Istraživači sa Sveučilišta Ritsumeikan razvijaju AI mrežu za povećanje sigurnosti autonomnih vozila
Ukratko
Istraživači sa Sveučilišta Ritsumeikan otkrivaju mrežu za detekciju 3D objekata DPPFA−Net za povećanje točnosti za robote i autonomna vozila.
Istraživači s japanskog sveučilišta Ritsumeikan otkrivaju Dynamic Point-Pixel Feature Alignment Network (DPPFA−Net), mrežu za otkrivanje 3D objekata, koja kombinira LiDAR i slikovne podatke za povećati točnost za robote i samovozeće automobile, rješavanje izazova u nepovoljnim vremenskim uvjetima i okluziji.
U krajoliku koji se brzo razvija robotika i autonomnih vozila, točna percepcija okoline ključna je za osiguranje sigurnosti i učinkovitosti. Tradicionalne metode detekcije 3D objekata primarno koriste LiDAR senzore za generiranje 3D oblaka točaka, ali te se metode suočavaju s izazovima, posebno u nepovoljnim vremenskim uvjetima poput kiše, gdje osjetljivost LiDAR-a na buku postaje ograničavajući faktor.
Kako bi se pozabavili ovim ograničenjima, istraživački tim usvojio je multimodalni pristup, kombinirajući 3D LiDAR podatke s 2D RGB slikama snimljenim standardnim kamerama. Iako ova fuzija poboljšava rezultate 3D detekcije, točno usklađivanje informacija iz oba skupa podataka ostaje uporan izazov, posebno za detekciju malih objekata.
Predvođen profesorom Hiroyukijem Tomiyamom, tim je razvio DPPFA−Net, novu mrežu koja uvodi tri ključna modula – modul fuzije temeljenog na memoriji (MPPF), modul deformabilne fuzije piksela (DPPF) i semantičko poravnanje Modul Evaluator (SAE).
Ovi moduli zajedno rješavaju izazove povezane s interakcijama značajki, fuzijom visoke rezolucije i semantičkim usklađivanjem tijekom procesa fuzije.
Prema timu, DPPFA−Net nadilazi izazove povezane s nepovoljnim vremenskim uvjetima i okluzijom, potencijalno utirući put perceptivnijim i sposobnijim autonomni sustavi.
Istraživači su testirali DPPFA−Net u usporedbi s najboljim modelima koristeći široko priznatu KITTI Vision Benchmark. Predložena mreža pokazala je prosječna poboljšanja preciznosti do 7.18% pod različitim uvjetima šuma. Kako bi dodatno osporio model, tim je predstavio novi bučni skup podataka s umjetnom multimodalnom bukom, simulirajući kišu u nepovoljnim vremenskim uvjetima. Tim je spomenuo da su rezultati pokazali superiornost DPPFA−Net-a ne samo pod teškim okluzijama, već i u različitim nepovoljnim vremenskim uvjetima.
Implikacije u stvarnom svijetu
Potencijalne primjene precizne 3D detekcije objekata protežu se izvan autonomnih vozila. Automobili koji se sami voze, oslanjajući se na takve tehnologije, mogu imati koristi od smanjenih nesreća i poboljšanog protoka prometa. Dodatno, napredak u robotici mogao bi dovesti do bolje prilagodbe robota njihovim radnim okruženjima, omogućujući precizniju percepciju malih ciljeva.
Štoviše, studija sugerira da bi precizne mreže za detekciju 3D objekata mogle značajno smanjiti troškove ručnog označavanja u sustavima percepcije dubokog učenja. Ovo smanjenje troškova moglo bi ubrzati razvoj na tom području, pridonoseći širem napretku AI tehnologija.
Istraživanje ne samo da se bavi trenutnim izazovima u otkrivanju 3D objekata, već također otvara vrata daljnjim inovacijama koje bi mogle ponovnodefine the krajolik AI i autonomne tehnologije. Dok se približavamo budućnosti u kojoj roboti i samovozeći automobili upravljaju složenim okruženjima, otkrića kao što je DPPFA−Net igraju ključnu ulogu u oblikovanju tehnološkog narativa.
Izjava o odricanju od odgovornosti
U skladu s Smjernice projekta povjerenja, imajte na umu da informacije navedene na ovoj stranici nemaju namjeru i ne smiju se tumačiti kao pravni, porezni, investicijski, financijski ili bilo koji drugi oblik savjeta. Važno je ulagati samo ono što si možete priuštiti izgubiti i potražiti neovisni financijski savjet ako imate bilo kakvih nedoumica. Za dodatne informacije predlažemo da pogledate odredbe i uvjete, kao i stranice za pomoć i podršku koje pruža izdavatelj ili oglašivač. MetaversePost je predan točnom, nepristranom izvješćivanju, ali tržišni uvjeti podložni su promjenama bez prethodne najave.
O autoru
Kumar je iskusan tehnološki novinar sa specijalizacijom u dinamičkim raskrižjima AI/ML-a, marketinške tehnologije i novih područja kao što su kripto, blockchain i NFTs. S više od 3 godine iskustva u industriji, Kumar ima dokazanu reputaciju u izradi uvjerljivih priča, provođenju pronicljivih intervjua i pružanju sveobuhvatnih uvida. Kumarova stručnost leži u izradi sadržaja visokog utjecaja, uključujući članke, izvješća i istraživačke publikacije za istaknute industrijske platforme. S jedinstvenim skupom vještina koje kombiniraju tehničko znanje i pripovijedanje, Kumar se ističe u komuniciranju složenih tehnoloških koncepata različitoj publici na jasan i privlačan način.
Više članaka
Kumar je iskusan tehnološki novinar sa specijalizacijom u dinamičkim raskrižjima AI/ML-a, marketinške tehnologije i novih područja kao što su kripto, blockchain i NFTs. S više od 3 godine iskustva u industriji, Kumar ima dokazanu reputaciju u izradi uvjerljivih priča, provođenju pronicljivih intervjua i pružanju sveobuhvatnih uvida. Kumarova stručnost leži u izradi sadržaja visokog utjecaja, uključujući članke, izvješća i istraživačke publikacije za istaknute industrijske platforme. S jedinstvenim skupom vještina koje kombiniraju tehničko znanje i pripovijedanje, Kumar se ističe u komuniciranju složenih tehnoloških koncepata različitoj publici na jasan i privlačan način.
