Casi todo acerca de fabricar un auto con auto es difícil, pero entre las partes más difíciles está asegurarse de que los vehículos sepan lo que están haciendo los peatones, y lo que están haciendo. acerca de que hacer. Humanising Autonomy se especializa en esto, y espera convertirse en una parte ubicua de los sistemas de visión por computadora enfocados en las personas en todo el mundo.
La compañía ha recaudado una ronda de semillas de $ 5.3 millones de un grupo internacional de inversores gracias a la fuerza de su sistema de inteligencia artificial, que afirma que supera a los humanos y trabaja con imágenes de prácticamente cualquier cámara que pueda encontrar en un automóvil en estos días.
La tecnología de HA es un conjunto de módulos de aprendizaje automático capacitados para identificar diferentes comportamientos de peatones. ¿Esta persona está a punto de salir a la calle? ¿Están prestando atención? ¿Han hecho contacto visual con el conductor? ¿Están en el teléfono? Ese tipo de cosas.
La compañía atribuye la robustez de sus modelos a dos cosas principales. Primero, la variedad de sus fuentes de datos.
“Desde el primer día recopilé datos de cualquier tipo de fuente: cámaras de CCTV, cámaras de todas las resoluciones, pero también sensores de vehículos autónomos”, dijo la cofundadora y CEO Maya Pindeus. “También construimos asociaciones de datos y colaboramos con diferentes instituciones, por lo que hemos sido capaces de crear un conjunto de datos sólido en diferentes ciudades con diferentes tipos de cámaras, diferentes resoluciones, etc. Eso realmente benefició al sistema, por lo que funciona en situaciones nocturnas, con lluvia en Michigan, etc. “
Cabe destacar que sus modelos solo se basan en datos RGB, y pasan por alto cualquier información de profundidad que pueda provenir de lidar, otro tipo de sensor común. Pero Pindeus dijo que el tipo de datos no es, de ninguna manera, incompatible, simplemente no es tan abundante o relevante como las imágenes de luz visual en el mundo real.
En particular, HA tuvo cuidado de adquirir y analizar imágenes de accidentes, ya que estos son casos especialmente informativos de fallas de AV o conductores humanos para leer las intenciones de los peatones, o viceversa.
La segunda ventaja que afirma Pindeus es la naturaleza modular de los modelos que la empresa ha creado. No hay un solo modelo de “qué está haciendo ese peatón”, sino un conjunto de ellos que se pueden seleccionar y sintonizar individualmente de acuerdo con las necesidades del agente autónomo o del hardware.
“Lo otro es procesar los requisitos; Los vehículos autónomos tienen un requisito de GPU muy fuerte “, continuó. “Pero debido a que incorporamos estos módulos, podemos adaptarlo a diferentes requisitos de procesamiento. Nuestro software se ejecutará en una GPU estándar cuando nos integramos con los vehículos de nivel 4 o 5, pero luego trabajamos con el mercado de accesorios, modernizando las aplicaciones que no tienen tanta potencia disponible, pero los modelos aún funcionan con eso. Así que también podemos trabajar a niveles de automatización “.
La idea es que no tiene mucho sentido apuntar solo a los niveles superiores de autonomía cuando en realidad no hay tales autos en la carretera, y el despliegue masivo puede no ocurrir durante años. Mientras tanto, sin embargo, hay muchas oportunidades en la pila de sensores para un sistema que puede simplemente decirle al conductor que existe un peligro detrás del automóvil, o activar el frenado automático de emergencia un segundo antes que los sistemas existentes.
Si bien hay muchos artículos publicados sobre la detección del comportamiento de los peatones o la predicción de lo que una persona en una imagen va a hacer, hay pocas compañías que trabajan específicamente en esa tarea. Una empresa de detección de pila completa centrada en cámaras LIDAR y RGB necesita completar docenas o cientos de tareas, según cómo las defina: caracterización y seguimiento de objetos, observación de señales, monitoreo de automóviles cercanos y distantes, etc. Puede ser más sencillo para ellos y para los fabricantes licenciar el funcionamiento de HA y una solución altamente específica en lugar de construir su propia cuenta o confiar en un seguimiento de objetos más generalizado.
“También hay oportunidades adyacentes a los vehículos autónomos”, señaló Pindeus. Los almacenes y las instalaciones de fabricación utilizan robots y otras máquinas autónomas que funcionarían mejor si supieran lo que los trabajadores a su alrededor estaban haciendo. Aquí, la naturaleza modular del sistema HA funciona a su favor otra vez: volver a entrenar solo las partes que necesitan ser reentrenadas es una tarea más pequeña que construir un nuevo sistema desde cero.
Actualmente, la compañía está trabajando con proveedores de movilidad en Europa, EE. UU. Y Japón, incluidos Daimler Mercedes Benz y Airbus. Hay algunos estudios de casos en los trabajos para mostrar cómo su sistema puede ayudar en una variedad de situaciones, desde advertir a los vehículos y peatones sobre los cruces peatonales populares hasta mejorar la planificación de caminos en vehículos autónomos en la carretera. El sistema también puede revisar resmas de grabaciones anteriores y producir evaluaciones de riesgo de un área u hora del día, dada la cantidad y el comportamiento de los peatones allí.
La ronda de semillas de $ 5 millones, liderada por Anthemis, con Global Brain de Japón, Amplifer de Alemania y Synapse Partners de SV, se dedicará principalmente a comercializar el producto, dijo Pindeus.
“La tecnología está lista, ahora se trata de colocarla en la mayor cantidad de acumulaciones posibles y fortalecer esas relaciones de nivel 1”, dijo.
Obviamente es un campo rico para ingresar, pero aún así es bastante nuevo. La tecnología puede estar lista para implementarse, pero la industria no se detiene, por lo que puede estar seguro de que Humanising Autonomy se moverá con él.
Source link