Cognitive Pilot は、農業自治における長年の課題、つまり人間と人工知能が同じ運転シーンを認識する方法の不一致に対処するために設計された新しいニューラル ネットワーク トレーニング テクノロジーを導入しました。同社は、この開発により、無人農機に採用されている自動操縦システムの精度と安全性が大幅に向上する可能性があると述べている。
Cognitive Divergence Correction として知られるこの技術は、泥だらけの野原、でこぼこした地形、変化する照明などの困難な操作環境における人間の判断とニューラル ネットワークの解釈との間の矛盾を特定し、測定することに重点を置いています。
どうしたの？
Cognitive Pilot は、人間とニューラル ネットワークのシーン認識の違いを検出して定量化するための Cognitive Divergence Correction を開発しました。
このシステムは、不明瞭なフィールド境界、影、雪、雨、歪んだ視覚マーカーなど、コンピューター ビジョンが困難なシナリオを対象としています。
発散アナライザーは、人間が車両の軌道を決定するために直感的に使用するシーンの特徴を自動的に識別します。
一貫性のないトレーニング データ フレームはさらなるレビューのために分離されますが、一貫性のあるフレームはトレーニング データセットに残ります。
この技術は、2025 年の晩春から自動運転トラクターに搭載された自動操縦システムに統合されています。
会社の言い分
「検出精度が高くても、ネットワークがコンテキストを誤って解釈する可能性があります」と、Cognitive Pilot の開発主任 Gennady Savitsky 氏は述べています。人間と機械の認識の相違に対処しないと、トレーニング中にエラーが蓄積し、制御の精度と安全性が低下する可能性があると彼は付け加えました。
「その結果、データの一貫性が向上し、その結果、トレーニングの質と自律制御システムの安全性が向上します。」
サヴィツキー氏は語った。
これがなぜ重要なのでしょうか?
人間の判断と AI の認識の間にズレがあると、自律型機械におけるナビゲーション エラーや誤検知が発生する可能性があります。
複雑な農業環境で安全に作業を行うには、トレーニング中のデータの一貫性を向上させることが重要です。
精密農業や、オペレーター不要の完全自律型トラクターの普及には、より高い制御精度が不可欠です。{0}
この技術は、農業およびその他の自律輸送システムにおける安全性の新たな基準を設定するのに役立つ可能性があります。
