemek için hedef tanımayı kullanan Image Annotation API'yi sağladı. Ek olarak, Scale API ayrıca OCR ve görüntü transkripsiyonu, sınıflandırma, karşılaştırma ve veri toplama için API'ler sağlar.
* 150 metre içinde RADAR algılama sahnesinin ekran görüntüsü
Sensör füzyon açıklama API'si ile kullanıcılar, 3B algılama modellerini eğitmek için kullanılabilecek açıklama verileri oluşturmak için etiketlenmemiş kamera, lidar ve Radar verilerini yükleyebilir. Lidar ve Radar etiketlemesi, belirli bir nesnenin 3B nokta bulutunu çevrelemek için dikdörtgen bir paralel yüzlü kullanımı ifade eder ve bu kutuların konumu ve boyutu elde edilir. Bu API, 3B algılama için tüm genel sensörleri destekler ve otonom sürüş teknolojisi için veri desteği sağlar.
Otonom araçların teknolojisi ve gelişimi hakkında daha fazla bilgi edinmek için yabancı medya, Scale API'nin kurucusu ve CEO'su Alexandr Wang ile bir konuşma yaptı.Aşağıdaki bilgiler Leifeng.com Xinzhijia tarafından derlendi.
S: Lidar ile neden bu kadar ilgileniyorsunuz?
Wang: Lidar sensörleri, arabaların çevredeki ortamı anlamasına yardımcı olmak için lazerler kullanır. Aracın diğer nesnelerin mesafesini, mevcut hareket hızını ve aracın göreceli konumunu algılamasını sağlar. Bu bilgiler, 3B nokta bulutu verilerini oluşturmak için kullanılabilir.
Lidar hızla gelişiyor ve fiyatı daha ucuz hale geliyor. Bazı katı hal lidarları gelecekte binlerce hatta yüzlerce dolar kadar düşük olabilir (General Cruise'un Strobe'u satın alması tam olarak bunu başarmak içindir). Lidar maliyeti düştükçe, lidar ile donatılmış L4 seviyesinde otonom sürüş filosu hemen köşede ve tüketicilerin otonom araçlar satın almak için yüksek fiyatlar harcaması gerekmiyor.
S: Otonom araçlar için lidar en iyi seçim mi?
Wang: Lidar, otonom araçların inişinde kilit rol oynar. Araba onsuz çalışabilse bile, sürücüsüz arabaları daha güvenli hale getirebilir. Ancak yağmur, kar ve diğer şiddetli hava koşulları gibi bazı özel durumlarda lidarın çalışmamasına neden olabilir.
Diğer teknolojilerle karşılaştırıldığında, lidar'ın performansı, özellikle yakın alan anlamsal anlayış için bariz avantajlara sahiptir.
Uygulamayı ilk olarak sürücüsüz arabalarda ele alsak da, lidar ve Radar, dronlar, ölçüm görüntüleri ve dağıtım robotları, üretim robotları, güvenlik robotları vb. Gibi diğer robotlar dahil olmak üzere neredeyse tüm robotik ve bilgisayarla görme alanlarında 3D aracılığıyla uygulanabilir. Algılama, görüntü verilerinin değerini daha da artırabilir. Sigorta şirketi Liberty Mutual, drone çalışmalarını geliştirmek için aslında Scale API'yi kullanıyor ve ev hasarının boyutunu otomatik olarak tespit etmek için drone görüntülerini analiz etmek için makine öğrenimi algoritmalarını kullanıyor.
S: Lidar'ın ana rakipleri hangi teknolojiyi kullanıyor?
Wang: Bu soru çok ilginç. Radar hedef tespiti için de kullanılabilse de, birbirleriyle rekabet etmekten çok lidarı tamamlayıcı niteliktedir. Radar doğruluğu çok yüksek değildir, ancak algılama mesafesi daha uzundur. Kombinasyon halinde kullanıldıklarında daha iyi 3D algısı elde edilebilir.
