dSPACE renforce son expertise en intelligence artificielle (IA) en acquérant understand.ai

1

Grâce à la start-up leader de Karlsruhe, dSPACE peut désormais offrir à ses clients une gamme de produits améliorée dans le domaine de la conduite autonome.

dSPACE, le fournisseur leader de solutions pour le développement de véhicules en réseau, autonomes et électriques, acquiert la start-up understand.ai. Sous l’égide des sociétés du groupe dSPACE, understand.ai investira dans les missions principales « des applications d’intelligence artificielle (IA) » et « des outils du cloud », continuera à développer ses produits existants en tant que parties intégrantes de la gamme de produits dSPACE et utilisera le réseau de vente global dSPACE pour commercialiser ses produits et services.

« understand.ai est un leader technologique en matière d’intelligence artificielle, se concentrant sur l’analyse de données automatisée, l’annotation de données et l’extraction de scénarios de simulation pour les véhicules autonomes. Grâce à ces technologies clé, nous pouvons désormais améliorer stratégiquement la gamme de produits dSPACE afin d’offrir à nos clients une solution de développement et de test, intégrée et unique, pour la conduite autonome. » dit Martin Goetzeler, PDG de dSPACE.

« Nous voyons en dSPACE le partenaire idéal de notre croissance, understand.ai étant passé à sa prochaine étape de développement. Les tests sont le goulot d’étranglement du développement de la conduite autonome et dSPACE, en tant que partenaire de développement leader au sein de l’industrie automobile, nous apportera une forte dynamique grâce à son expertise et son réseau. » dit Marc Mengler, co-fondateur et PDG de understand.ai.

« Marc Mengler et moi-même, nous nous réjouissons à l’idée d’utiliser dSPACE pour améliorer le service client local, accélérer notre croissance internationale et continuer à renforcer notre position de leader global dans les solutions permettant de fournir des données d’apprentissage et de validation. » ajoute Philip Kessler, co-fondateur et Directeur technique de understand.ai.

Marc Mengler, PDG et co-fondateur de understand.ai et Philip Kessler, Directeur technique et co-fondateur de understand.ai.

Lors du développement et de l’introduction de véhicules autonomes, il est crucial de détecter l’environnement du véhicule sans erreur et de manière réaliste. Les autres usagers de la route, les panneaux, les voies, les structures statiques en bord de route et les espaces ouverts doivent être identifiés en toute fiabilité.

Dans cet objectif, les algorithmes apprenant automatiquement (apprentissage machine), en particulier les réseaux DNN (Deep Neural Networks) basés sur l’intelligence artificielle, sont utilisés dans ces véhicules autonomes. Ces algorithmes doivent être entraînés et validés de manière efficace. Il est donc nécessaire d’analyser, d’annoter et également d’anonymiser une quantité énorme de données de capteur (caméra, lidar et radar) enregistrées.

La quantité, la qualité et la diversité de ces données d’entraînement et de validation déterminent la qualité des réseaux DNN en résultant. Le processus d’annotation, également appelé « labeling », est nécessaire pour classifier les objets en tant que références pour l’apprentissage machine. Actuellement, ce processus est effectué manuellement ce qui est généralement long et ne garantit pas toujours un niveau de qualité maximal.

understand.ai dispose de connaissances exclusives permettant d’automatiser ce processus au plus haut degré possible. L’entreprise utilise également des algorithmes d’auto-apprentissage pour traiter les données de validation et d’entraînement de haute qualité. La technologie clé sous-jacente est également basée sur l’intelligence artificielle et assure une analyse de données autant efficace que précise qui garantit des données d’entraînement de haute qualité pour les algorithmes de conduite basés sur l’IA. understand.ai développe des outils web, basés sur l’IA pour ce domaine d’application. L’expertise sous-jacente est également utilisée pour extraire des scénarios de simulation à partir des données de capteurs.

En savoir plus