합성 교육 데이터

rFpro는 매우 정확한 훈련 데이터의 대량 생성을 통해 차량 AI의 교육, 테스트 및 검증을 가능하게 합니다. AI는 안전을 해치지 않고 현실 세계에서 가능한 것보다 더 많은 엣지 케이스와 생명을 위협하는 상황에 처하게됩니다. 이 접근법은 실제 테스트보다 AI를 더 철저하게 연습합니다. 중요한 것은 인간 운전자가 AI를 훈련시키는 데 사용되는 것과 동일한 가상 환경을 공유 할 수 있다는 것입니다. 이것은 자율 주행 차량에서 새로운 고장 모드를 유발하는 예측할 수없는 무작위 이벤트를 주입합니다. rFpro의 완전한 엔드 투 엔드 물리적 모델링 시뮬레이션은 AI 교육, 회귀 테스트 및 새로운 고장 모드 식별에 사용할 수 있음을 의미하며, 이를 통해 시뮬레이션은 향후 규제 프레임워크의 일부를 구성할 수 있습니다. 또한 개발 초기 단계에서 자율 주행 차량의 승객을 참여시키는 데 사용할 수 있습니다. 이는 소비자의 수용을 보장하고 AI 및 자율성에 대한 투자를 보호하는 데 중요합니다. rFpro의 데이터 농업 솔루션으로 AI를 빠르고 철저하게 교육하십시오. 강력한 AI를 만들려면 방대한 양의 상세하고 다양한 교육 데이터가 필요합니다. rFpro의 합성 교육 데이터 생산 솔루션(데이터 농업이라고 함)은 이러한 프로세스를 빠르게 가속화하는 데 도움이 됩니다.

rFpro의 데이터 농업을 사용하면 자율 주행 차량 개발에 필수적인 고품질 교육 데이터 세트를 비용 효율적으로 만들 수 있습니다. 이 시뮬레이션 주도 접근 방식은 단일 PC를 사용하여 무제한의 복잡한 테스트 시나리오를 충실하게 재현하거나 여러 PC를 사용하여 완전히 확장 할 수 있습니다. 우리는 새로운 데이터 농업 소프트웨어를 렌더 팜 (Render Farming) 기술과 비교하여, 현대의 인기있는 애니메이션이 컴파일되는 방식에 혁명을 일으켜 제작을 더 빠르고 비용 효율적으로 만들었습니다.

rFpro는 차량 센서 개발을 위해 특별히 동급 최고의 레이 트레이싱 렌더링 엔진을 개발했습니다. 이는 센서 주변의 반사와 실제 세계의 뉘앙스, 센서가 인식하는 방식을 정확하게 시뮬레이션하는 다중 경로 기술입니다. 이 솔루션은 저조도 시나리오나 여러 광원이 있는 환경에서 반사와 그림자를 정확하게 묘사하는 데 특히 유용합니다. 그 결과 센서 시스템을 위한 매우 사실적인 엔지니어링 등급의 트레이닝 데이터가 생성되어 실제 데이터 수집에 대한 업계의 의존도를 크게 낮출 수 있습니다.

자율 주행 차량에 대한 교육 데이터를 생성하기 위해 업계는 전통적으로 실제 비디오 프레임, LiDAR 포인트 및 레이더 리턴의 수동 주석에 의존하여 장면의 물체를 식별합니다. 차량, 보행자, 도로 표시 및 교통 신호를 수동으로 강조 표시하는 데 프레임 당 30 분이 걸릴 수 있으며 평균적으로 10 %의 오류율이 있습니다. 1분 분량의 동영상에 주석을 달는 데 1,800시간이 걸립니다. 데이터 농업은 최대 10,000배 빠른 속도로 오류 없는 데이터를 생성합니다. 필요한 교육 데이터를 수동 주석보다 빠르고 저렴하며 정확하게 생성합니다.

이것은 rFpro 고객이 이미 데이터 농업에 대해 말하고있는 것입니다.

