인식 및 측위

시뮬레이션, 재시뮬레이션 및 합성 데이터를 활용하여 자율주행차(AV) 의사결정에 정보 제공

워크플로 보기

“우리는 자율주행 산업에서 가장 강력하고 유연한 시뮬레이션 플랫폼을 사용합니다.”

Mike Carter
창립 엔지니어, 코디악 (Kodiak)

고객의 도전

실제 세계에서 AV 인식 및 로컬라이제이션 시스템을 테스트하는 것은 시간이 많이 걸리고 대규모로 실행하고 반복하기 어려운 경우가 많습니다.

실제 작업은 모든 상황을 캡처하지 않습니다.

하나의 상황에는 많은 경우와 변형이 있습니다.

특정 이벤트는 실제 세계에서 테스트하기에 위험합니다.

실제 데이터 세트를 수집하고 레이블을 지정하는 데 비용이 많이 듭니다.

어플라이드의 솔루션

Applied의 솔루션을 통해 팀은 AV 인식 및 로컬라이제이션 시스템을 대규모로 테스트하고, 엣지 케이스를 식별하고, 고품질 코드를 보장할 수 있습니다.

현장에서 발견된 장애 재시뮬레이션

인식 모델을 훈련하기 위한 합성 데이터 세트 생성

센서 시뮬레이션을 활용하여 빠르게 반복

워크플로

고성능 인식 및 측위 시스템 개발

01

현장 테스트에서 발견된 문제 식별

실제 로그를 검색하여 운전자 개입과 같은 문제를 포함하여 AV 스택에 문제를 일으킨 세그먼트를 식별합니다.

Strada

02

근본 원인 분석 수행

식별된 실제 로그를 다시 시뮬레이션하여 AV 스택의 성능을 이해하고 필요한 조정을 결정합니다.

Strada

Logstream

03

인식 모듈 개선 및 테스트

식별된 문제를 해결하기 위해 합성 데이터를 사용하여 인식 모듈을 수정하거나 기계 학습(ML) 모델을 재교육합니다. 센서 시뮬레이션을 반복적으로 실행하여 목적에 맞게 제작된 테스트 사례 전반의 진행 상황을 모니터링하고 동작, 날씨 및 조명 전반에 걸쳐 변화를 도입하여 견고성을 보장합니다.

Spectral

Synthetic Datasets

04