認識とローカライゼーション

シミュレーション、再シミュレーション、合成データを活用して、自律走行車(AV)の意思決定に役立てます。
ワークフローを見る
“私たちは、自動運転業界で最もパワフルで柔軟なシミュレーション・プラットフォームを使用しています。”
Mike Carter 氏
創業者エンジニア、コディアック
お客様の課題
実世界での認識・ローカライゼーションシステムのテストは時間がかかる上、大規模な実行や繰り返しが困難な場合が多いです。
実世界でのオペレーションは、すべての状況を把握できるわけではありません。
1つの状況には多くのエッジケースやバリエーションがあります。
ある種の事象を実世界でテストするのは危険を伴います。
実際のデータセットを収集し、ラベル付けするのはコストがかかります。
Applied のソリューション
Applied Intuitionのソリューションにより、自動運転システムの認識とローカライゼーションシステムの大規模テスト、エッジケースの特定、およびコードの品質確保が可能になります。
現場で発見された不具合を再シミュレーションします。
認識モデルをトレーニングするための合成データセットを生成します。
センサーシミュレーションを活用し高速なイテレーションができます。
ワークフロー

高性能な認識・ローカライゼーションシステムの開発

01
01
フィールドテストで発見された問題を特定
実世界のログを検索し、ドライバーの介入などの問題を含め、自動運転システムに課題があったセグメントを特定します。
02
02
根本原因の分析
特定した実世界のログを再シミュレーションして、自動運転システムのパフォーマンスを理解し、必要な調整を決定します。
03
03
認識モジュールの改善とテスト
認識モジュールを修正するか、合成データを使って機械学習(ML)モデルを再トレーニングし、特定された問題に対処します。センサーシミュレーションを繰り返し実行し、目的に応じたテストケースの進捗を監視し、行動、天候、照明のバリエーションを導入して、堅牢性を確保します。
04
04
安全性を確保するためのテストの規模拡大
変更をマージする前、または新しいスタックバージョンをフィールドに展開する前に、完全なテストスイートを実行して、リグレッションを防止します。
メリット
ソフトウェア開発のライフサイクルを短縮
AV開発の優先順位付け
ログデータを迅速に選別し、重要な開発タスクに集中できます。
実世界の制約を回避
セーフティクリティカルな状況やエッジケースを、実世界の制約を受けずにテストできます。
反復作業を高速化
シミュレーションを活用し、実環境でのテストの遅延とコストを削減します。
その他のリソース

認識&ローカリゼーションソリューションの詳細

デモを依頼する