Cognitive Pilot разработана технология быстрого обучения агророботов
Специалистами компании решена сложная задача, позволяющая разработчикам экономить десятки человеко-лет при разработках автопилотов для беспилотной сельхозтехники.
Компания Cognitive Pilot — ведущий мировой разработчик систем искусственного интеллекта для беспилотного транспорта, входит в экосистему Сбера, объявляет о решении важной и сложной задачи, позволяющей разработчикам экономить десятки человеко-лет при разработках автопилотов для сельхозтехники, а также значительно упростить процесс разработки в этой области. Процесс основан на применении искусственного интеллекта и не требует участия человека.
Выбор разнообразных, репрезентативных данных из видеопотока до последнего времени являлся одним из наиболее серьезных препятствий при обучении нейронных сетей. На решение этой задачи в таких приложениях, как автопилотирование, могло уходить очень много времени. Для того, чтобы нейронная сеть могла с промышленной точностью распознавать объекты дорожной, полевой или иной сцены и тем самым обеспечивать безопасность при любых погодных условиях и времени суток, ее необходимо обучить на больших массивах данных, содержащих все возможные ситуации, которые только могут повлиять на процесс управления транспортным средством.
Традиционный, ручной подход к ее решению - чрезвычайно трудоемкая, утомительная и длительная процедура.
«Представьте, у нас длительность видеопотоков составляет более миллиарда кадров»,
- рассказывает руководитель департамента разработки беспилотных транспортных средств Юрий Минкин.
«Просмотреть их полностью, и произвести качественный отбор всех разнообразных изображений специалисту по разметке просто нереально. А в результате частичного отбора важные данные могут быть просто потеряны».
Специалисты Cognitive Pilot придумали подход, который позволяет нейронной сети выбирать из видеопотока разнообразные и репрезентативные данные автоматически.
«Мы используем метрику сравнения разных кадров»,
- рассказывает Минкин.
«Так в задаче автономного управления комбайном при его проезде по кромке мы выбираем кадры, в которых отклонения от среднего, больше определенной величины. Например, на изображении появилась «проплешина», или торчащая из земли часть опоры. По сравнению с общей дисперсией этот элемент дает большой скачок, и система этот кадр берет. А при проезде лесополосы картинки хоть и меняются часто (мелькают кусты, деревья), но особого разнообразия в видеопотоке мы не наблюдаем, отклонение от среднего ниже среднего и нас такие данные не интересуют».
Разработанный специалистами Cognitive Pilot механизм позволяет также отфильтровывать из видеопотока «мусорные» данные, никак не влияющие на процесс обучения. Такие как перегон комбайна с одного поля на другое с поднятой жаткой, или моменты, когда он стоит на месте или проходит по участку маршрута с пренебрежительно малыми изменениями полевой сцены. «Если раньше на обработку видеопотока при обучении нейронных сетей и создании датасетов могли уходить годы, то сегодня мы нажимаем на кнопку, и получаем результат», заключает Минкин.
Александр Ведяхин
Первый заместитель Председателя Правления Сбербанка:
«Наши коллеги из Cognitive Pilot продемонстрировали огромное преимущество систем искусственного интеллекта над традиционными подходами. Эта инновация в разы сокращает время разработки и кардинально упрощает создание умных решений в одном из наиболее востребованных секторов рынка — беспилотниках. Благодаря этой технологии мы сможем увеличить функциональность существующих решений для автономного управления сельскохозяйственным и рельсовым транспортом и масштабировать наши проекты на новые российские и зарубежные рынки».
Ольга Ускова
Генеральный директор Cognitive Pilot:
«У нас очень большой опыт по обучению нейронных сетей и созданию датасетов. В этой зоне мы в числе мировых лидеров. В отличие от многих игроков рынка ИИ для беспилотного транспорта, которые работают в основном с готовыми данными, публичными датасетами и используют их, как правило, в приложениях для одного направления, или агро, или automotive, или иного, мы накопили солидную экспертизу по обучению нейронных сетей на собственных датасетах сразу в нескольких сегментах: агро, рельсового транспорта и авто».
Источник: Пресс-релиз компании
Другие новости в этом разделе:
-
Какой технике отдать предпочтение для использования на частном подворье
17.07.2023 в 10:42
Выбирая технику для работы на частном подворье, необходимо обращать внимание на многие особенности, чтобы в процессе эксплуатации не возникло проблем.
-
Анализ ТОПа импортных смесителей-кормораздатчиков в 2022 году
19.05.2023 в 15:10
2022 «аналитический» год подошел к концу и мы, наконец, имея на руках всю необходимую таможенную и рыночную статистику можем подвести его итоги. Сегодня мы разберем ТОП ввезенных в страну машин для см...
-
Лучший тип зерносушилки для семенных культур
14.04.2023 в 14:04
На сельскохозяйственных рынках всех европейских стран ежегодно появляется все больше и больше заводов разного зерносушильного оборудования. Это и местные производства, так и импортируемые товары. Из-з...
-
Как выбрать зерносушилку в 2023 году?
21.03.2023 в 15:32
Проанализируем ситуацию на рынке через призму, одних из самых востребованных на рынке зерносушильного оборудования, типов машин, а именно, мобильных зерносушилок.
-
Широкозахватные дождевальные машины АкваФилд (AquaField) Российского производства
21.02.2023 в 00:00
Современные стационарные или передвижные оросительные устройства обслуживают большую площадь поверхности, имеют долгий срок службы, эффективны и удобны в эксплуатации. Особое место на рынке ирригацион...
-
Почвенный инъектор - эффективный способ вносить КАС и ЖКУ
17.02.2023 в 13:33
Через каждую иглу на колесе поочередно в почву впрыскивается жидкое удобрение на нужную глубину. Такое внесение позволяет удобрению попасть непосредственно к корневой системе, оптимизируя питание раст...