自动驾驶车辆的感知模块必须能够准确地检测车辆的环境。为此,要将其功能与地面实况数据进行比较。该数据由基于人工智能和机器学习的标注自动生成。understand.ai公司隶属dSPACE集团,该公司的目标正是优化标注的质量、实施速度和成本。
我在汽车行业、EE和IT领域拥有专业背景,重点关注CASE(互联、自动化、共享和电动化),曾在初创公司和大型公司做过技术和销售管理工作。汽车行业的新型创新技术的实现极大地激励了我。understand.ai是创新的推动者,在人工智能和机器学习领域拥有出众的能力和产品,我们将其应用于自动驾驶交通环境。我们拥有干劲十足、才华出众的团队,在大家的努力下,我们度过了初创阶段,正处在扩大规模的阶段。在dSPACE的背景之下,我们有强大的合作伙伴助力我们进一步发展壮大。我们独立运作,同时根据情况通力合作。另外值得一提的是,understand.ai的产品非常适合dSPACE的数据驱动开发产品组合,比如与仿真场景的生成相结合。
我们什么时候能体验到自动驾驶,它给自动驾驶车辆制造商带来了哪些挑战?
首先,需要区分我们探讨的是乘用车还是商用车B2B应用。在乘用车领域,我们如今主要看到了ADAS/L2领域的功能,以及在AD/L3环境中的初步应用。除了技术挑战,还有成本、审批条件以及责任问题,而责任日渐从驾驶员转移到制造商身上。因此,我认为,乘用车领域的4级或5级自动驾驶还需要一些时日。商用车领域的情况则不同,由于可以更明确地定义运行设计域(ODD),因而,可以限制审批和责任风险。此外,商用车有商业回报,由于无需驾驶员,可以抵消AD技术的成本。如今,我们已经看到首批L4应用案例付诸实践。
对于高效开发自动驾驶系统而言,最重要的成功因素是什么?
成功实施自动驾驶的一个常见先决条件是数据、算法、流程和技术的质量,以及开发过程中的自动化速度和程度。必须建立可靠的工具链,推动高度灵活、高质量和自动化。数据处理量巨大,但需要控制成本。还需要缩短开发和响应时间,以便及时在量产中引入新的传感器和功能,始终确保现场车队的安全。
understand.ai如何为客户提供支持?对客户具有哪些价值?
understand.ai为自动驾驶交通系统生成地面实况数据创建标注。为验证感知模块,相关审批应用领域需要大量数据。在验证过程中,会将感知模块的功能与地面实况数据相比较。我们利用人工智能和机器学习,实现了全自动标注创建过程。其目的是避免在处理验证数据时人工贴标。传统标注方法需要大量人工调整和检查标签。大型验证项目动辄需要成百上千名员工,成本高昂、难以协调,速度又慢。我们的自动化方法适合大规模验证项目,经济实惠、有条不紊地验证数据质量,还可以显著缩短项目持续时间。
understand.ai的典型项目是什么样的?
我们会收到来自客户的数据,或者我们自己建立一个数据管道,从而持续处理数据。如果需要,随后我们会导入和校准数据,并将其匿名化。这一点很有必要,比如说人们为了选择数据进行培训,就需要访问数据。接下来,开发、定制和训练贴标机器人。我们通过迭代过程,将自动化质量提高到所需的质量水平。随后,处理数据并自动生成标签。最后一步,将结果发回给客户。我们的平台在云端作为软件即服务(SaaS)解决方案运行,这样,我们就能根据需要扩大或缩小规模。
understand.ai有望给客户带来哪些战略方向?
我们正重点关注大规模验证领域的自动化,侧重于质量、扩展和灵活性方面。就我们而言,质量意味着我们达到所需的数据质量水平,也意味着我们具备证明质量达标的方法。在扩展方面,我们正不断提高自身能力,让我们的系统适应不断增长的数据量,可以大规模并行化。我们还不断实现流程自动化,以便能够同时处理大量项目。灵活性意味着我们能够快速满足客户在功能和流程方面的要求。我们力争成为OEM、Tier1、B2B车队供应商和AD/ADAS领域科技公司开发工具链的一部分。
understand.ai已经取得了哪些成功?
目前,在understand.ai内部以及在dSPACE的背景之下,我们有非常清晰的战略和实施计划。我们的增长势头非常强劲,在目标市场得到了越来越多的客户项目。行业、客户、合作伙伴和分析师都给出了正面反馈,显然,我们正在为一个尚未解决的行业问题开发解决方案。
感谢您接受我们的采访。
《dSPACE杂志》,2022年5月出版