Sanasto

Autonomiset ajoneuvot

Mikä on Autonomiset ajoneuvot?

Autonomiset ajoneuvot liikkuvat kokonaan tai osittain ilman ihmisen väliintuloa kameroiden, tutkan, lidarin ja tekoälyohjelmiston avulla. SAE J3016 -standardi määrittelee kuusi tasoa – tasosta 0 (ei automaatiota) tasoon 5 (täysin kuljettajaton kaikkialla). Tekoäly hoitaa havainnoinnin, muiden tienkäyttäjien käyttäytymisen ennustamisen ja reittisuunnittelun. Henkilöautojen lisäksi tämä koskee robottitakseja, kuorma-autoja, sukkuloita ja varastoajoneuvoja; hyväksyntä ja vastuu säännellään kussakin maassa erikseen.

Aiheet

Liikkuminen
Konenäkö
Robotiikka

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Tekoäly liikenteessä

Tekoäly liikenteessä kattaa sovelluksia logistiikassa, liikenteessä ja liikkumisessa: reitti- ja kierrossuunnittelu, liikenne-ennusteet, ajoneuvojen ja infrastruktuurin ennakoiva kunnossapito sekä kuljettajan avustusjärjestelmät aina autonomisiin ajoneuvoihin asti. Tavoitteena ovat lyhyemmät reitit, vähemmän tyhjänä ajoa, pienemmät kustannukset ja parempi turvallisuus. Monet sovellukset ovat turvallisuuskriittisiä ja siksi tiukasti säänneltyjä. Esimerkki: pakettipalvelu suunnittelee jakelukierrokset uudelleen päivittäin lähetysmäärän ja liikennetilanteen perusteella.

logistiikka
Liikkuminen
+1

Konenäkö

Konenäkö on tekoälyn osa-alue, jossa tietokoneet tulkitsevat kuvia ja videota. Tyypillisiä tehtäviä ovat esineiden tunnistaminen ja paikantaminen, kuvissa olevan tekstin lukeminen ja komponenttien mittaaminen. Tekniikkaa käytetään esimerkiksi valmistuksen laadunvalvonnassa, kuljettajaa avustavissa järjestelmissä, logistiikassa ja lääketieteellisessä kuvantamisessa.

kuva-analyysi
syväoppiminen
+1

Syvyyden arviointi

Syvyyden arviointi määrittää kuvista, kuinka kaukana kohteet tai yksittäiset pikselit ovat kamerasta. Se voidaan tehdä kahdella kameralla (stereo), syvyysantureilla tai neuroverkoilla jopa yhdestä valokuvasta (monokulaarinen syvyyden arviointi). Sitä tarvitaan robotiikassa, kuljettajan avustusjärjestelmissä, lisätyssä todellisuudessa ja huoneiden 3D-malleissa.

Konenäkö
3D
+1

Vahvistusoppiminen (RL)

Vahvistusoppiminen on koneoppimisen osa-alue, jossa agentti oppii yrityksen ja erehdyksen kautta. Se toimii ympäristössä, saa palkkioita hyvistä tuloksista ja rangaistuksia huonoista ja kehittää näin strategian, joka maksimoi sen kokonaispalkkion. Tunnettuja esimerkkejä ovat ohjelmat, jotka hallitsevat lautapelejä, kuten gon, robottien ohjaus ja kielimallien hienosäätö ihmisten arvioiden perusteella.

oppimismenetelmä
palkkio
+1