새로운 데이터 세트는 반복적인 여행을 통해 여러 차량에서 캡처한 이전에는 사용할 수 없었던 대량의 실제 운전 데이터를 연구원에게 제공함으로써 자율 차량 기술 개발을 가속화할 것을 약속합니다.
그만큼 MARS(MultiAgent, multitraveRSal 및 다중 모드) NYU Tandon School of Engineering의 연구원이 자율주행차 회사와 협력하여 제공한 데이터세트 5월 내비게이션이는 이 분야의 이전 노력과 차별화되는 고유한 기능 조합을 제공합니다.
NYU 팀이 Tandon을 선보였습니다. 종이 지난 달 컴퓨터 비전 분야의 주요 연례 행사인 IEEE/CVF 컴퓨터 비전 및 패턴 인식(CVPR) 컨퍼런스에서 MARS가 사용되었습니다. 일반인도 이용 가능.
“자율 차량 연구를 위한 데이터 세트는 일반적으로 특정 위치를 통과하는 단일 차량에서 나옵니다.”라고 그는 말했습니다. MARS는 동일한 경로를 반복적으로 통과하는 것을 포함하여 수백 번 고정된 경로를 이동하는 여러 자율 차량 간의 실제 상호 작용을 포착하기 때문에 다른 많은 기회를 제공합니다. 다양한 조건의 사이트. 첸 펑, 프로젝트의 수석 조사관. Feng은 NYU Tandon의 조교수로 자율주행차와 모바일 로봇을 위한 컴퓨터 비전을 연구하고 있습니다. NSF 경력 상 이 프로젝트의 자금 제공자.
데이터 세트 – Feng’s에서 선별 토목공학 자동화 및 지능(AI4CE) 연구실 이 데이터는 미국 도시의 주거, 상업 및 대학 지역으로 구성된 20km 지역 내에서 운행되는 May Mobility의 자율주행 Toyota Sienna Autono-MaaS 차량 4대를 사용하여 May Mobility와 May Mobility 엔지니어가 수집했습니다.
May Mobility의 FleetAPI 구독 서비스는 차량의 실시간 및 과거 데이터에 대한 액세스를 제공합니다. 이를 통해 NYU Tandon과 같은 데이터 파트너는 센서 데이터(LiDAR, 카메라), GPS/관성 측정 장치, 차량 상태 등을 포함한 실제 정보에 액세스할 수 있습니다.
Feng은 “MARS 데이터세트를 통해 여러 차량이 어떻게 주변을 더 정확하게 인식할 수 있는지, 차량이 시간이 지남에 따라 환경을 자세히 이해할 수 있는 방법을 연구할 수 있습니다.”라고 말했습니다. “May Mobility가 제공한 대규모 실제 데이터에 대한 전례 없는 접근이 없었다면 이를 통합할 수 없었을 것입니다. 그 결과는 자율주행차가 도로에서 안전하고 신뢰할 수 있는 현실이 되기 위한 중요한 단계입니다. 전 분야에 이익이 되는 산학협력의 선례입니다.”
May Mobility의 CEO이자 공동 창립자인 Edwin Olson 박사는 “우리는 투명성과 데이터 공유가 고객에게 도움이 될 뿐만 아니라 차세대 혁신가가 경계를 넓히고 자신만의 큰 아이디어를 생각해 내는 데 도움이 될 수 있다고 믿습니다.”라고 말했습니다. . “우리가 계속해서 학계와 교량을 구축함에 따라 그들의 연구는 May Mobility와 자율주행차 산업 전반에 걸쳐 추가적인 혁신을 위한 길을 열어줄 것입니다.”
NYU Tandon은 2022년 11월에 May Mobility를 계획하기 시작했습니다. 이후 NYU Tandon 연구원은 May Mobility의 엔지니어링 팀과 긴밀히 협력하여 연구한 차량 그룹의 일일 운영 센서 데이터에 액세스하고 140만 개 이상의 동시 센서 데이터 프레임을 선택했습니다. 여기에는 도로에서 여러 대의 차량이 서로 마주치는 시나리오가 포함되어 있으며, 자율주행차가 미래에 어떻게 협력하고 통신할지에 대한 귀중한 데이터를 제공합니다.
