Applied Intuition blog

Verification and validation (検証・妥当性確認) マネジメントプラットフォーム「Validation Toolset」とドライブデータ探査ツール「Data Explorer」は、ロングテールのイベントに備え、安全な自動運転システム、及び ADAS (先進運転支援システム) を一般に展開することを可能にします。

急激に大きなパラメーター空間を必要とし失敗したケースを見つけるため、コンピューター処理効率の高いアプローチが必要です。 既存の検証ワークフロー補完のために ML ベースのアプローチについて、知見を広めるために読んでください。

自動運転型マルチロボットシステムの商用アプリケーションはますます増えています。このブログでは、システムアルゴリズムの安全性と進歩を確かなものにするためのユースケースとテスト、および検証での考慮事項について説明します。

Applied Intuition チームは、Vulkan レンダリングの機能を構築しています。レイトレーシングが自動運転システムのテストと検証のためのセンサーデータをどのように改善できるかを学びましょう。

このブログポストでは、5つの主要要件に対する認識シミュレーションアプローチのトレードオフを紹介します。シミュレーションのLIDARデータは、詳細なセンサー検証の結果、実データとほとんど差がありませんでした。

認識シミュレーションにはいくつかの方法があります。 実用でデプロイするためのトレーニングと検証に最適なアプローチは？

当社はシミュレーションのオープンスタンダードのサポーターであり、ASAM スタンダードと緊密に連携しています。現状のスタンダードにはいくつかの制約がありますが、当社のシミュレーションツールがスタンダードとどのように連携しているかを見てみましょう。

自動運転開発ライフサイクルにおいて、ますます複雑になる要件管理へのアプローチについて、従来の会社とML（機械学習）を利用している会社の違いを説明します。

自動運転ソフトウェアの開発では、走行テストやシミュレーションによる大量のデータが生成されます。そして、これらを有効活用することは大きな課題です。Applied Intuitionチームは、データを使用して既知の要件に対する進捗状況を追跡し、性能のギャップを明らかにする方法について説明します。

現実世界の走行データをアノテーションしてキュレーションすることは、自動運転アルゴリズムをトレーニングするための一般的なアプローチですが、コストが高く、エラーが発生して、またスケーラビリティが限られています。これらの課題を解決できる合成データの使用方法について紹介します。