Diffusedrive는 실제 데이터 세트에서 이와 같은 사진 이미지를 구축합니다. 출처 : Diffusedrive
로봇과 인공 지능은 훈련하기 위해 많은 양의 데이터가 필요하며, 해당 데이터가 합성이라면 가능한 한 현실적이어야합니다. 실제 데이터를 캡처하는 것은 비용이 많이 들고 시간이 많이 걸릴 수 있지만 시뮬레이션 기반 데이터는 일반적으로 게임 엔진에서 나오고 현실적인 격차로 이어졌습니다. DiffusedRive Inc.는 생성 AI 플랫폼이 기존 데이터를 평가하고, 누락 된 것을 식별하며, 독점적 인 확산 모델을 사용하여 광도 데이터를 생성한다고 주장했습니다.
Balint 목사엔지니어이자 물리학자인 롤랜드 핀터는 2023 년 Bosch에서 회의를 마치고 Diffusedrive를 설립했습니다. 그런 다음 이사했습니다 회사 헝가리에서 샌프란시스코까지.
Pasztor는“우리는 이전에 Porsche를위한 4 레벨 자율 주행에서 일했습니다. 로봇 보고서. “데이터 부족은 제조, 모니터링, 농업 및 항공 우주에 걸친 물리 AI 퍼즐을 해결하는 데있어 누락 된 작품입니다.”
Diffusedrive 공동 창립자 : CTO Roland Pinter (왼쪽) 및 CEO Balint Pasztor (오른쪽).
AI는 도메인과 관련된 데이터가 필요합니다
DiffusedRive의 CEO 인 Pasztor는“업계는 2010 년대 초부터 동일한 모델을 사용해 왔으며 자동차 제조업체와 로봇 개발자는 운영 설계 영역을 다루는 사실적인 데이터가 충분하지 않습니다.
“시뮬레이션의 합성 데이터는 안전이나 미션 크리티컬 기능에 충분히 사실적이지 않았다”고 덧붙였다. “우리는 실제와 구별 할 수없는 AI 생성 데이터가 필요했습니다.”
올해의 IEEE/CVF 컴퓨터 비전 및 패턴 인식 (CVPR)에서도 우주의 사람들은 50%만 득점했다고 그는 회상했다. Pasztor는“그들은 단지 추측하고있었습니다.
상업용 로봇 응용 프로그램에는 많은 양의 관련 데이터가 필요합니다. 전자 상거래 선택에 대한 자율 주행 차량 및 품목 인식은 데이터 세트를 알고 있지만 성장하는 데이터 세트를 증가 시켰지만 자동화는 올바르게 훈련 된 경우 더 많은 응용 프로그램을 유연하게 제공 할 수 있습니다.
Diffusedrive는 식별하고 채우는 틈을 이해합니다
Pasztor는 DiffusedRive는 비즈니스 로직을 기반으로 제안을 생성하여 시뮬레이션 간 격차를 연결할 수 있다고 설명했다. 이를 통해 몇 달 또는 몇 년이 아닌 관련 데이터 세트를 생성 할 수 있다고 그는 주장했다.
“GPT 또는 DALI와 같은 엔진은 모델을 생성 할 수 있지만 품질 보증이 필요합니다. [QA] 그는 Diffusedrive와 같은 층”이라고 말했다.“QA 층은 항공 우주 등의 응용 프로그램 또는 사용 사례에 기반을두고 있으며, 추론 모델은 이미 제시된 내용을 이해합니다.”
Pasztor는 DiffusedRive는 고전적인 데이터 및 새로운 통계 분석 방법을 사용하여 기존 데이터를 문맥 적으로 이해하고 포인트 클라우드와 유사하게 데이터 포인트를 구축한다고 Pasztor는 말했다.
