L'entreprise a entraîné des modèles de fondation DNN à faire des prédictions sur le comportement des véhicules et des piétons dans des scénarios urbains complexes, ainsi qu'à prédire la trajectoire qu'un véhicule autonome prendrait dans ces situations, qui sont des ingrédients essentiels des capacités de prise de décision pour les voitures autoconduites. Helm.ai s'est appuyée sur son système de segmentation sémantique de la scène complète et de détection 3D, validé par l'industrie, comme représentation de base pour permettre la prédiction de l'intention d'entraînement et les capacités de planification de la trajectoire. En outre, les modèles de base sont formés à l'aide de la technologie d'apprentissage profond (Deep Teaching), propriété de l'entreprise, afin d'obtenir une capacité prédictive étendue de manière évolutive.
La technologie de Helm.ai apprend directement à partir de données de conduite réelles et utilise le système de perception très précis et stable dans le temps de l'entreprise pour capturer des informations sur les comportements complexes des véhicules et des piétons, ainsi que sur l'environnement de conduite environnant, ce qui conduit à des DNN qui apprennent automatiquement des aspects subtils, mais importants de la conduite urbaine. Les modèles de base qui alimentent la prédiction de l'intention et de la trajectoire de Helm.ai recueillent des données à partir d'une série d'images observées et génèrent des séquences vidéo prédites qui représentent les résultats possibles les plus probables de ce qui se passe ensuite. Les modèles fournissent également une trajectoire prédite pour le véhicule autonome qui est cohérente avec la prédiction de l'intention. Les capacités de prédiction de l'intention et de prédiction de la trajectoire sont essentielles pour planifier l'action optimale la plus sûre du véhicule autonome.
Il est important de noter que les modèles de base du DNN de Helm pour la prédiction de l'intention et la planification de la trajectoire sont formés dans le paradigme hautement évolutif de l'apprentissage profond, ce qui permet un apprentissage non supervisé de scénarios de conduite urbaine complexes directement à partir de données de conduite réelles. Cette approche permet d'éviter les simulateurs encombrants basés sur la physique et les règles codées à la main, qui ne suffisent pas à rendre compte de toute la complexité de la conduite dans le monde réel. En particulier, le pipeline de développement et de validation Helm.ai, bien qu'optimisé pour les logiciels de production de masse ADAS L2/L3 haut de gamme, peut également être directement appliqué aux applications entièrement autonomes L4. En outre, l'approche évolutive de l'IA Helm.ai se généralise facilement aux domaines de la robotique au-delà des véhicules autopilotés.
Helm.ai élabore une approche de la conduite autonome fondée sur l'IA et conçue pour s'adapter de manière transparente aux programmes de production de masse ADAS L2/L3 haut de gamme jusqu'aux déploiements L4 à grande échelle. La plateforme logicielle de l'entreprise est agnostique en termes de matériel et privilégie la vision, en s'attaquant au problème critique de la perception pour la vision, tout en intégrant la fusion de capteurs entre la vision et le radar/lidar, le cas échéant. Les avancées technologiques annoncées aujourd'hui accélèrent la valeur de l'offre logicielle de Helm.ai en ouvrant la voie au développement évolutif et à la validation de logiciels de prédiction d'intention et de planification de trajectoire basés sur l'IA pour les véhicules autonomes.
« Chez Helm.ai, nous sommes les pionniers d'une approche hautement évolutive de l'IA qui permet de réaliser simultanément, dans le même cadre, la production de masse L2/L3 d'ADAS haut de gamme et des déploiements L4 à grande échelle », a déclaré Vladislav Voroninski, PDG de Helm.ai.
« La perception est le premier élément critique de tout système de conduite autonome. Plus un système de perception est complet et stable dans le temps, plus il est facile de développer les capacités de prévision en aval, ce qui est particulièrement important pour les environnements urbains complexes. En nous appuyant sur notre système de perception urbaine à vue d'ensemble validé par l'industrie et sur la technologie de formation Deep Teaching, nous avons formé des modèles de base DNN pour la prédiction d'intention et la planification de trajectoire afin qu'ils apprennent directement à partir de données de conduite réelles, ce qui leur permet de comprendre une grande variété de scénarios de conduite urbaine et les subtilités du comportement humain sans avoir besoin de simulateurs traditionnels basés sur la physique ou de règles codées à la main. »
Helm.ai a clôturé un cycle de financement de série C de 55 millions de dollars en août 2023. Ce tour de table a été mené par Freeman Group et comprend des investissements des sociétés de capital-risque ACVC Partners et Amplo, ainsi que des investissements stratégiques de Honda Motor, Goodyear Ventures et Sungwoo Hitech. Ce financement porte le montant total levé par Helm.ai à 102 millions de dollars.
À propos de Helm.ai
Helm.ai développe la prochaine génération de logiciels d'IA pour les ADAS haut de gamme, la conduite autonome L4 et la robotique. Fondée en novembre 2016 à Menlo Park, en Californie, l'entreprise a repensé la façon dont les logiciels d'IA sont construits pour faire de la conduite autonome véritablement évolutive une réalité. Pour plus d'informations sur Helm.ai, y compris ses produits, son SDK et ses opportunités de carrière, consultez https://www.helm.ai/ ou retrouvez Helm.ai sur LinkedIn.
Photo - https://mma.prnewswire.com/media/2307805/Intent___Path_Prediction_Top_3.mp4
Logo - https://mma.prnewswire.com/media/1178129/Helm_ai_logo.jpg
Partager cet article