Juruterbang Kognitif telah memperkenalkan teknologi latihan rangkaian saraf baharu yang direka untuk menangani cabaran lama dalam autonomi pertanian: ketidakpadanan antara cara manusia dan kecerdasan buatan melihat adegan pemanduan yang sama. Syarikat itu menyatakan bahawa pembangunan itu boleh meningkatkan ketepatan dan keselamatan sistem autopilot dengan ketara yang digunakan dalam jentera ladang tanpa pemandu.
Teknologi ini, yang dikenali sebagai Pembetulan Cognitive Divergence, memfokuskan pada mengenal pasti dan mengukur percanggahan antara pertimbangan manusia dan tafsiran rangkaian saraf dalam persekitaran operasi yang sukar, seperti medan berlumpur, rupa bumi tidak rata atau pencahayaan berubah-ubah.
Apa yang berlaku?
Cognitive Pilot membangunkan Cognitive Divergence Correction untuk mengesan dan mengukur perbezaan antara persepsi pemandangan rangkaian manusia dan saraf.
Sistem ini menyasarkan senario di mana penglihatan komputer bergelut, termasuk sempadan medan yang dikaburkan, bayang-bayang, salji, hujan dan penanda visual yang herot.
Penganalisis perbezaan secara automatik mengenal pasti ciri pemandangan yang digunakan oleh manusia secara intuitif untuk menentukan trajektori kenderaan.
Bingkai data latihan yang tidak konsisten diasingkan untuk semakan lanjut, manakala bingkai yang konsisten kekal dalam set data latihan.
Teknologi ini telah disepadukan ke dalam sistem autopilot yang dipasang pada traktor autonomi sejak lewat musim bunga 2025.
Kata syarikat
"Walaupun dengan ketepatan pengesanan yang tinggi, rangkaian mungkin salah tafsir konteks," kata Gennady Savitsky, pemaju utama di Cognitive Pilot. Beliau menambah bahawa tanpa menangani perbezaan antara persepsi manusia dan mesin, kesilapan boleh terkumpul semasa latihan, mengurangkan ketepatan kawalan dan keselamatan.
"Hasilnya, ketekalan data meningkat, dan akibatnya, kualiti latihan dan keselamatan sistem kawalan autonomi dipertingkatkan,"
Savitsky berkata.
Mengapa ini penting?
Salah jajaran antara pertimbangan manusia dan persepsi AI boleh membawa kepada ralat navigasi dan positif palsu dalam jentera autonomi.
Meningkatkan ketekalan data semasa latihan adalah penting untuk operasi yang selamat dalam persekitaran pertanian yang kompleks.
Ketepatan kawalan yang lebih tinggi adalah penting untuk pertanian ketepatan dan penggunaan traktor bebas pengendali-yang lebih luas sepenuhnya.
Teknologi ini boleh membantu menetapkan tanda aras baharu untuk keselamatan dalam pertanian dan sistem pengangkutan autonomi lain.
