Cognitive Pilot ha introdotto una nuova tecnologia di addestramento della rete neurale progettata per affrontare una sfida di lunga data nell’autonomia agricola: la discrepanza tra il modo in cui gli esseri umani e l’intelligenza artificiale percepiscono la stessa scena di guida. La società afferma che lo sviluppo potrebbe migliorare in modo significativo la precisione e la sicurezza dei sistemi di pilota automatico utilizzati nelle macchine agricole senza pilota.
La tecnologia, nota come Cognitive Divergence Correction, si concentra sull’identificazione e la misurazione delle discrepanze tra il giudizio umano e l’interpretazione della rete neurale in ambienti operativi difficili, come campi fangosi, terreno irregolare o illuminazione variabile.
Quello che è successo?
Cognitive Pilot ha sviluppato la correzione della divergenza cognitiva per rilevare e quantificare le differenze tra la percezione della scena umana e quella della rete neurale.
Il sistema si rivolge a scenari in cui la visione artificiale ha difficoltà, inclusi confini di campo oscurati, ombre, neve, pioggia e indicatori visivi distorti.
Un analizzatore di divergenza identifica automaticamente le caratteristiche della scena che gli esseri umani utilizzano intuitivamente per determinare la traiettoria del veicolo.
I frame di dati di training incoerenti vengono isolati per un'ulteriore revisione, mentre i frame coerenti rimangono nel set di dati di training.
La tecnologia è stata integrata nei sistemi di pilota automatico installati sui trattori autonomi dalla tarda primavera del 2025.
Detto dell'azienda
"Anche con un'elevata precisione di rilevamento, la rete potrebbe interpretare erroneamente il contesto", ha affermato Gennady Savitsky, sviluppatore capo di Cognitive Pilot. Ha aggiunto che senza affrontare la divergenza tra la percezione umana e quella della macchina, gli errori possono accumularsi durante l’addestramento, riducendo la precisione e la sicurezza del controllo.
"Di conseguenza, aumenta la coerenza dei dati e, di conseguenza, migliora la qualità della formazione e la sicurezza dei sistemi di controllo autonomi",
Ha detto Savitskij.
Perché è importante?
Il disallineamento tra il giudizio umano e la percezione dell’intelligenza artificiale può portare a errori di navigazione e falsi positivi nei macchinari autonomi.
Migliorare la coerenza dei dati durante la formazione è fondamentale per un funzionamento sicuro in ambienti agricoli complessi.
Una maggiore precisione di controllo è essenziale per l'agricoltura di precisione e per la più ampia adozione di trattori completamente autonomi e senza operatore-.
La tecnologia potrebbe contribuire a stabilire nuovi parametri di riferimento per la sicurezza nei sistemi di trasporto agricoli e in altri sistemi di trasporto autonomi.
