Cognitive Pilot wprowadził nową technologię uczenia sieci neuronowej, zaprojektowaną w celu rozwiązania długotrwałego wyzwania w zakresie autonomii rolnictwa: rozbieżności między sposobem, w jaki ludzie i sztuczna inteligencja postrzegają tę samą scenę jazdy. Firma twierdzi, że opracowanie to mogłoby znacznie zwiększyć dokładność i bezpieczeństwo systemów autopilota stosowanych w bezzałogowych maszynach rolniczych.
Technologia ta, znana jako korekcja rozbieżności poznawczej, koncentruje się na identyfikowaniu i mierzeniu rozbieżności między oceną człowieka a interpretacją sieci neuronowej w trudnych warunkach operacyjnych, takich jak błotniste pola, nierówny teren lub zmienne oświetlenie.
Co się stało?
Cognitive Pilot opracował funkcję Cognitive Divergence Correction w celu wykrywania i ilościowego określania różnic między postrzeganiem sceny przez człowieka i sieć neuronową.
System uwzględnia scenariusze, w których występują problemy z wizją komputerową, w tym zasłonięte granice pól, cienie, śnieg, deszcz i zniekształcone znaczniki wizualne.
Analizator rozbieżności automatycznie identyfikuje cechy sceny, których ludzie intuicyjnie używają do określenia trajektorii pojazdu.
Niespójne ramki danych szkoleniowych są izolowane do dalszego przeglądu, podczas gdy spójne ramki pozostają w zbiorze danych szkoleniowych.
Od późnej wiosny 2025 r. technologię tę zintegrowano z systemami autopilota instalowanymi w ciągnikach autonomicznych.
Firma mówi
„Nawet przy dużej dokładności wykrywania sieć może błędnie zinterpretować kontekst” – powiedział Giennadij Savitsky, główny programista w Cognitive Pilot. Dodał, że bez zajęcia się rozbieżnościami między percepcją człowieka i maszyny podczas szkolenia mogą kumulować się błędy, zmniejszając dokładność i bezpieczeństwo sterowania.
„Dzięki temu zwiększa się spójność danych, a co za tym idzie, poprawia się jakość szkoleń i bezpieczeństwo autonomicznych systemów sterowania”
– powiedział Sawicki.
Dlaczego to jest ważne?
Niezgodność między oceną człowieka a percepcją sztucznej inteligencji może prowadzić do błędów nawigacji i fałszywych alarmów w maszynach autonomicznych.
Poprawa spójności danych podczas szkolenia ma kluczowe znaczenie dla bezpiecznej pracy w złożonych środowiskach rolniczych.
Wyższa dokładność sterowania jest niezbędna w rolnictwie precyzyjnym i szerszym zastosowaniu w pełni autonomicznych ciągników- niewymagających obsługi.
Technologia ta może pomóc w wyznaczeniu nowych standardów bezpieczeństwa w rolniczych i innych autonomicznych systemach transportowych.
