MÜNCHEN (IT BOLTWISE) – Eine neue Technik der NC State University könnte autonome Fahrzeuge in die Lage versetzen, ihre Umgebung deutlich besser zu erkennen und zu navigieren.
- News von IT Boltwise® bei LinkedIn abonnieren!
- AI Morning Podcast bei Spotify / Amazon / Apple verfolgen!
- Neue Meldungen bequem per eMail via Newsletter erhalten!
- IT Boltwise® bei Facebook als Fan markieren!
- RSS-Feed 2.0 von IT Boltwise® abonnieren!
Dank einer von Forschern der NC State University entwickelten Methode könnten selbstfahrende Autos in Zukunft sicherer und präziser durch den Verkehr navigieren. Die Technik ermöglicht es Künstlicher Intelligenz (KI), dreidimensionale Räume genauer zu erfassen, indem sie zweidimensionale Bilder effizienter verarbeitet.
„Die meisten autonomen Fahrzeuge verwenden leistungsstarke KI-Programme, sogenannte Vision Transformer, um 2D-Bilder von mehreren Kameras zu einer 3D-Repräsentation des Raums um das Fahrzeug zu kombinieren“, erklärt Tianfu Wu, außerordentlicher Professor für Elektro- und Computertechnik an der NC State University und Hauptautor eines Papiers über die neue Technik. „Auch wenn diese Programme unterschiedliche Ansätze verfolgen, gibt es noch erheblichen Verbesserungsbedarf.“
Die neue Technik, die von Wu und seinem Team entwickelt wurde, könnte alle bestehenden KI-Programme dieser Art erheblich optimieren. Ihre sogenannte Multi-View Attentive Contextualization (MvACon) ist eine Art „Plug-and-Play“-Erweiterung, die Vision Transformer effizienter macht, ohne dass zusätzliche Daten von den Kameras benötigt werden.
Die Forscher testeten die Leistung von MvACon mit drei führenden Vision Transformer-Modellen, die jeweils sechs Kameras verwenden, um die benötigten 2D-Bilder zu sammeln. In allen Fällen verbesserte MvACon die Leistung signifikant, insbesondere bei der Ortung von Objekten sowie der Erfassung von Geschwindigkeit und Ausrichtung dieser Objekte.
„Die Performance wurde vor allem bei der Objektlokalisierung, sowie bei der Geschwindigkeitserkennung und Orientierung von Objekten deutlich gesteigert“, betont Wu.
Die Ergebnisse der Studie, die den Titel „Multi-View Attentive Contextualization for Multi-View 3D Object Detection“ trägt, wurden auf der IEEE/CVF Conference on Computer Vision and Pattern Recognition vorgestellt.
Ergänzungen und Infos bitte an die Redaktion per eMail an de-info[at]it-boltwise.de. Bitte vergiss nicht in deiner eMail die Artikel-Headline zu nennen: "KI-Technik optimiert 3D-Erkennung autonomer Fahrzeuge".
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "KI-Technik optimiert 3D-Erkennung autonomer Fahrzeuge" für unsere Leser?
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "KI-Technik optimiert 3D-Erkennung autonomer Fahrzeuge" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.