Cognitive Pilot on esitellyt uuden hermoverkkokoulutusteknologian, joka on suunniteltu vastaamaan maatalouden autonomian pitkäaikaiseen haasteeseen: ihmisten ja tekoälyn saman ajonäkymän väliseen ristiriitaisuuteen. Yhtiö toteaa, että kehitys voisi merkittävästi parantaa miehittämättömissä maatalouskoneissa käytettävien autopilottijärjestelmien tarkkuutta ja turvallisuutta.
Teknologia, joka tunnetaan nimellä Cognitive Divergence Correction, keskittyy tunnistamaan ja mittaamaan eroavaisuuksia ihmisen harkinnan ja hermoverkon tulkinnan välillä vaikeissa toimintaympäristöissä, kuten mutaisissa kentissä, epätasaisessa maastossa tai vaihtelevassa valaistuksessa.
Mitä tapahtui?
Kognitiivinen pilotti kehitti kognitiivisen eronkorjauksen havaitsemaan ja kvantifioimaan erot ihmisen ja hermoverkon kohtausten välillä.
Järjestelmä kohdistaa skenaarioihin, joissa tietokonenäkö heikkenee, mukaan lukien hämärtyneet kentän rajat, varjot, lumi, sade ja vääristyneet visuaaliset merkit.
Divergenssianalysaattori tunnistaa automaattisesti kohtausominaisuudet, joita ihmiset käyttävät intuitiivisesti ajoneuvon liikeradan määrittämiseen.
Epäjohdonmukaiset opetusdatakehykset eristetään lisätarkastelua varten, kun taas yhdenmukaiset kehykset säilyvät harjoitustietojoukossa.
Tekniikka on integroitu autonomisiin traktoreihin asennettuihin autopilottijärjestelmiin loppukeväästä 2025 lähtien.
Yritys sanoo
"Jopa korkealla tunnistustarkkuudella verkko voi tulkita kontekstin väärin", sanoi Gennady Savitsky, Cognitive Pilotin johtava kehittäjä. Hän lisäsi, että ilman eroa ihmisen ja koneen havaintojen välillä, virheet voivat kertyä harjoituksen aikana, mikä heikentää ohjauksen tarkkuutta ja turvallisuutta.
"Tämän seurauksena tietojen johdonmukaisuus paranee ja sitä kautta koulutuksen laatu ja autonomisten ohjausjärjestelmien turvallisuus paranevat."
Savitsky sanoi.
Miksi tämä on tärkeää?
Ihmisen harkinta- ja tekoälyhavaintojen välinen virhe voi johtaa navigointivirheisiin ja vääriin positiivisiin tuloksiin autonomisissa koneissa.
Tietojen yhdenmukaisuuden parantaminen koulutuksen aikana on erittäin tärkeää turvallisen käytön kannalta monimutkaisissa maatalousympäristöissä.
Suurempi ohjaustarkkuus on välttämätöntä tarkkuusviljelylle ja täysin autonomisten, kuljettajavapaiden{0}}traktoreiden laajemmalle käyttöönotolle.
Tekniikka voisi auttaa asettamaan uusia vertailuarvoja turvallisuudelle maataloudessa ja muissa autonomisissa liikennejärjestelmissä.
