Generativ AI för att förbättra miljöförhållandena i träningsdata för perceptionssystem.

Syfte och mål

Projektet syftar till att förbättra perceptionssystemen i autonoma system genom att berika bilddatauppsättningar med hjälp av avancerade generativa AI-tekniker för att skapa nödvändig variation i dessa träningsuppsättningar. Den fokuserar på att förbättra perceptionssystem under varierande miljöförhållanden med praktisk kommersiell verifiering.

Förväntade effekter och resultat

Vår teknik sparar tid för utvecklare genom att automatisera datainsamling och anteckningar från olika förhållanden. Utan vår teknik kräver autonoma utvecklare manuell dataanskaffning eller inspelning och anteckning, vilket är oerhört kostsamt och tidskrävande. Generativ AI automatiserar denna process utan att kompromissa med prestanda. Tekniken säkerställer i slutändan att autonoma system effektivt kan lära sig att anpassa sig till dynamiska miljöer, vilket leder till säkrare och effektiv drift.

Planerat upplägg och genomförande

Nyckelkomponenterna i vår innovation är baserade på maskininlärning och inkluderar: Generativa modeller för miljöförbättring: Införande av varierande väder- och ljusförhållanden för att simulera realistiska miljöer. Temporal Consistency Techniques: Se till att utökade bildsekvenser bibehåller koherenta förändringar över tiden. Förbättrade objektkommentarer: Automatisera tillägget av nya objekt med semantiska kommentarer för att förbättra objektdetekterings- och igenkänningsmöjligheter.