KI ermöglicht autonomem Fahrzeug, versteckte Hindernisse zu erkennen.
Die 5 wichtigsten Aussagen:
- Ein Forscherteam von MIT und Meta hat eine computergestützte Sehtechnik entwickelt, die autonomen Fahrzeugen eines Tages ermöglichen könnte, um das vorausfahrende Fahrzeug herumzusehen und früher zu bremsen, wenn ein Unfall den Verkehr vor sich stoppt.
- Die Methode namens PlatoNeRF erstellt physikalisch genaue, 3D-Modelle einer gesamten Szene, einschließlich der von der Sicht blockierten Bereiche, und nutzt dabei Schatten, um zu bestimmen, was in den verdeckten Teilen der Szene liegt.
- PlatoNeRF kombiniert Lidar-Technologie (Light Detection and Ranging) mit maschinellem Lernen, um genauere Rekonstruktionen der 3D-Geometrie zu erstellen als einige bestehende KI-Techniken. Außerdem ist PlatoNeRF besser darin, Szenen reibungslos zu rekonstruieren, bei denen Schatten schwer zu erkennen sind.
- PlatoNeRF könnte nicht nur die Sicherheit von autonomen Fahrzeugen verbessern, sondern auch AR/VR-Headsets effizienter machen, indem es Benutzern ermöglicht, die Geometrie eines Raums zu modellieren, ohne dass sie herumlaufen und Messungen durchführen müssen. Außerdem könnte es Lagerrobotern helfen, Artikel in unübersichtlichen Umgebungen schneller zu finden.
- Die Forscher verwendeten ein neues Sensorverfahren namens Einzelphotonen-Lidar und kombinierten es mit einem speziellen maschinellen Lernmodell, dem NeRF (Neural Radiance Field). Diese Kombination führte zu hochgenauen Szenenrekonstruktionen und übertraf dabei zwei gängige alternative Methoden.
Ganzen Artikel lesen:https://news.mit.edu/2024/researchers-leverage-shadows-model-3d-scenes-blocked-objects-0618
KI-Update in Kurzform:
Willkommen in der Zukunft, in der dein Auto „um die Ecke“ schauen kann! Forscher vom MIT und Meta haben eine revolutionäre Computervision-Technik namens PlatoNeRF entwickelt, die eines Tages selbstfahrenden Autos ermöglichen könnte, Hindernisse zu erkennen, die sich außerhalb ihres direkten Sichtfelds befinden. Wie?
Sie setzen Schatten und Lidar-Technologie (Lichterkennung und -messung) ein, um hochgenaue 3D-Modelle der Umgebung zu erstellen, sogar von Bereichen, die von der Kamera nicht gesehen werden können. Das Genie von PlatoNeRF liegt in der Kombination von mehrfach abprallendem Lidar und maschinellem Lernen, um bisher unerreichte Genauigkeit bei der Rekonstruktion von 3D-Szenen zu erreichen. Aber das ist noch nicht alles!
Es könnte auch AR/VR-Headsets effizienter machen und Lagerrobotern helfen, schneller Objekte in unübersichtlichen Umgebungen zu finden. Es ist beeindruckend, wie die Forscher die Physik des Lichttransports mit maschinellem Lernen modelliert haben. PlatoNeRF hat bereits bewährte Methoden übertroffen und bietet eine aufregende Perspektive für die Anwendung im realen Leben.
Wer hat gesagt, dass Schatten keine Lichtbringer sein können?