合成トレーニングデータ

rFproは、高精度のトレーニングデータを大量に作成することで、車両のAIのトレーニング、テスト、検証を可能にします。安全性を損なうことなく、現実世界ではありえないようなエッジケースや生命を脅かす状況をAIに与えます。このアプローチは、実世界でのテストだけよりもAIをより徹底的に鍛え上げる。重要なのは、人間のドライバーが、AIのトレーニングに使用されているのと同じ仮想環境を共有できることだ。rFproの完全なエンド・ツー・エンドで物理的にモデル化されたシミュレーションは、AIのトレーニング、回帰テスト、新しい故障モードの特定に使用できることを意味します。また、開発の初期段階で自律走行車の同乗者を巻き込むためにも利用できる。これは、消費者に確実に受け入れられ、AIと自律性への投資を保護するために非常に重要です。rFproのデータ・ファーミング・ソリューションでAIを迅速かつ徹底的にトレーニング。堅牢なAIの作成には、詳細かつ多様な膨大な量のトレーニング・データが必要です。rFproの合成トレーニング・データ作成ソリューション（データ・ファーミングと呼んでいます）は、このプロセスを迅速に加速するのに役立ちます。

rFproのData Farmingは、自律走行車の開発に不可欠な高品質のトレーニング・データ・セットをコスト効率よく作成できます。このシミュレーション主導のアプローチは、1台のPCを使用して無限の複雑なテストシナリオを忠実に再現します。私たちは、この新しいデータファーミング・ソフトウェアを、現代の人気アニメーションのコンパイル方法に革命をもたらしたレンダーファーミング技術と比較しています。

rFproは、車両センサーの開発専用に、クラスをリードするレイトレーシング・レンダリング・エンジンを開発しました。これは、センサ周囲の反射や現実世界のニュアンス、センサの認識方法を正確にシミュレートするマルチパス技術です。このソリューションは、低照度シナリオや複数の光源がある環境で特に有効で、反射や影を正確に描写します。その結果、非常に現実的でエンジニアリング・グレードのセンサー・システム用トレーニング・データが得られ、実世界のデータ収集に依存する業界の負担が大幅に軽減されます。

自律走行車のトレーニングデータを生成するために、業界は従来、シーン内のオブジェクトを識別するために、実世界のビデオフレーム、LiDARポイント、レーダーリターンの手動アノテーションに依存してきました。手作業で車両、歩行者、道路標識、交通信号をハイライトするのは、1フレームあたり30分かかり、平均して10％のエラー率がある。1分間のビデオに注釈を付けるには1,800時間かかる。データ・ファーミングは、エラーのないデータを最大10,000倍速く生成する。手作業でアノテーションを行うよりも早く、安く、正確に必要なトレーニングデータを作成することができる。

これは、rFproの顧客がData Farmingについて既に述べていることです：

DENSO ADAS Engineering Services, global Tier1 supplier
「rFproのData Farmingにより、非常に多くの運転シナリオを作成することができ、単一のプラットフォームへの投資で、非常に大きなバリエーションのシーンを生成することができます。「これにより、コンピュータ・ビジョン技術、特に当社の自律走行技術用ニューラルネットワークの特定の製品開発段階に不可欠な、膨大で質の高いトレーニング・データを迅速かつコスト効率よく生成することができます。

アンバレラ、自律走行車技術のリーディングプロバイダー
「このソフトウェアは、学習データの作成に根本的な転換をもたらし、すでに自律走行車システムの開発を加速させています」と、アンバレラのイタリア部門ゼネラルマネジャー、アルベルト・ブロッジ氏は述べた。「ディープラーニングとAIは、自律走行車の普及に不可欠です。手作業で注釈を付けたデータセットを使うだけでは、必要とされる水準に到達することは合理的に不可能でしょう。データ・ファーミングは、業界が自律走行車を開発する方法を変えるでしょう」と述べている。

当社のソフトウェアでは、天候、照明、交通、歩行者など、さまざまな変数のシミュレーションが可能です。これはすべてrFproの膨大なデジタルツインライブラリを使用して行うことができ、世界中のあらゆる種類の道路や環境を提供します。各デジタル・ツインは数百万のシーン・バリエーションを生成でき、ディープ・ニューラル・ネットワークを徹底的に訓練するのに十分なデータを生成します。現実世界では、これと同レベルのバリエーションのトレーニングデータを収集することは不可能です。

データファーミングは、アプリケーションに応じて、シミュレーションをリアルタイムよりも高速または低速で実行することができます。実行速度を下げることで、より少ないプロセッサー（またはより低いスペックのプロセッサー）を使用して複雑なテストを実施し、再現性のある高品質なデータを生成することができます。例えば、単純な単一センサーデータであれば、リアルタイムよりもはるかに高速に実行することができます。

データ・ファーミング能力に関する記事全文を読む

rFproのData Farmingは、自律走行車の開発に不可欠な高品質のトレーニング・データ・セットをコスト効率よく作成できます。このシミュレーション主導のアプローチは、1台のPCを使用して無限の複雑なテストシナリオを忠実に再現します。私たちは、この新しいデータファーミング・ソフトウェアを、現代の人気アニメーションのコンパイル方法に革命をもたらしたレンダーファーミング技術と比較しています。

自律走行車のトレーニングデータを生成するために、業界は従来、シーン内のオブジェクトを識別するために、実世界のビデオフレーム、LiDARポイント、レーダーリターンの手動アノテーションに依存してきました。手作業で車両、歩行者、道路標識、交通信号をハイライトするのは、1フレームあたり30分かかり、平均して10％のエラー率がある。1分間のビデオに注釈を付けるには1,800時間かかる。データ・ファーミングは、エラーのないデータを最大10,000倍速く生成する。手作業でアノテーションを行うよりも早く、安く、正確に必要なトレーニングデータを作成することができる。