Cognitive Pilot hat eine neue Trainingstechnologie für neuronale Netze eingeführt, die eine langjährige Herausforderung in der landwirtschaftlichen Autonomie angehen soll: die Diskrepanz zwischen der Art und Weise, wie Menschen und künstliche Intelligenz dieselbe Fahrszene wahrnehmen. Das Unternehmen gibt an, dass die Entwicklung die Genauigkeit und Sicherheit von Autopilotsystemen, die in unbemannten Landmaschinen eingesetzt werden, erheblich verbessern könnte.
Die als kognitive Divergenzkorrektur bekannte Technologie konzentriert sich auf die Identifizierung und Messung von Diskrepanzen zwischen menschlichem Urteilsvermögen und der Interpretation neuronaler Netzwerke in schwierigen Betriebsumgebungen wie schlammigen Feldern, unebenem Gelände oder wechselnder Beleuchtung.
Was ist passiert?
Cognitive Pilot hat die kognitive Divergenzkorrektur entwickelt, um Unterschiede zwischen der Szenenwahrnehmung von Menschen und neuronalen Netzwerken zu erkennen und zu quantifizieren.
Das System zielt auf Szenarien ab, in denen das Computersehen Probleme bereitet, darunter verdeckte Feldgrenzen, Schatten, Schnee, Regen und verzerrte visuelle Markierungen.
Ein Divergenzanalysator identifiziert automatisch Szenenmerkmale, die Menschen intuitiv zur Bestimmung der Fahrzeugtrajektorie verwenden.
Inkonsistente Trainingsdatenrahmen werden zur weiteren Überprüfung isoliert, während konsistente Rahmen im Trainingsdatensatz verbleiben.
Die Technologie ist seit Spätfrühling 2025 in Autopilotsysteme integriert, die auf autonomen Traktoren installiert sind.
Firmenspruch
„Selbst bei hoher Erkennungsgenauigkeit kann es sein, dass das Netzwerk den Kontext falsch interpretiert“, sagte Gennady Savitsky, leitender Entwickler bei Cognitive Pilot. Er fügte hinzu, dass sich während des Trainings Fehler ansammeln könnten, wenn die Divergenz zwischen menschlicher und maschineller Wahrnehmung nicht berücksichtigt werde, wodurch die Kontrollgenauigkeit und -sicherheit verringert werde.
„Dadurch wird die Datenkonsistenz erhöht und damit die Qualität des Trainings und die Sicherheit autonomer Steuerungssysteme verbessert“,
Sagte Savitsky.
Warum ist das wichtig?
Ein Missverhältnis zwischen menschlichem Urteilsvermögen und KI-Wahrnehmung kann bei autonomen Maschinen zu Navigationsfehlern und Fehlalarmen führen.
Die Verbesserung der Datenkonsistenz während des Trainings ist für den sicheren Betrieb in komplexen landwirtschaftlichen Umgebungen von entscheidender Bedeutung.
Eine höhere Steuerungsgenauigkeit ist für die Präzisionslandwirtschaft und die breitere Einführung vollständig autonomer, bedienerfreier Traktoren von entscheidender Bedeutung.
Die Technologie könnte dazu beitragen, neue Maßstäbe für die Sicherheit in landwirtschaftlichen und anderen autonomen Transportsystemen zu setzen.
