KI-Objektmarkierungen von understand.ai Bild- und Videodateien für das autonome Fahren bearbeiten

An bearbeiteten Bildern lernen Algorithmen für autonomes Fahren, die reale Umgebung zu erkennen.
An bearbeiteten Bildern lernen Algorithmen für das autonome Fahren, die reale Umgebung zu erkennen.

Das Start-up understand.ai beschäftigt sich mit dem präzisen Markieren von Objekten. Das so genannte Labeling wurde nun auf Basis Künstlicher Intelligenz umgesetzt. Die Algorithmen der autonomen Fahrzeuge werden anschließend an den bearbeiteten Bild- und Videoaufnahmen trainiert.

Autonom fahrende Autos müssen ihre Umgebung realitätsgetreu wahrnehmen. Die eingesetzten Algorithmen erkennen dabei einzelne markierte Bildelemente, wie beispielsweise Bäume, Fußgänger oder Verkehrzeichen. Das Labeling genannte Verfahren der Markierung hat das Start-up-Unternehmen understand.ai, das seine Wurzeln am Karlsruher Institut für Technologie (KIT) hat, mit Künstlicher Intelligenz nun verbessert und beschleunigt.

Da die eingesetzten Algorithmen zum Maschinellen Lernen für autonomes Fahren an Bild- und Videoaufnahmen trainiert werden, ist eine große Menge Bild- und Videomaterial erforderlich. Die Objekte auf den Bildern werden oftmals noch mühsam und zeitaufwändig manuell gekennzeichnet. Das Unternehmen setzt bei dem Vorgang nun Künstliche Intelligenz ein, die die Kennzeichnung zehnmal schneller und präziser ausführt. Bei dem hochautomatisierten Prozess der Bildbearbeitung erfolgt am Schluss weiterhin eine manuelle Qualitätskontrolle. Die auch Annotationen genannten Markierungen in den Bild- und Videodarstellungen müssen pixelgenau mit der realen Umgebung übereinstimmen – je besser die Qualität der bearbeiteten Bilddaten, desto besser der trainierte Algorithmus.

Zudem bietet understand.ai auch aus Realdaten erarbeitete Simulationen an, da nicht für alle Verkehrssituationen, wie beispielsweise von Unfällen, entsprechende Trainingsbilder verfügbar sind.