“우리는 별도의 시스템을 사용하여 고객이 이미 가지고있는 것을 이해하고 본질적으로 의사 결정 트리를 구축합니다.” “예를 들어, 레벨 2 자율 주행의 경우 주차 시나리오 및 객체 위치 분포의 열지도를 구축했습니다. 그런 다음 확산 시설은 특정 시간에 크고 가까운 품목이 누락되었음을 확인했습니다. 더 넓은 데이터 분포를 통해 성능이 40%향상되었습니다.”
고객은 이상한 데이터를 제어합니다
동시에 Diffusedrive는 도메인 전문 지식을 개발하지 않습니다. 대신, 회사는 고객의 문서와 실제 운영 설계 도메인 (ODD) 데이터를 소화합니다.
Pasztor는“이들은 도메인 전문가이며 요구 사항을 생성하는 관점에서 제어하고 있습니다. “그들은 누구도 자신의 직업을 인수하기를 원하지 않지만 우리가 그들을 확대하기를 원합니다.”
기본 데이터가 있으면 Diffusedrive는 시맨틱 세분화, 상황 및 시각적 라벨링 및 2D 및 3D 경계 박스를 사용합니다. Pasztor는“이미지를 생성 할 때마다 데이터 포인트 맵은 차이를 채우는 것뿐만 아니라 이상한 지식을 확대하는 것”이라고 말했다.
고객은 도메인 데이터를 제어 한 다음 간격에 대해 빠르게 분석됩니다. 출처 : Diffusedrive.
Diffusedrive는 시장 기회를 봅니다
로봇 공학 AI의 글로벌 시장은 연간 연간 성장률 38.5%를 경험할 수 있으며 2033 년에는 2037 억 달러에서 2030 년까지 1,2477 억 달러로 확대되었습니다. ~에 따르면 그랜드 뷰 연구.
Pasztor는“우리의 비전은 결국 모든 자율 시스템을 사용하여 확산 시브 데이터를 사용하는 것입니다. 기업이나 개인의 프로젝트 일 수 있습니다. “우리는 자율 주행 차에 여전히 많은 데이터가 필요하고 대부분의 회사에는 테슬라 규모가 없기 때문에 자동차와 드론에 대한 경험을 바탕으로 결정했습니다.”
DiffusedRive는 드론 조종사와 자율 주행 및 보안 모니터링에 따라 세 번째 고객의 고객을 차지하고 있습니다. 여기에는 Aisin, Continental 및 Denso가 포함됩니다. 이 회사는 또한 방어, 창고, 건설 및 농업의 잠재력을보고 있다고 밝혔다.
Pasztor는“CVPR에서는 Fortune 500의 50 명의 잠재 고객과 대화를 나 spoke습니다. 그 중 일부는 자율 시스템뿐만 아니라 산업용 로봇과 같은 고정 시스템을 생산하고 있습니다. “의료들은 또한 데이터 루프 폐쇄에 관심이있었습니다.”
5 월, 확산 시브 높은 350 만 달러의 종자 자금 조달, 이전에받은 백만 달러에 추가 E2VC. 또한 선임 파트너 인 Jordan Kretchmer를 임명했습니다 아웃 랜더 당신 공동 창립자 Rapid Robotics Inc.이사회에.
Pasztor는“요르단은 로봇 투자에 대한 경험을 가지고 있으며, 우리의 논문은 QA와 같은 제조 응용 프로그램에서 가계 선택 로봇에 이르기까지 산업에 대한 정보를 제공하는 것입니다. “우리가 모든 사람으로부터 배우기 때문에 현실적인 이미지는 서로 다른 세로 사이에 빠르게 퍼져야합니다. 차별화 요소는 더 이상 합성 데이터가 아니며 데이터 엔진을 생성합니다.”
내 공동 창립자가 말한 것처럼 ‘소프트웨어는 반복적으로 개발되었으므로 데이터가 아닌 이유”라고 결론지었습니다.
게시물 Diffusedrive는 로봇 및 AI 교육의 데이터 부족을 다룹니다 먼저 나타났습니다 로봇 보고서.