A Helm.ai mesterséges intelligencia modellt fejleszt autonóm járműszimulációhoz
A WorldGen-1-et, egy többszenzoros generatív mesterséges intelligencia alapmodellt, amelyet egy teljes autonóm járműcsoport szimulálására terveztek, a Helm.ai, az ADAS, az autonóm vezetés és a robotika AI-szoftvereinek szállítója mutatta be.
A modellt úgy tervezték, hogy valósághű szenzor- és észlelési adatokat szintetizáljon többféle módozat és perspektíva szerint. Ezenkívül extrapolálhatja az érzékelőadatokat egyik modalitásról a másikra, és megjósolhatja az ego jármű és más ágensek viselkedését a vezetési környezetben. A Helm.ai szerint ezek a szimulációs képességek leegyszerűsítik az autonóm vezetési rendszerek fejlesztését és validálását.
A WorldGen-1 kihasználja a generatív mély neurális hálózati (DNN) architektúrákat és a mély tanítást, egy felügyelet nélküli képzési technológiát. Több ezer órányi vezetési adatra van kiképezve, amely magában foglalja az autonóm vezetési rendszer minden rétegét, beleértve a látást, az érzékelést, a lidart és a kilométer-mérést.
A modell valósághű érzékelőadatokat generál a térhatású kamerák számára, szemantikai szegmentációt az észlelési rétegben, lidar elölnézetet, lidar madártávlatot és az ego jármű útvonalát fizikai koordinátákban. A teljes AV csoportra vonatkozó adatok generálásával a rendszer célja, hogy az önvezető jármű szemszögéből pontosan lemásolja a lehetséges valós helyzeteket.
„A generatív mesterségesintelligencia-architektúrák innovációját a mély tanítási technológiánkkal kombinálva a generatív AI rendkívül skálázható és tőkehatékony formáját hozzuk létre. A WorldGen-1-gyel arra törekszünk, hogy bezárjuk az autonóm vezetés terén fennálló sim-to-real szakadékot, ésszerűsítve és egységesítve a csúcskategóriás ADAS és L4 rendszerek fejlesztését és érvényesítését. Ennek az eszköznek a célja a fejlesztés felgyorsítása, a biztonság javítása, valamint a szimuláció és a valós tesztelés közötti szakadék csökkentése” – mondta a Helm.ai vezérigazgatója és társalapítója, Vladislav Voroninski.
Ezenkívül a rendszer képes extrapolálni a valós kameraadatokat számos egyéb modalitásra. Ezt a funkciót arra tervezték, hogy biztosítsa a meglévő, csak kamerával rendelkező adatkészletek szintetikus többérzékelős adatkészletekké történő kiegészítését.
A szenzorszimuláción és az extrapoláción túl a WorldGen-1 képes előre jelezni a gyalogosok, a járművek és az ego-jármű viselkedését is a környező környezethez képest. Ez lehetővé teszi a mesterséges intelligencia számára, hogy a lehetséges forgatókönyvek széles skáláját hozza létre, beleértve a ritka sarkalatos eseteket, és több lehetséges kimenetet modellezzen a megfigyelt bemeneti adatok alapján.
Voroninski hozzátette: „A WorldGen-1-ből származó adatok előállítása olyan, mintha a valós vezetési környezetek változatos digitális testvéreinek hatalmas gyűjteményét hoznánk létre, olyan intelligens ügynökökkel kiegészítve, amelyek emberhez hasonlóan gondolkodnak és jósolnak, lehetővé téve számunkra, hogy megbirkózzunk az autonóm vezetés legösszetettebb kihívásaival.”