CMU: KI Training verbessern

Forschende der Carnegie Mellon University (CMU) entwickelten eine neue Trainingsmethode für die Künstliche Intelligenz.

CMU-Methode Objektverfolgung

CMU-Methode Objektverfolgung

Die Sensorik steht derzeit offenbar im Zentrum der Forschung der Carnegie Mellon University in den USA. Jüngst verkündete man eine neue Methode, um verdeckte Hindernisse und Personen auszumachen. Nun stellte man eine neue Trainingsmethode vor.

Konkret geht es um das Verfolgen von Objekten, was durch das Konzept “Scene Flow” erfolgt. Die Verfolgung von Objekten kann auch genutzt werden, um deren Bewegungen vorherzusagen, was ebenfalls ein wichtiges Thema beim Autonomen Fahren ist.

Die KI wird darauf trainiert, die Objekte in einer Szene zu verfolgen. Dabei müssen die Verkehrsteilnehmenden auch markiert und identifiziert werden. Den Forschenden gelang es, diese Markierung zu vereinfachen und damit die Datenmenge für das Training zu erhöhen.

Dafür bedient man sich der Punktwolke, die ein Lidargerät ermittelt. Die Technik “Scene Flow” erlaubt die Deutung der Punktwolke. Derart werden die Geschwindigkeit und die Fahrtrichtung ermittelt. Bewegen sich die Punkte gemeinsam, kann man davon ausgehen, dass die Punkte ein Objekt darstellen: ein Auto, eine Person oder etwas anderes.

Bisher markierte man die Objekte händisch, was zeit- und kostenintensiv war. Mit der CMU-Methode fahren Fahrzeuge mit einem Lidar ausgestattet durch die Gegend und erfassen diese Punktwolken.

Dabei geht es vor allem darum, die eigenen Fehler im Scene Flow zu erkennen, die bei der Verfolgung der Punkte entstehen. Dafür kehrt man den Prozess um und geht von dem vorhergesagten Punkt rückwärts. Dann wird erneut gemessen, woraus sich ein weiterer Fehlertyp generieren kann.

Anhand dieser beiden Werte, kann der Fehler korrigiert werden und darauf wird die KI trainiert. Bei simulierten Daten erreicht man eine Genauigkeit von 25 Prozent, waren die Daten teilweise bereits markiert, erhöhte sich die Genauigkeit auf 31 Prozent. Durch die CMU-Methode stieg die Genauigkeit auf 46 Prozent.

Auch das Projekt wird vom Ford-Kooperationspartner Argo AI und der NASA unterstützt.

Comments are closed.