Realistisk simulering av fordon för säkrare, robustare och billigare utveckling av automatiserade fordon

Viktiga resultat som projektet gav

Syftet med detta projekt är att utveckla kunskap verktyg och processer som leder till bättre generering av syntetisk träningsdata för självkörande bilar. Till detta hör mätbara mål bland annat att undersöka om vi kan ta bort 90% av den annoterade datan och behålla samma prestanda. Under projektets gång har ett iterativt tillvägagångssätt använts för att att uppnå dem mätbara målen. I slutet av projektet har tidigare nämnda mål uppnåtts i fler och fler enskilda klasser efter varje iteration, vilket tyder på lovande möjligheter för tekniken.

Långsiktiga effekter som förväntas

I projektet är alla praktiska delmål uppfyllda vilket resulterat i mjukvara, kunskap och metoder som alla leder till generering av användbar syntetisk data. Nämnda kunskap, mjukvara och metoder kommer vidareutvecklas med kommersialisering som mål. Utöver framtida kommersialisering så kommer även resultat användas i ett annat Vinnova FFI projekt som redan är påbörjat.

Upplägg och genomförande

Första halvan av projektet handlar om att lägga grunden för dem verktyg med mera som behövs för att utföra experiment. Andra halvan av projektet har fokuserat på en iterativ process där fokus har legat på att förbättra, utvärdera och lära sig från den pipeline som utvecklats. Sista kvartalet av projektet gick nästan uteslutande till sluttester för att kunna besvara forskningsfrågor.