Kameleon to system do automatycznej optymalizacji oczujnikowania pojazdu, oceny jego niezawodności oraz analizy wielomodalnych danych sensorycznych z wykorzystaniem technik uczenia maszynowego.
Przełom w stronę autonomii
Kameleon pozwala zautomatyzować proces wyboru czujników dla pojazdu w kontekście wykrywania obiektów w jego bliskim otoczeniu, określić ich optymalną liczbę oraz poznać odporność konfiguracji sensorów. Kameleon opiera się na technikach uczenia maszynowego z wykorzystaniem głębokich sieci neuronowych z atencją. Pozwala to na połączenie wielomodalnych danych sensorycznych, dla uzyskania dokładnej mapy otoczenia pojazdu. Stanowi on krok w kierunku autonomii pojazdów – od samochodów po satelity.
WYRÓŻNIKI
DOKŁADNOŚĆ DETEKCJI
Polepszenie dokładności detekcji obiektów w otoczeniu pojazdu.
FUZJA DANYCH
Polepszenie dokładności i odporności (np. na szum) detekcji obiektów w otoczeniu pojazdu.
CZAS OPTYMALIZACJI
Zmniejszenie czasu wyznaczania oczujnikowania pojazdu.
CHCESZ DOWIEDZIEĆ SIĘ WIĘCEJ? NAPISZ DO NAS!
ZALETY SYSTEMU
-
Optymalizacja zestawu czujników w problemie budowania percepcji pojazdu - minimalizacja ceny czujników i maksymalizacja odporności oczujnikowania na warunki zewnętrzne.
-
Ocena istotności czujników (sygnałów) - pozwala zoptymalizować liczbę wymaganych czujników dzięki:
- Algorytmom "sterowanymi danymi" (moduły atencyjne)
- Skorelowaniu z jakością percepcji
- Redundancji. -
Ocena odporności algorytmów fuzji danych na dane zaszumione i niskiej jakości dzięki:
- Symulatorowi szumów o różnych rozkładach
- Ocenie ilościowej, jakościowej i statystycznej.
System opracowany został w projekcie pt. „System do automatycznej optymalizacji oczujnikowania pojazdu, oceny jego niezawodności oraz analizy wielomodalnych danych sensorycznych z wykorzystaniem technik uczenia maszynowego (KAMELEON)” (nr wniosku: WND-RPSL.01.02.00-24-0ACE/20-002).