MARS 프로젝트의 가장 중요한 측면 중 하나는 다용도 특성입니다. May Mobility 엔지니어와 NYU Tandon 연구원은 경로를 따라 67개의 특정 위치를 식별하고 하루 중 다양한 시간과 다양한 기상 조건에서 이 지역을 통과하는 수천 번의 여행으로부터 데이터를 수집했습니다.
“동일한 위치에 대한 반복적인 관찰은 보다 강력한 인식 및 매핑 알고리즘을 개발하는 데 중요합니다.”라고 이 논문의 제1저자이자 연구를 수행한 Feng 연구실의 박사 과정 학생인 Yiming Li가 말했습니다. 그는 최근 명망 높은 NVIDIA Graduate Fellowship을 수상했습니다.“이를 통해 우리는 자율주행차가 사전 지식을 활용하여 주변 세계에 대한 실시간 이해를 향상시키는 방법을 연구할 수 있습니다.”
MARS의 출시는 자율주행차 산업이 통제된 테스트 환경을 넘어 실제 운전의 복잡성을 탐색하려는 시기에 이루어졌습니다.
데이터 세트는 데이터 수집에 명시적으로 사용된 차량, 자율주행차 또는 데이터 시뮬레이션이 아닌 실제 사용 중인 여러 상업용 차량에서 수집되므로 차량 기반 AI 시스템을 훈련하고 검증하는 데 매우 중요한 역할을 할 수 있습니다. -운전.
데이터 세트의 잠재력을 입증하기 위해 NYU Tandon 팀은 시각적 장소 인식 및 3D 장면 재구성에 대한 예비 실험을 수행했습니다. 이러한 작업은 자율주행차가 자신의 위치를 파악하고 주변 환경을 이해하는 데 필수적입니다.
MyMobility의 자율주행 인지 부문 이사인 Fiona Hua 박사는 “MARS는 산업계와 학계 간의 최고의 협력을 보여주는 강력한 예입니다. 실제 운영에서 데이터를 수집하면 협업 인지 분야의 자율주행 연구를 위한 새로운 지평이 열리게 됩니다. 비지도 학습 및 시뮬레이션.” “우리는 아직 이 데이터 세트로 가능한 일의 시작 단계에 있으며 자율 주행의 현재 및 미래 과제를 해결하기 위해 연구원들과 협력하면서 발전할 가능성을 기대합니다.”
MARS 데이터 세트 협업 및 출시는 May Mobility가 공유하는 약속인 보다 안전한 이동성을 창출하고 자율 주행 알고리즘의 정확성과 효율성을 향상시키려는 NYU Tandon의 광범위한 노력을 기반으로 합니다.
이전에 펑 나는 프로젝트에 참여했다 복잡한 도시 지역의 내비게이션을 개선하기 위한 다양한 시각적 장소 인식(VPR) 기술을 테스트하기 위해 200,000개 이상의 야외 이미지로 구성된 데이터 세트가 수집되었습니다.
올해 초, NYU Tandon이 선정되었습니다. 이는 미국 국립과학재단과 에너지부가 시작한 국가인공지능연구자원(NAIRR) 시범 프로젝트의 일환이자 자율주행차 연구 촉진을 목표로 하는 또 다른 프로젝트이다. NYU Tandon의 NAIRR 프로젝트는 Chinmayi Hegde 부교수가 주도하여 시각 및 텍스트 데이터를 처리하는 시스템에 중점을 두고 첨단 AI 모델을 자율주행차에 안전하게 배포하는 기술을 개발할 것입니다.
마이 모빌리티에 대하여
/일반 버전. 원래 조직/저자의 이 자료는 본질적으로 연대순일 수 있으며 명확성, 스타일 및 길이를 위해 편집되었습니다. Mirage.News는 기업의 입장이나 당사자를 받아들이지 않으며 여기에 표현된 모든 의견, 입장 및 결론은 전적으로 작성자의 것입니다. 여기에서 전체 보기를 할 수 있습니다.
“트위터를 통해 다양한 주제에 대한 생각을 나누는 아 동율은 정신적으로 깊이 있습니다. 그는 맥주를 사랑하지만, 때로는 그의 무관심함이 돋보입니다. 그러나 그의 음악에 대한 열정은 누구보다도 진실합니다.”