
Automobile : dSPACE muscle ses compétences en IA en acquérant understand.ai Via le rachat de la start-up understand.ai, basée à Karlsruhe (Allemagne), la firme allemande dSPACE, qui fournit des solutions pour le développement de systèmes embarqués dans l’automobile, souhaite renforcer ses compétences dans le domaine des applications d’intelligence artificielle (IA).... Understand.ai est un expert de ce domaine, notamment via des solutions d’analyse de données automatisée, d’annotation de données et d’extraction de scénarios de simulation. Grâce à ces technologies clés, dSPACE souhaite renforcer ses solutions de développement et de test intégrées pour le développement de systèmes de conduite autonome. L’idée sous-jacente étant de réduire les temps d’analyse des tests qui deviennent un véritable goulot d’étranglement lors du développement de code pour des systèmes de conduite assistée. dSPACE souligne qu'au cours du développement de véhicules autonomes, il est crucial de détecter l’environnement de la voiture sans erreur et de manière réaliste. Les autres usagers de la route, les panneaux, les voies, les structures statiques en bord de route et les espaces ouverts doivent ainsi être identifiés en toute fiabilité. Dans ce cadre, les algorithmes d’apprentissage automatique, fondés sur des réseaux de neurones profonds DNN (Deep Neural Networks), sont utilisés à bord des véhicules autonomes et doivent être entraînés et validés de manière efficace. Il est donc nécessaire d’analyser, d’annoter et d’anonymiser une quantité énorme de données issues de divers capteurs (caméras, lidars et radars). La quantité, la qualité et la diversité de ces données lors des phases d’apprentissage déterminent la qualité des réseaux DNN, précise dSPACE. Le processus d’annotation, également appelé labelling, est ainsi nécessaire pour classifier les objets en tant que références pour l’apprentissage automatique (photo ci-contre). Actuellement, ce processus est souvent réalisé manuellement et ne garantit pas toujours un niveau de qualité maximal. Et c’est là que les technologies d’understand.ai sont mises en œuvre pour automatiser ces processus.

Automobile : dSPACE muscle ses compétences en IA en acquérant understand.ai

Via le rachat de la start-up understand.ai, basée à Karlsruhe (Allemagne), la firme allemande dSPACE, qui fournit des solutions pour le développement de systèmes embarqués dans l’automobile, souhaite renforcer ses compétences dans le domaine des applications d’intelligence artificielle (IA).... Understand.ai est un expert de ce domaine, notamment via des solutions d’analyse de données automatisée, d’annotation de données et d’extraction de scénarios de simulation. Grâce à ces technologies clés, dSPACE souhaite renforcer ses solutions de développement et de test intégrées pour le développement de systèmes de conduite autonome. L’idée sous-jacente étant de réduire les temps d’analyse des tests qui deviennent un véritable goulot d’étranglement lors du développement de code pour des systèmes de conduite assistée.

dSPACE souligne qu'au cours du développement de véhicules autonomes, il est crucial de détecter l’environnement de la voiture sans erreur et de manière réaliste. Les autres usagers de la route, les panneaux, les voies, les structures statiques en bord de route et les espaces ouverts doivent ainsi être identifiés en toute fiabilité. Dans ce cadre, les algorithmes d’apprentissage automatique, fondés sur des réseaux de neurones profonds DNN (Deep Neural Networks), sont utilisés à bord des véhicules autonomes et doivent être entraînés et validés de manière efficace. Il est donc nécessaire d’analyser, d’annoter et d’anonymiser une quantité énorme de données issues de divers capteurs (caméras, lidars et radars).

La quantité, la qualité et la diversité de ces données lors des phases d’apprentissage déterminent la qualité des réseaux DNN, précise dSPACE. Le processus d’annotation, également appelé labelling, est ainsi nécessaire pour classifier les objets en tant que références pour l’apprentissage automatique (photo ci-contre). Actuellement, ce processus est souvent réalisé manuellement et ne garantit pas toujours un niveau de qualité maximal. Et c’est là que les technologies d’understand.ai sont mises en œuvre pour automatiser ces processus.