Tesla hat ein Patent veröffentlicht, das "dreidimensionale Merkmale für autonomes Fahren vorhersagt".

Ausgewähltes Bild: Shutterstock

Ein autonomes Auto ist ein Fahrzeug, das in der Lage ist, seine Umgebung zu erfassen und ohne menschliches Eingreifen zu arbeiten. Das Erreichen eines vollständig autonomen Fahrzeugbetriebs ist jedoch eine sehr schwierige Aufgabe.

Tesla hat in diesem Bereich erhebliche Fortschritte erzielt und verbessert sich weiter. Während des Q2 2020 Earnings Call beantwortete Musk eine Frage zu Autopilot und erklärte, dass das, was Tesla bisher getan hat, so gut wie in 2.5D (D-Dimension) funktioniert. 2.5D ist jedoch zeitlich nicht gut korreliert, daher strebt das Unternehmen 4D an. "Sie denken an die Welt in drei Dimensionen und die vierte Dimension ist die Zeit", sagte Musk. Daher muss das Unternehmen auf dem Weg zum Ziel noch viel verbessern.

Tesla hat eine Patentanmeldung "Vorhersage dreidimensionaler Merkmale für autonomes Fahren" veröffentlicht.

Datum der Patentanmeldung: 1. Februar 2019
Datum der Patentveröffentlichung: 6. August 2020


FEIGE. 2 ist ein Flussdiagramm, das eine Ausführungsform eines Prozesses zum Trainieren und Anwenden eines maschinellen Lernmodells für autonomes Fahren darstellt
Quelle: Tesla-Patent

Deep-Learning-Systeme, die für Anwendungen wie autonomes Fahren verwendet werden, werden durch Training eines maschinellen Lernmodells entwickelt. Traditionell wird ein Großteil des Aufwands zum Kuratieren eines Trainingsdatensatzes manuell durchgeführt, indem potenzielle Trainingsdaten überprüft und die mit den Daten verbundenen Merkmale ordnungsgemäß gekennzeichnet werden.

Das Patent offenbart eine maschinelle Lerntechnik zum Erzeugen hochgenauer maschineller Lernergebnisse. Unter Verwendung von Daten, die von Sensoren an einem Fahrzeug erfasst werden, um die Umgebung des Fahrzeugs und die Fahrzeugbetriebsparameter zu erfassen, wird ein Trainingsdatensatz erstellt.

In einigen Fällen wird eine dreidimensionale Darstellung eines Merkmals, beispielsweise einer Fahrspurlinie, aus der Gruppe von Zeitreihenelementen erstellt, die der Grundwahrheit entsprechen. Diese Grundwahrheit wird dann einer Teilmenge der Zeitreihenelemente zugeordnet.

Das trainierte maschinelle Lernmodell wird verwendet, um eine dreidimensionale Darstellung eines oder mehrerer Merkmale für autonomes Fahren vorherzusagen. Anstatt beispielsweise eine zweidimensionale Fahrspurlinie aus Bilddaten durch Segmentieren eines Bildes einer Fahrspurlinie zu identifizieren, wird eine dreidimensionale Darstellung unter Verwendung der Zeitreihen von Elementen und Kilometerzählungsdaten erzeugt, die der Zeitreihe entsprechen. Die dreidimensionale Darstellung enthält Höhenänderungen, die die Genauigkeit der Spurlinienerkennung und der Erkennung entsprechender Spuren und identifizierter befahrbarer Pfade erheblich verbessern.

Tesla hat bedeutende Fortschritte bei der Entwicklung von Full Self-Driving erzielt, da das Unternehmen bald die Autonomie der Stufe 5 erreichen möchte.

Folgen Sie @EvaFoxU