Helm.ai, un fornitore di software AI avanzato per la guida autonoma e la robotica automatizzata, ha annunciato che ha sviluppato modelli di base basati su DNN (Deep Neural Network) per la previsione comportamentale e il processo decisionale. Questi modelli sono stati integrati nello stack software AI dell’azienda per sistemi ADAS di fascia alta, che includono la guida autonoma di livello 2 (L2) e livello 3 (L3), nonché il livello 4 (L4).
I modelli DNN di base sono stati addestrati per prevedere il comportamento dei veicoli e dei pedoni in complessi scenari urbani e per anticipare i percorsi che i veicoli autonomi prenderebbero in tali situazioni. Questi aspetti sono fondamentali per le capacità decisionali necessarie per la guida autonoma. Helm.ai ha utilizzato una combinazione di segmentazione semantica della scena, visione surround e rilevamento 3D per consentire la previsione delle intenzioni e la pianificazione del percorso. Inoltre, i modelli sono stati addestrati utilizzando la tecnologia proprietaria di Deep Teaching dell’azienda, che consente una previsione ampia e scalabile.
La tecnologia di Helm.ai apprende direttamente dai dati di guida reale e utilizza un sistema di percezione altamente accurato e stabile nel tempo per acquisire informazioni sui comportamenti complessi dei veicoli, dei pedoni e dell’ambiente circostante. Ciò si traduce in modelli DNN che comprendono automaticamente i dettagli cruciali della guida urbana. Questi modelli ricevono input da diverse immagini e generano sequenze video previste che rappresentano i risultati più probabili delle situazioni. Inoltre, forniscono un percorso previsto per il veicolo autonomo in linea con le intenzioni previste. Queste capacità sono vitali per pianificare azioni sicure e ottimali da parte dei veicoli autonomi.
È rilevante notare che i modelli DNN di base di Helm.ai sono addestrati utilizzando un approccio altamente scalabile di Deep Teaching, il che significa che possono imparare in modo non supervisionato da una vasta gamma di dati di guida reale. Questo metodo evita la necessità di simulatori basati sulla fisica o di regole codificate manualmente, che potrebbero non catturare completamente la complessità della guida reale. Inoltre, l’approccio di Helm.ai è facilmente generalizzabile a settori oltre alla guida autonoma, come la robotica.
Il CEO di Helm.ai, Vladislav Voroninski, ha dichiarato che stanno perseguendo un approccio altamente scalabile che può servire sia i sistemi ADAS L2/L3 di fascia alta che le implementazioni L4 su larga scala. Questo approccio si concentra sulla percezione come primo elemento critico e utilizza la tecnologia Deep Teaching per sviluppare capacità predittive avanzate. Helm.ai ha recentemente completato un round di finanziamento di serie C da 55 milioni di dollari nell’agosto 2023, che ha contribuito a portare il totale raccolto dall’azienda a 102 milioni di dollari. Il round è stato guidato da Freeman Group e ha incluso investimenti da ACVC Partners, Amplo, Honda Motor, Goodyear Ventures e Sungwoo Hitech.