Pojazdy klasyfikują obiekty, czyli rozpoznają je na drodze i dzięki temu skuteczniej przewidują ich zachowanie. Na przykład rower i motocykl mają podobny kształt i rozmiar, ale działają zupełnie inaczej. Aby pojazd mógł odpowiednio na nie zareagować, musi być w stanie je od siebie odróżnić.
Zaawansowane uczenie maszynowe Aptiv umożliwia większą efektywność w określaniu czy analizowany obiekt jest pojazdem, pieszym, rowerem czy innym uczestnikiem ruchu drogowego. Pozwala to precyzyjniej wnioskować, jak prawdopodobnie zachowa się dany obiekt. Ta technologia oferuje ogromne możliwości optymalizacji istniejącego sprzętu przy jednoczesnym wykorzystaniu zalet radaru, takich jak zdolność do pracy w miejscach o dużym natężeniu ruchu, dostrzeganie przeszkód i wykorzystywanie danych radarowych niskiego poziomu w celu poprawy szacowania wysokości.
Aptiv dąży do stworzenia bezpieczniejszej przyszłości transportu drogowego – bez ofiar śmiertelnych, bez obrażeń i bez wypadków. Postawiony cel zostanie osiągnięty, jeśli każdy wyprodukowany pojazd będzie wyposażony w niedrogie rozwiązania ADAS[1], czyli zaawansowane systemy wspomagania kierowcy działające w różnorodnych warunkach pogodowych i drogowych.
Podejście Aptiv do systemów wspomagania kierowcy ADAS zapewnia jak największą wydajność operacyjną. Dostarczamy rozwiązanie wydajne zarówno pod względem obliczeniowym, jak i energetycznym, dzięki czemu systemy są tańsze, a zaawansowane funkcje bezpieczeństwa stają się bardziej dostępne. Jednocześnie są o 25% tańsze i o 65% bardziej energooszczędne niż systemy oparte na kamerach.
Możemy dziś jeszcze bardziej zwiększyć możliwości radaru samochodowego np. wyposażając go w algorytmy oparte na sztucznej inteligencji (AI), w szczególności na uczeniu maszynowym (ML). Firma Aptiv opracowała przełomowy system klasyfikacji obiektów oparty na radarze, który osiąga pięciokrotnie większą wydajność na szerokim zestawie czujników radarowych.
„W Centrum Technicznym Aptiv w Krakowie realizujemy projekty, które mają na celu wykorzystanie danych radarowych, szczególnie niskopoziomowych, do opracowania nowych rozwiązań w zakresie percepcji otoczenia pojazdu. Nasi inżynierowie zajmują się projektowaniem, trenowaniem, implementowaniem i weryfikacją algorytmów sztucznej inteligencji i uczenia maszynowego. Dodatkowo biorą oni udział w zbieraniu, etykietowaniu oraz przygotowaniu reprezentatywnego zbioru danych do zadań uczenia maszynowego. Dzięki wykorzystaniu tych zaawansowanych technik radar samochodowy będzie mógł wykrywać to, co dzieje się wokół pojazdu ze skutecznością porównywalną do systemów wizyjnych. System klasyfikacji obiektów opracowany przez Aptiv działa na zasadzie zaawansowanej analizy niskopoziomowych danych radarowych. Na podstawie zebranych danych radarowych, system wykorzystuje algorytmy uczenia maszynowego do detekcji wzorców odpowiadających określonym obiektom widocznym w otoczeniu pojazdu. Algorytmy te są trenowane na dużych zbiorach danych, które zawierają różne typy obiektów, takie jak piesi, pojazdy, rowery czy przeszkody statyczne. Dzięki temu system jest w stanie poprawnie rozpoznać, rozróżnić i sklasyfikować różne obiekty na drodze” – wyjaśnia Dariusz Mruk, dyrektor Centrum Technicznego Aptiv w Krakowie.
Dokładna klasyfikacja siłą systemów ADAS
Pojazdy klasyfikują obiekty, czyli rozpoznają je na drodze i dzięki temu skuteczniej przewidują ich zachowanie. Ma to zasadnicze znaczenie na wszystkich poziomach podejmowania decyzji dla systemów ADAS autonomicznej jazdy.
Na przykład rower i motocykl mają podobny kształt i rozmiar, ale działają zupełnie inaczej. Aby pojazd mógł odpowiednio na nie zareagować, musi być w stanie je od siebie odróżnić.
Klasyfikacja była tradycyjnie domeną wymagających dużej mocy obliczeniowej systemów wizyjnych. Jednak takie rozwiązania zbierają niepotrzebne informacje, takie jak kolor obiektu lub widoczne na nim napisy. W takich systemach zbędne dane muszą zostać odfiltrowane, aby ADAS mógł wyciągać prawidłowe wnioski.
Z kolei radar może pomóc we wnioskowaniu w bardziej bezpośredni sposób, a jego wydajność jest lepsza w gorszych warunkach pogodowych – we mgle, podczas opadów śniegu lub ulewnego deszczu. Ponadto mrok lub bezpośrednie światło słoneczne również nie wpływają na jego pracę.
Wprowadzanie ulepszeń za pomocą oprogramowania
Zaawansowane uczenie maszynowe Aptiv umożliwia większą efektywność w określaniu czy analizowany obiekt jest pojazdem, pieszym, rowerem czy innym uczestnikiem ruchu drogowego. Pozwala to precyzyjniej wnioskować jak prawdopodobnie zachowa się dany obiekt. Ta technologia oferuje ogromne możliwości optymalizacji istniejącego sprzętu przy jednoczesnym wykorzystaniu zalet radaru, takich jak zdolność do pracy w miejscach o dużym natężeniu ruchu, dostrzeganie przeszkód i wykorzystywanie danych radarowych niskiego poziomu w celu poprawy szacowania wysokości.
To tylko najnowszy z długiej listy radarów rozwijanych w Aptiv. Byliśmy pierwszą firmą, która umieściła radar w samochodzie i nadal prowadzimy intensywne badania nad jego rozwojem, aby zapewnić naszym klientom OEM jak największą wartość, jednocześnie czyniąc świat bezpieczniejszym miejscem dla wszystkich.
[1] ADAS (z ang. Advanced Driver Assistance Systems) to elektroniczne systemy, które pomagają kierowcom w bezpiecznym prowadzeniu pojazdu. Wykorzystują one różne technologie (w tym sztuczną inteligencję i uczenie maszynowe), które na bieżąco analizują dane pozyskane z czujników i dostarczają kierowcy informacje na temat pojazdu i jego otoczenia w celu poprawy bezpieczeństwa, komfortu i wygody w czasie jazdy.
