2019.11.14. 12:41
A képfeldolgozás a nagy kihívás az önvezető autónál
Autóipari beszállítók és az Osram 25 millió dollárt fektetnek egy amerikai–német start-up cégbe, amely az önvezető autók mesterséges intelligencián alapuló képfeldolgozásával foglalkozik. A gyorsaság sokba kerül.
A gyalogosok, a biciklisek, az autók, a buszok vagy jelzőlámpák helyzetének feldolgozása sokáig tart. FOTÓ: DM
Az önvezető autózáshoz szükséges óriási mennyiségű generált adat feldolgozása jelenti a legtöbb gondot a mérnökök számára. Például a gyalogosok, a biciklisek, az autók, a buszok vagy jelzőlámpák státuszainak feldolgozása körülbelül 3,5 percet vesz igénybe egy képnél a jelenlegi technológiával. Egy tipikus tréningszett, amely „betanítaná” az autót, 100 ezer képből áll, és ennek a feldolgozása több mint két évig tartana. De ez túlzott becslés, a valóságban azért nem kell minden egyes képet feldolgozni.
Ha a képek generálása mesterséges, egy szimulációs szoftver segítségével sok idő takarítható meg. Az ilyen adat minősége persze még nem megfelelő, de a valós vezetésből származó információkkal ez jelentősen javítható. Az 5 százalékban valós, 95-ben mesterséges adathalmaz már nagyon jó eredménnyel kecsegtet. A szakértők nem értettek egyet abban, hogy pontosan hány tesztkilométerre van szükségük a rendszereknek ahhoz, hogy megbízhatóan funkcionáljanak, a találgatások 240 milliótól egészen több milliárdig is terjednek.
A hatalmas mennyiségű adat miatt a valós információgyűjtés 100 járművel, 240 millió kilométeren 25 évig tartana – szimulációja 100 számítógéppel öt évet venne igénybe. Ám a felhőalapú megoldásokkal ez a 240 millió kilométer mindössze két hét alatt lemodellezhető lenne – ez jelentős felgyorsítása a fejlesztési folyamatoknak, viszont komoly összegekbe kerül.
A Recogni irodái a kaliforniai Szilícium-völgyben és Münchenben találhatók, technológiájuk a Lidar, a kamera és a radarszenzor adatainak valós idejű és minimális energiát igénylő képfeldolgozására képes. A 25 millió dolláros befektetés mögött ott van egyebek között a Toyota AI Ventures és a BMW iVentures is. A feldolgozást gyorsító technológiák jellemzően vagy a teljesítményre, vagy az energiafelhasználásra optimalizáltak, de egyik sincs mindkettőre. A Recogni platformja a szakma szerint jobb a jelenleg elérhető ismert vetélytársakénál. Valóban egyedülálló környezetfelismerő megoldást fejlesztenek, illetve bővítik is mérnökcsapatukat a 25 milliós forrásból.