Согласно данным, предоставленным Всемирной организацией здравоохранения в мае 2017 года, ежегодно в мире происходит около 1,25 млн смертей в результате дорожно-транспортных происшествий, что эквивалентно 3500 человек, погибающих в дорожно-транспортных происшествиях каждый день. Журналисты СМИ узнали из Национальной конференции по безопасности труда, что в 2016 году в Китае произошло 60 000 дорожно-транспортных происшествий, а число погибших достигло 41 000 человек.

Для повышения безопасности вождения в настоящее время существует два существенных направления. Один из них заключается в усилении контроля за дорожным движением и использовании политики высокого давления, чтобы заставить водителей ездить безопасно; второй — отделить автомобили от человеческих операций, что также делают глобальные автомобильные и технологические компании. Технически снятие машины с человека-оператора происходит автономно или без водителя. Беспилотный автомобиль опирается на взаимодействие искусственного интеллекта, визуальных вычислений, радара, устройства мониторинга и GPS (глобальной системы позиционирования), что позволяет компьютеру работать автоматически и безопасно без участия человека.

Ключевые технологии автономного вождения можно разделить на четыре части: восприятие окружающей среды, принятие поведенческих решений, планирование пути и управление движением.

Технология восприятия

В качестве первого шага восприятие окружающей среды представляет собой сбор и обработку информации об окружающей среде и информации о транспортном средстве, что является основой и предпосылкой для автономного вождения интеллектуальных транспортных средств. Сбор информации об окружающей среде включает обнаружение границ дороги, обнаружение транспортных средств и обнаружение пешеходов, что называется сенсорной технологией. Датчики обычно включают в себя видеокамеры, автомобильный радар, датчики скорости и ускорения и т. д. Восприятие также является самой дорогой частью интеллектуального транспортного средства.

Тем не менее, миллионов радаров, нескольких камер высокой четкости недостаточно для технологии восприятия. Поскольку датчики имеют ограничения, один датчик не может обеспечить точное восприятие в различных условиях работы. Бесперебойная работа транспортных средств требует применения технологии мультисенсорного синтеза.

Технология принятия решений

После завершения части восприятия следующее, что нужно сделать, — это сделать выводы на основе полученной информации, определить подходящую рабочую модель и сформулировать соответствующие стратегии управления. Функция этой части аналогична назначению соответствующих задач транспортному средству. Например, в таких ситуациях, как удержание полосы движения, предупреждение о выезде с полосы движения, соблюдение дистанции между транспортными средствами и предупреждение о препятствиях, необходимо прогнозировать состояние транспортного средства и других объектов, полос движения и пешеходов в течение определенного периода времени. Расширенные теории принятия решений включают нечеткие рассуждения, обучение с подкреплением, нейронные сети и технологию байесовских сетей.

Индустриализация автономного вождения

Основная модель алгоритма автономного вождения в основном основана на контролируемом глубоком обучении. Это модель алгоритма, которая выводит функциональную связь между известными переменными и зависимыми переменными. Для обучения и настройки модели требуется большой объем структурированных размеченных данных.

Исходя из этого, если вы хотите сделать беспилотные автомобили более «интеллектуальными» и сформировать замкнутый цикл бизнес-модели для приложений беспилотного вождения, который можно воспроизвести в различных сценариях вертикальной посадки, модель должна поддерживаться массивными и высококачественные данные о реальных дорогах.

Данные слияния 2D-3D

Например, чтобы разработать многомодельные алгоритмы машинного обучения для беспилотных автомобилей, некоторым производителям необходимо объединить два разных набора данных с разными размерами. Эта операция необходима, но ее сложно выполнить вручную.

Компании, занимающиеся искусственным интеллектом, даже надеются, что компании, работающие с данными, смогут лучше понять технологию алгоритмов и сценарии спроса, участвовать в исследованиях и разработке алгоритмов и давать предложения по оптимизации сбора данных. Поставщики услуг передачи данных также сосредоточились на создании конкурентного преимущества.

Общие типы маркировки данных включают:

Конец

Передайте свои задачи по маркировке данных на аутсорсинг в ByteBridge, и вы сможете получать высококачественные обучающие наборы данных машинного обучения дешевле и быстрее!

  • Бесплатная пробная версия без кредитной карты: вы можете быстро получить образец результата, проверить результат и отправить отзыв непосредственно нашему менеджеру проекта.
  • 100% подтверждено людьми
  • Прозрачное и стандартное ценообразование: доступны четкие цены (работа включена)

Почему бы не попробовать?

источник: https://new.qq.com/omn/20220104/20220104A06SWM00.html