Helm.ai kündigt generative Simulation von hochrealistischen gekennzeichneten Bildern für autonomes Fahren an

Helm.ai, ein Anbieter von fortschrittlicher KI-Software für fortschrittliche Fahrerassistenzsysteme (Advanced Driver Assistance Systems, ADAS), autonomes Fahren und Robotik-Automatisierung, gab heute die Markteinführung von auf neuronalen Netzwerken basierenden, realitätsgetreuen virtuellen Szenarien für die Wahrnehmungssimulation bekannt. Die neue Technologie erweitert die Palette der KI-Softwarelösungen des Unternehmens für die Entwicklung von High-End-ADAS (Level 2 und 3) und autonomen Fahrsystemen des Levels 4.

Diese Pressemitteilung enthält multimediale Inhalte. Die vollständige Mitteilung hier ansehen: https://www.businesswire.com/news/home/20240423606331/de/

Das Unternehmen hat seine generativen Simulationsmodelle durch das Training neuronaler Netze mit umfangreichen Bilddatensätzen entwickelt. Die Modelle können hochgradig realistische Bilder von virtuellen Fahrumgebungen mit unterschiedlichen Parametern erzeugen, einschließlich Beleuchtungs- und Wetterbedingungen, verschiedenen Tageszeiten, geografischen Standorten, Autobahn- und Stadtszenarien, Straßengeometrien und Straßenmarkierungen. Außerdem enthalten die generierten synthetischen Bilder genaue Kennzeichnungsinformationen für die umliegenden Agenten, Hindernisse und weitere Aspekte der Fahrumgebung, wie Fußgänger, Fahrzeuge, Fahrbahnmarkierungen und Verkehrskegel. Die generative Simulation von Helm.ai erzeugt somit äußerst realistische synthetische, gekennzeichnete Bilddaten, die für das Training und die Validierung in großem Maßstab verwendet werden können, um insbesondere die seltenen Eckfälle zu lösen.

Benutzer können text- oder bildbasierte Anweisungen geben, um sofort originalgetreue Fahrszenen zu erzeugen, die reale Begegnungen nachbilden oder komplett synthetische Umgebungen schaffen. Mit diesen KI-basierten Simulationsfunktionen lassen sich Training und Validierung robuster Wahrnehmungssoftware für autonome Systeme skalieren. Simulationen sind von entscheidender Bedeutung im Entwicklungs- und Validierungsprozess für ADAS und autonome Fahrsysteme, vor allem im Hinblick auf selten auftretende Eckfälle wie schwierige Lichtverhältnisse, komplizierte Straßengeometrien oder Begegnungen mit ungewöhnlichen Hindernissen (beispielsweise Tiere oder überschlagene Fahrzeuge) und spezifischen Objektkonfigurationen (beispielsweise ein Fahrradfahrer, der teilweise von einem Fahrzeug verdeckt wird).