Tweestapsstrategie verbetert betrouwbaarheid van AI-perceptie
Onderzoekers introduceren een methode om fouten in op machine learning gebaseerde perceptie voor autonome systemen te corrigeren. De aanpak combineert offline onzekerheidsanalyse met realtime risicobeheer.
Autonome systemen leunen sterk op machine learning voor hun waarneming van de omgeving, maar het is vaak lastig om de grenzen en foutenmarges van deze software vooraf goed in te schatten. Onjuiste schattingen kunnen immers leiden tot onveilige situaties of onnodig ingrijpende correcties door het systeem.
De voorgestelde oplossing bestaat uit een vaste berekening vooraf om onzekerheden te karakteriseren, gecombineerd met een risicoafweging tijdens het gebruik. Dergelijke methoden zijn belangrijk voor de veiligheid van zelfrijdende voertuigen en andere zelfstandig opererende technologieën die in complexe fysieke omgevingen moeten functioneren.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel