根据爱因斯坦汽车的报道,行车记录仪制造商和众包街道级视觉数据供应商nexar创造了新的月数据覆盖里程碑,创下了每月1亿3000万英里的里程数据,过去6个月 这些数据将补充nexar的3.2万亿张道路图像,有助于弥补困扰自动驾驶汽车制造商的重要数据不足。 这些制造商正在训练ai模型来解决边缘的情况和检测现实世界中的一些变化。
(图像来源: nexar )
nexar创始人兼首席执行官eran shir表示:“nexar有能力改进可扩展的数据获取技术和为提供可用数据而进行的改进。 没有独立企业也没有平台收集这些数据。 这些数据有助于更好地训练自动驾驶车,了解发生了什么,引领未来的自动驾驶车。 ”
nexar提供的数据可以用于两个主要行业:自动驾驶汽车培训。 第一个行业是比较和训练边缘(或转角处)的情况,包括碰撞和其他异常驾驶情况。 训练自动驾驶车应对极端情况是实现l4级和l5级自动驾驶的重要突破之一,但数据不足是现实问题。 关于正常驾驶有大量的数据,但由于极端情况很少见,汽车制造商很少捕捉到边缘情况。
目前,nexar每月“看到”数百起碰撞事故,以及紧急刹车、车道漂移、近距离碰撞、低冲击碰撞等几个其他边缘情况。 今年3月,nexar发布了碰撞重建技术,为车辆周围物体与其事故的关系增加了有价值的数据。 另外,nexar还可以识别施工区域、路标的变化、车道等影响自动驾驶车的现实世界的变化。
nexar庞大的数据集的第二个用途是支持自动驾驶汽车所需的详细地图的变化检测。 现在,自动驾驶车的高清地图采用了昂贵的激光雷达,但是随着时间的推移,地图新闻发生了变化,nexar的图像和ai能够检测出这些变化。 nexar的道路数据可以监测和检测路标、工程区域、坑孔、护栏、人行道、免费停车位、路面质量、电源箱、褪色的路面标示等物体的变化。 随着时间的推移,其数据会增加越来越多的变化类别。
shir说:“在大多数情况下,道路图像在变化检测方面优于激光雷达。 我们的众包图片可以用于未来的v2v,也可以应用于人类司机和自动驾驶汽车。 现在,我们可以提供某个区域内免费停车位的情况新闻。 将来,可以找到空多的停车位。 ”
Berkeley Deep驱动器有一个免费的nexar数据子集。 这是一组用于异构多任务学习的多样化驾驶数据集,具有大规模、多样性的优点,能够支持多样的训练任务。 此外,nexar提供的数据严格遵守隐私和匿名要求。 因为这个人的脸、车牌和其他识别新闻都很模糊。
标题:“Nexar记录1.3亿英里的驾驶里程数据 训练自动驾驶汽车应对极端情况”
地址:http://www.0317jhgd.com//dfqcxw/13873.html