name | autoweek.cz
Nové přístupy v oblasti umělé inteligence
24.01.2018 | Vladimír Rybecký | Trendy
Audi na Konferenci o umělé inteligenci NIPS v Kalifornii předvedlo inovační projekt: neuronová síť generuje velmi precizní prostorový model okolí jako další důležitý krok na cestě k autonomní jízdě.
Audi na globálně nejdůležitější odborné konferenci o umělé inteligenci NIPS (Conference and Workshop on Neural Information Processing Systems) v kalifornském Long Beach ukázalo inovativní projekt předběžného vývoje. Jedná se o monokameru, která díky umělé inteligenci generuje velmi precizní prostorový model okolí vozidla.
Nové Audi A8 je prvním automobilem na světě vyvinutým pro vysoce automatizovanou jízdu úrovně 3 (dle metodiky SAE). Audi AI traffic jam pilot přebírá řízení vozidla na víceproudých silnicích s popojíždějící dopravou rychlostí až 60 km/h - pokud to legislativa na příslušném trhu povoluje a řidič tuto funkci aktivuje. Předpokladem automatizované jízdy je v každém okamžiku maximálně přesný obraz okolí. Klíčovou technologií pro dosažení tohoto stavu je umělá inteligence.
Projektový tým dceřiné společnosti Audi Electronics Venture (AEV) představil na konferenci NIPS monokameru, která díky umělé inteligenci generuje velmi precizní prostorový model okolí. Tato technologie umožňuje precizně zaznamenávat okolí vozidla. Jako senzor slouží běžně dostupná přední kamera, která snímá oblast před automobilem se zorným úhlem cca 120° a poskytuje 15 snímků za sekundu s rozlišením 1,3 MP. Tyto snímky jsou následně zpracovány neuronovou sítí, v níž probíhá také tzv. sémantická segmentace. Přitom je každému pixelu přiřazena jedna ze 13 kategorií objektů. Na základě toho dokáže systém rozpoznávat ostatní osobní vozy, nákladní vozidla, domy, dopravní značení na vozovce, chodce i dopravní značky a rozlišovat mezi nimi.
Systém využívá neuronové sítě také pro získávání informací o vzdálenosti objektů. Vizualizace zde probíhá prostřednictvím tzv. linií ISO, což jsou virtuální vymezení, která definují konstantní vzdálenost. Na základě této kombinace sémantické segmentace a odhadu hloubky vzniká precizní prostorový model reálného okolí.
Technici Audi předem trénovali neuronovou síť pomocí metody Unsupervised learning (Učení bez učitele), která na rozdíl od metody Supervised learning (Učení s učitelem) nevyžaduje žádná předem roztříděná a klasifikovaná data. Na základě tohoto přístupu probíhá učení z pozorování situace a dění. Neuronová síť sledovala videa dopravních situací, zaznamenaných stereokamerou. Z nich se síť naučila samostatně chápat pravidla, s jejichž pomocí vytváří prostorové informace z obrazů monokamery. Projekt společnosti AEV má velký potenciál pro interpretaci dopravního dění.
Audi při vývoji automobilů s funkcí autonomní jízdy profituje z rozsáhlé globální spolupráce v technické oblasti umělé inteligence, která zahrnuje inovativní a progresivní společnosti ze Silicon Valley, Evropy a Izraele.
Nové Audi A8 je prvním automobilem na světě vyvinutým pro vysoce automatizovanou jízdu úrovně 3 (dle metodiky SAE). Audi AI traffic jam pilot přebírá řízení vozidla na víceproudých silnicích s popojíždějící dopravou rychlostí až 60 km/h - pokud to legislativa na příslušném trhu povoluje a řidič tuto funkci aktivuje. Předpokladem automatizované jízdy je v každém okamžiku maximálně přesný obraz okolí. Klíčovou technologií pro dosažení tohoto stavu je umělá inteligence.
Projektový tým dceřiné společnosti Audi Electronics Venture (AEV) představil na konferenci NIPS monokameru, která díky umělé inteligenci generuje velmi precizní prostorový model okolí. Tato technologie umožňuje precizně zaznamenávat okolí vozidla. Jako senzor slouží běžně dostupná přední kamera, která snímá oblast před automobilem se zorným úhlem cca 120° a poskytuje 15 snímků za sekundu s rozlišením 1,3 MP. Tyto snímky jsou následně zpracovány neuronovou sítí, v níž probíhá také tzv. sémantická segmentace. Přitom je každému pixelu přiřazena jedna ze 13 kategorií objektů. Na základě toho dokáže systém rozpoznávat ostatní osobní vozy, nákladní vozidla, domy, dopravní značení na vozovce, chodce i dopravní značky a rozlišovat mezi nimi.
Systém využívá neuronové sítě také pro získávání informací o vzdálenosti objektů. Vizualizace zde probíhá prostřednictvím tzv. linií ISO, což jsou virtuální vymezení, která definují konstantní vzdálenost. Na základě této kombinace sémantické segmentace a odhadu hloubky vzniká precizní prostorový model reálného okolí.
Technici Audi předem trénovali neuronovou síť pomocí metody Unsupervised learning (Učení bez učitele), která na rozdíl od metody Supervised learning (Učení s učitelem) nevyžaduje žádná předem roztříděná a klasifikovaná data. Na základě tohoto přístupu probíhá učení z pozorování situace a dění. Neuronová síť sledovala videa dopravních situací, zaznamenaných stereokamerou. Z nich se síť naučila samostatně chápat pravidla, s jejichž pomocí vytváří prostorové informace z obrazů monokamery. Projekt společnosti AEV má velký potenciál pro interpretaci dopravního dění.
Audi při vývoji automobilů s funkcí autonomní jízdy profituje z rozsáhlé globální spolupráce v technické oblasti umělé inteligence, která zahrnuje inovativní a progresivní společnosti ze Silicon Valley, Evropy a Izraele.
Další články
© 2025 autoweek.cz. Veškerá práva vyhrazena | O autoweek.cz