DENSO ADAS 엔지니어링 서비스, 글로벌 Tier1 공급업체
"rFpro의 데이터 농업을 통해 우리는 단일 플랫폼에 대한 투자를 통해 장면에서 매우 큰 변형을 생성 할 수있는 광범위한 운전 시나리오를 만들 수 있습니다."라고 DENSO ADAS의 프로젝트 매니저 인 Francisco Eslava-Medina는 말했습니다. "이를 통해 컴퓨터 비전 기술의 특정 제품 개발 단계, 특히 자율 주행 차량 기술을위한 신경망에 필수적인 방대한 양의 양질의 교육 데이터를 신속하고 비용 효율적으로 생성 할 수 있습니다."

Ambarella, 선도적 인 자율 주행 차량 기술 제공 업체
"이 소프트웨어는 교육 데이터 생성에 급진적 인 변화를 보여 주며 이미 자율 주행 차량 시스템의 개발을 가속화하고 있습니다."라고 이탈리아의 Ambarella 사업부의 총괄 관리자 인 Alberto Broggi는 말했습니다. "딥 러닝과 AI는 자율 주행 차량의 성공적인 채택에 매우 중요합니다. 수동으로 주석이 달린 데이터 세트를 사용하는 경우에만 필요한 표준에 도달하는 것이 합리적으로 가능하지 않을 수 있습니다. 데이터 농업은 업계가 자율 주행 차량을 개발하는 방식을 변화시킬 것입니다. "

우리의 소프트웨어는 날씨, 조명, 교통 및 보행자를 포함한 다양한 변수를 시뮬레이션 할 수 있습니다. 이 모든 작업은 전 세계의 모든 유형의 도로와 환경을 제공하는 rFpro의 방대한 디지털 트윈 라이브러리를 사용하여 수행 할 수 있습니다. 각 디지털 트윈은 수백만 개의 장면 변형을 생성하여 심층 신경망을 철저하게 훈련시키기에 충분한 데이터를 생성 할 수 있습니다. 단순히 현실 세계에서 훈련 데이터에서 동일한 수준의 변동을 수집하는 것은 불가능합니다.

데이터 농업을 사용하면 응용 프로그램에 따라 시뮬레이션을 실시간보다 빠르거나 느리게 실행할 수 있습니다. 실행 속도가 줄어들면 더 적은 수의 프로세서 또는 낮은 사양의 프로세서를 사용하여 복잡한 테스트를 수행하여 반복 가능한 고품질 데이터를 생성할 수 있습니다. 예를 들어, 간단한 단일 센서 데이터는 실시간보다 훨씬 빠르게 실행될 수 있습니다.

데이터 파밍 기능에 대한 전체 기사 읽기

rFpro의 데이터 농업을 사용하면 자율 주행 차량 개발에 필수적인 고품질 교육 데이터 세트를 비용 효율적으로 만들 수 있습니다. 이 시뮬레이션 주도 접근 방식은 단일 PC를 사용하여 무제한의 복잡한 테스트 시나리오를 충실하게 재현하거나 여러 PC를 사용하여 완전히 확장 할 수 있습니다. 우리는 새로운 데이터 농업 소프트웨어를 렌더 팜 (Render Farming) 기술과 비교하여, 현대의 인기있는 애니메이션이 컴파일되는 방식에 혁명을 일으켜 제작을 더 빠르고 비용 효율적으로 만들었습니다.

자율 주행 차량에 대한 교육 데이터를 생성하기 위해 업계는 전통적으로 실제 비디오 프레임, LiDAR 포인트 및 레이더 리턴의 수동 주석에 의존하여 장면의 물체를 식별합니다. 차량, 보행자, 도로 표시 및 교통 신호를 수동으로 강조 표시하는 데 프레임 당 30 분이 걸릴 수 있으며 평균적으로 10 %의 오류율이 있습니다. 1분 분량의 동영상에 주석을 달는 데 1,800시간이 걸립니다. 데이터 농업은 최대 10,000배 빠른 속도로 오류 없는 데이터를 생성합니다. 필요한 교육 데이터를 수동 주석보다 빠르고 저렴하며 정확하게 생성합니다.