Tesla gibi şirketler doğrudan rakip olmasalar da, yalnızca kamera ve radar kullanarak daha yüksek çözünürlüklü yeni algılama sistemleri inşa ediyorlar.
S: Lidar'ın dezavantajları nelerdir?
Wang: Lidar sensörlerinin hala bazı dezavantajları vardır. Daha önce de söylediğim gibi, iyi aydınlatılmış bir ortamda en iyi performansı gösterir, ancak kar yağdığında veya sisli olduğunda başarısız olabilir. Bu nedenle, sürücüsüz otomobillerin çoğu, daha doğru algılama için dört sensör kullanır.
S: Sensor fusion annotation API'nin arkasındaki fikir nedir?
Wang: Yüksek performanslı algı algoritmaları geliştirmedeki en büyük darboğaz, yüksek kaliteli etiketli veriler elde etmektir. Scale'in sensör füzyon API'sinin piyasaya sürülmesiyle, şu anda tüm 3B sensör füzyon açıklamalarını işleyebilen tek kişi biziz ve bu, herhangi bir sürücüsüz araba veya robot şirketi için çok değerli.
Sensör füzyonunu ve görüntü açıklama API'sini kullanmak için, yalnızca verileri Ölçek API'sına göndermeniz gerekir ve veriler, geri arama yoluyla kullanıcıya otomatik olarak geri gönderilir. İşlem çok basittir.
Ölçek sensörü füzyonu ve görüntü açıklama API'si, birden çok tür için destek sağlar. Lidar / radar, anlambilimsel bölümleme, çokgenler, sınırlayıcı kutular, noktalar, çizgiler ve küpler dahil.
Bazı kullanıcılar tüm işlem sürecini entegre etmişlerdir.Arabaları anormal olduğunda, veriler açıklama için otomatik olarak bize gönderilecektir.Veri kullanıcıya geri gönderildikten sonra, tetik sinyali yeniden eğitim algoritmasını harekete geçirecektir. Voyage ve Embark'ın bu teknolojiyi beklediği gibi, onlarla işbirliği yapabildiğimiz için çok mutluyuz.
S: Ölçek bu teknolojiyi nasıl geliştirdi?
Wang: Scale'in mühendislik ekibi; MIT, CMU, Harvard Üniversitesi, Stanford Üniversitesi, Google ve Facebook'tan makine öğrenimi, bilgisayar bilimi ve elektrik mühendisliği uzmanlarından oluşuyor. En yüksek kalitede verileri üretmek için gelişmiş teknolojiler geliştirmek üzere Alphabet gibi ortaklarla da yakın çalışıyoruz.
S: Şu anda hangi şirketler ile çalışıyor?
Wang: Scale API kullanan şirketler arasında genel amaçlı GM Cruise, Uber, nuTonomy, Alphabet, Embark, Voyage, Starsky Robotics vb. Yer alır.
S: Kendi kendine giden arabaların ne zaman norm haline geleceğini düşünüyorsunuz?
Wang: Bu teknolojinin çeşitli bölgelerde ne zaman yaygın olarak kullanılacağını tahmin etmek zor. Amerika Birleşik Devletleri'ndeki bazı şehirler 1-2 yıl içinde sürücüsüz filolara sahip olabilir. Ancak yatırım nedeniyle diğer alanlarda kullanılması yaklaşık 3-5 yıl kadar sürebilir. Şu anda, çoğu otonom sürüş teknolojisi, oluşturulması ve bakımı pahalı olan yüksek hassasiyetli haritalara dayanıyor. Teknolojinin hala tam olarak geliştirilmesi gerektiğinden, tüketicilerin sürücüsüz binek otomobiller satın almak için uzun süre beklemesi gerekebilir.
Not: Bu yıl Çin'de ve dünyada akıllı sürüş alanındaki teknolojik sınırlara ve ticari keşiflere bakın, Leifeng.com'un yeni akıllı sürüş yıllık önerisi, aşağıdaki QR kodunu tarayın veya https://www.leiphone.com/special/custom/ bağlantısını tıklayın. Daha fazla bilgi için AIdrive.html.
