Gensim-2를 사용하면 개발자는 비디오 데이터에서 비, 안개, 눈, 눈부심 및 밤낮과 같은 날씨 및 조명 조건을 수정할 수 있습니다. | 출처 : Helm.ai
지난주 Helm.Ai는 고속도로 및 도시 레벨 4 자율 주행을위한 변압기 기반 경로 예측 시스템 인 Helm.AI 드라이버, DNN, DNN을 소개했습니다. 이 회사는 독점적 인 Gensim-2 생성 AI Foundation 모델을 사용하여 폐쇄 루프 환경에서 모델의 기능을 시뮬레이션하여 현실적인 센서 데이터를 다시 렌더링했습니다.
Helm.AI의 CEO이자 창립자 인 Vladislav Voroninski는“우리는 독점 변압기 DNN 아키텍처를 기반으로 Helm.AI 드라이버와의 도시 운전에 대한 실시간 경로 예측을 보여주게되어 기쁩니다. “실제 데이터에 대한 교육을 통해 우리는 인간 운전자의 정교한 행동을 모방 한 고급 경로 예약 시스템을 개발했으며 명시 적으로 정의 된 규칙없이 끝까지 학습을 끝내 었습니다.”
“중요하게도, 우리의 도시 경로 예측은[[SAE]L2 ~ L4는 생산 등급의 서라운드 뷰 비전 인식 스택과 호환됩니다.”그는“폐 루프 시뮬레이터에서 HELM.AI 드라이버를 추가로 검증하고 생성 AI 기반 센서 시뮬레이션과 결합하여 자율 주행 운전 시스템의 더 안전하고 확장 가능한 개발을 가능하게합니다.”
2016 년에 설립 된 Helm.ai는 개발합니다 인공 지능 ADAS (Advanced Driver-Assist Systems) 소프트웨어, 자율 주행 차및 로봇 공학. 그만큼 회사 엔드 투 엔드 자율 시스템을 포함한 풀 스택, 실시간 AI 시스템과 심층 교육 방법론 및 생성 AI로 구동되는 개발 및 검증 도구를 제공합니다.
Redwood City, 캘리포니아에 기반을 둔 Helm.AI는 Global과 협력합니다 자동차 제조업체 생산에 대한 프로젝트. 12 월에 공개 자율 주행을위한 비디오 데이터를 생성하고 수정하기위한 생성 AI 모델 인 Gensim-2.
Helm.ai 운전자는 실시간으로 배웁니다
Helm.ai는 새로 말했다 모델 자율 주행 차량의 경로를 실시간으로 만 사용합니다. 카메라-기반 인식 -HD 맵, LIDAR 또는 추가 센서가 필요하지 않습니다. Helm.AI의 생산 등급 인식 스택을 입력으로 출력하여 고도로 검증 된 소프트웨어와 직접 호환됩니다. 이 모듈 식 아키텍처는 효율적인 검증과 더 큰 해석 성을 가능하게한다고 회사는 말했다.
Helm.AI의 독점적 인 깊은 교육 방법론을 사용하여 대규모 실제 데이터에 대해 교육을받은 경로 예약 모델은 복잡한 도시 운전 시나리오에서 강력하고 인간의 운전자와 같은 행동을 보여줍니다. 여기에는 교차점, 회전, 장애물 회피, 전달 조작 및 차량 컷 인에 대한 응답이 포함됩니다. Helm.ai는 이는 엔드 투 엔드 학습의 긴급한 행동이며, 시스템에 명시 적으로 프로그래밍되거나 조정되지 않았다고 지적했다.
현실적이고 역동적 인 환경에서 모델의 경로 예약 기능을 보여주기 위해 Helm.AI는 Open-Source Carla 플랫폼을 사용하여 폐쇄 루프 시뮬레이션에 배치했습니다 (위의 비디오 참조). 이 환경에서 Helm.ai 운전자는 실제 세계에서 운전하는 것처럼 환경에 지속적으로 응답했습니다.
또한 Helm.ai는 Gensim-2가 시뮬레이션 된 장면을 다시 렌더링하여 실제 비주얼과 매우 유사한 현실적인 카메라 출력을 생성했습니다.
Helm.ai는 경로 예측 및 생성 센서를위한 기초 모델이라고 말했습니다. 시뮬레이션 “자율 주행에 대한 AI 우선 접근 방식의 주요 빌딩 블록입니다.이 회사는 차량 플랫폼, 지역 및 운전 조건에서 일반화하는 모델을 계속 제공 할 계획입니다.
게시물 helm.ai는 UP SAE L4 자율 주행을위한 AV 소프트웨어 출시 먼저 나타났습니다 로봇 보고서.
