Umělí lidé šetří životy inženýrů a pomáhají vývoji chytrých kamer

Obor
Automobilový průmysl
Doba čtení
5 minut
Zveřejněno
8. 1. 2021

Po chodbě Valeo R&D centra v pražských Malešicích se pohybuje vyšší blonďák značně mladší než většina jiných inženýrů. Přesto přesně ví co a jak, protože to tedy žádný nováček není, do Valeo týmu přišel už po bakalářském studiu.

Antonín Vobecký, tedy lépe Tonda, tvoří jádro jednoho z nejplodnějších vývojových týmů. Pracuje na podpoře učení neuronových sítí, které se v současnosti vyznačují nejvyspělejší umělou inteligencí. Mnozí je považují za hlavní složku pro autonomní řízení. 

Tondo, vysvětlil bys mi, čím se zabýváš?

Určitě, mé oddělení se specializuje na kamery. Učí se chápat prostředí známé i neznámé. Ne každá situace se totiž dá „naaranžovat“ na silnici, aby se mohla otestovat. Proto se stává, že kamerám chybí znalost některých situací, a to znamená velké nebezpečí. Co kdyby náhodou někdo před vámi na silnici začal dělat stojky? Dokážete si představit tuto situaci a její pravděpodobnost? Jenže co kdyby…

Jak se to tedy řeší?

Specializuji se na umělé lidi. Právě ti dělají stojky uprostřed silnice nebo vyskakují ze zákrytu mezi auty. Můžeme si říkat, že přece počítač nikdy nenahradí věrohodnost reálné scény. Co když ale mezi svými kolegy nenajdu nikoho, kdo umí stojku nebo není tak statečný, aby se vrhal před prototypové auto se zatím nedokonalými systémy?

Takže hledáš šikovné a odvážné kolegy?

Právě že už nemusíme riskovat životy našich inženýrů, ale pro dobro jejich i lidstva se zaměřujeme na stále dokonalejší „přikreslovaná“ data. Má práce spočívá ve zdokonalování neuronové sítě, která vykresluje umělé lidi do obrazu v různých pózách. V současnosti se takovýto typ učení neuronových sítí rozšiřuje i do noci. Buďto do již nahraných reálných nočních scén vložím postavy nebo z denní scény vytvořím noční.

Jakým způsobem se zdokonaluje neuronová síť?

Vlastně se to dá rozdělit na dvě oblasti jako ve škole: učení a zkoušení. Nejdřív neuronovou síť na vytvořených scénách učíme, aby dokázala detekovat lidi v obrazu. Následně ji zkoušíme, jestli ve scénách, které nikdy neviděla, dokáže naučenou detekci použít. A toto není lehké zkoušení, spíš jako „pololetka z matiky“. Síť musí rozpoznat nejen „konfekční“ lidi, ale i ty, kterých najdeme o trochu méně: lidé s hůlkou nebo chodítkem, lidé s taškami, s kočárky, na vozíčku, atd.

Jak moc reální musí lidé v obrazu být? A jak té reálnosti případně docílíš?

Vykreslení lidé musí být co nejrealističtější. Proto nejde jen označit člověka a dát Ctrl+C, Ctrl+V. Do každé scény musíme započítat i okolní podmínky, správně člověka osvětlit, pokud na něj svítí slunce a ztmavit, když na sebe vrhá stín. V noci hraje světlo hlavní roli a kamera musí dokázat rozpoznat postavy pokud jsou pod lampou, dokonce i když se vracejí, oblečeni do černé, po polní cestě ze společenských záležitostí. Vylepšovat tyto algoritmy a následně je rozšiřovat, to mě čeká. Tak snad to půjde dobře.

My děkujeme za rozhovor a přejeme mnoho štěstí s dalšími projekty.

Pro shrnutí si zopakujeme, co tady Tonda dělá: učitele a zkoušejícího, grafika i modeláře, programátora i algorytmika, inženýra juniora a hlavně velmi cennou součást týmu!

@podporovaný článek


Fotogalerie