Helm.ai, fornecedora de software de IA para ADAS de ponta, direção autônoma de nível 4 e robótica, lançou um modelo de base de IA generativa multissensor para simular toda a pilha de veículos autônomos.
O WorldGen-1 sintetiza dados de sensores e percepções altamente realistas em múltiplas modalidades e perspectivas simultaneamente, extrapola dados de sensores de uma modalidade para outra e prevê o comportamento do ego-veículo e de outros agentes no ambiente de condução. Esses recursos de simulação baseados em IA agilizam o desenvolvimento e a validação de sistemas de direção autônomos.
Aproveitando a inovação em arquiteturas DNN generativas e Deep Teaching, uma tecnologia de treinamento não supervisionado altamente eficiente, o WorldGen-1 é treinado em milhares de horas de diversos dados de direção, cobrindo todas as camadas da pilha de direção autônoma, incluindo visão, percepção, lidar e odometria.
O WorldGen-1 gera simultaneamente dados de sensores altamente realistas para câmeras de visão surround, segmentação semântica na camada de percepção, visão frontal lidar, visão aérea lidar e o caminho do ego-veículo em coordenadas físicas. Ao gerar dados de sensor, percepção e caminho de forma consistente em toda a pilha AV, o WorldGen-1 replica com precisão possíveis situações do mundo real a partir da perspectiva do veículo autônomo. Esse recurso abrangente de simulação de sensores permite a geração de dados rotulados de multissensores de alta fidelidade para resolver e validar uma infinidade de casos desafiadores.
Além disso, o WorldGen-1 pode extrapolar dados reais da câmera para várias outras modalidades, incluindo segmentação semântica, visão frontal lidar, visão aérea lidar e o caminho do veículo do ego. Esse recurso permite o aumento de conjuntos de dados existentes somente com câmeras em conjuntos de dados multissensores sintéticos, aumentando a riqueza dos conjuntos de dados somente com câmeras e reduzindo os custos de coleta de dados.
Além da simulação e extrapolação de sensores, o WorldGen-1 pode prever, com base em uma sequência de entrada observada, os comportamentos de pedestres, veículos e do ego-veículo em relação ao ambiente circundante, gerando sequências temporais realistas de até minutos de duração. Isso permite a geração de IA de uma ampla gama de cenários potenciais, incluindo casos raros.
O WorldGen-1 pode modelar múltiplos resultados potenciais com base em dados de entrada observados, demonstrando sua capacidade de planejamento e previsão multiagentes avançados. A compreensão do ambiente de condução e a sua capacidade preditiva do WorldGen-1 tornam-no numa ferramenta valiosa para previsão de intenções e planeamento de trajetória, tanto como meio de desenvolvimento e validação, como também como tecnologia central que toma decisões de condução em tempo real.
Retirado de Congresso de carros verdes
Isenção de responsabilidade: as informações estabelecidas acima são fornecidas por greencarcongress.com independentemente de Chovm.com. Chovm.com não faz nenhuma representação e garantia quanto à qualidade e confiabilidade do vendedor e dos produtos. Chovm.com isenta-se expressamente de qualquer responsabilidade por violações relativas aos direitos autorais do conteúdo.
