Fordon

Apples innovation är ett stort teknikkliv för autonoma bilar

Apples vd Tim Cook Foto: Brian Powers / The Des Moines Register via AP / TT

Forskarna på Apple har utvecklat en ny mjukvara som kan revolutionera autonoma fordon. ”VoxelNet” låter bilens lidar identifiera små tredimensionella föremål som gångtrafikanter och cyklister. Det innebär att deras system inte längre behöver kompletteras med kameror och radar.

Publicerad

Apples vd Tim Cook har benämnt arbetet kring självkörande bilar som ”alla AI-projekts moder”. I april skickade företaget in sin plan för testkörning av autonoma bilar till myndigheten i Kalifornien – men redan i augusti stod det klart att man har övergett tanken på att utveckla ett eget fordon.

Teknikjätten har varit väldigt restriktiv med information kring sin självkörande teknologi, men nu avslöjar man otippat ett viktigt framsteg. Vissa frågar sig varför företaget tillät Yin Zhou och Oncel Tuzel att publicera sina resultat i Cornells arXiv open directory of scientific research. Kanske är Apple nu beredda släppa in ett bredare forskarkollektiv för att driva forskningen framåt.

I avhandlingen beskriver forskarna vad de kallar VoxelNet. Deras nya mjukvara möjliggör maskininlärning som låter lidarsystemets punktmoln identifiera cyklar och gångtrafikanter – detta utan input från andra sensorer.

Läs mer:

Forskarna säger att de har fått fram ”mycket uppmuntrande resultat”. Deras lösning slog bland annat andra tekniklösningar som också arbetar uteslutande med lidar. Det ska dock sägas att försöken rörde sig om datasimuleringar

Lidar bygger en tredimensionell bild av omgivningen och kan ange föremåls form och storlek genom att mäta det reflekterade ljuset från laserpunkterna. Tekniken ger ett djupseende, men är inte nog raffinerad för att upptäcka mindre objekt på långt avstånd – exempelvis gående och cyklister.

I dagens själkörande system kombinerar tillverkarna därför lidar med kameror, radar och andra sensorer. Men med VoxelNet behövs de inte längre – mjukvaran låter lidar skapa en komplett bild av omgivningen utan övrig input.