20.03.2020

Autonomous vehicles: AVL optimizes object recognition in AI

The future of driving is autonomous… But until vehicles reach human-level driving capabilities, AI still has to learn a few things. The Graz-based company AVL is tackling some of these challenges together with the Silicon Valley based technology provider Deepen.AI.
/artikel/deepen-ai-avl
AVL trainiert die AI mit Deepen AI
(c) Adobe Stock / Monopoly919
sponsored

Simply leaning back instead of having to pay attention to traffic: That is the vision of autonomous driving. This is intended not only to make traveling more pleasant for the passengers, but also to make it safer than having one person at the steering wheel, when distractions and human errors are the leading cause of fatalities. Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.

+++How software helps to reduce human driving errors+++

This process takes place in several stages. In the first phase, the object detection must determine where an object is located at all. In the second step, a detected object is then classified: It is determined whether it is, for example, a vehicle, an adult, a child or an animal – because a child behaves differently from an adult, for example. Finally, the system must carry out the so-called “tracking”. This involves analyzing where the object was in the past and where it is now – in order to draw conclusions about where the object will probably be next.

Separating the data wheat from the data chaff

Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car. These sensors produce countless amounts of data – and it is precisely this data that must be correctly classified so that the AI can identify which part of it is relevant to safety and which is not.

This is where the Silicon-Valley company Deepen.AI comes into play. Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz. First results of this cooperation were presented at the CES 2020 in Las Vegas.

PoC with AVL for the future of autonomous driving

Deepen.AI, founded by three former Google employees, is about the aforementioned challenge of providing ADSs a correct understanding of the world surrounding them. To achieve this, AI needs some human help in order to be effectively trained to make correct inferences. That’s why, in addition to its 17 full-time employees, Deepen.AI works with around 250 people in India who clean up the data collected by the sensors and teach AI to recognize things: For example, they mark when the AI has overlooked a side mirror on a car or misclassified objects. “These data analysts clear up doubts that the AI has about some objects,” explains Mohammad Musa, Co-Founder and CEO of Deepen.AI: “They help with classification and calibration.”

This very deep focus on data integrity is also the context of the PoC developed jointly with AVL. “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL. Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

 “Safety Pool” as next step after PoC

“Together” is also the keyword behind the joint goal that the partners want to pursue after the successful PoC. One big challenge affecting the industry is that the various car manufacturers are currently pursuing different paths, each one using its own proprietary approach. “But the industry needs standards,” says Musa: “That is the basis for everyone to trust the safety of the systems.”

Therefore, “Safety Pool™, (www.safetypool.ai) a project led by Deepen and the World Economic Forum, has the goal to define quantified benchmarks and uniform descriptions of driving situations, which will then serve not only as standards for the industry, but also as a solid backbone to derive consensus-driven safety assessments and frame regulations. This will bring society one significant step closer to benefitting from the revolutionary capabilities of automated driving technologies.

Video-Talk with AVL and Deepen AI

==> Deepen AI

==> AVL Creators Expedition

Redaktionstipps
Deine ungelesenen Artikel:
07.01.2025

Eisbaden und Sauna: Wiener Unternehmen WeBorn eröffnet Studio für mentale Gesundheit

WeBorn setzt auf ein Erholungskonzept aus Eisbaden und Sauna, um die mentale und körperliche Gesundheit zu fördern. Dafür eröffnete es kürzlich sein erstes Studio in Wien.
/artikel/eisbaden-und-sauna-wiener-unternehmen-weborn-eroeffnet-studio-fuer-mentale-gesundheit
07.01.2025

Eisbaden und Sauna: Wiener Unternehmen WeBorn eröffnet Studio für mentale Gesundheit

WeBorn setzt auf ein Erholungskonzept aus Eisbaden und Sauna, um die mentale und körperliche Gesundheit zu fördern. Dafür eröffnete es kürzlich sein erstes Studio in Wien.
/artikel/eisbaden-und-sauna-wiener-unternehmen-weborn-eroeffnet-studio-fuer-mentale-gesundheit
WeBorn-Gründerinnen Katharina Fojtl (l.) und Jessica Halper (r.) (c) WeBorn

“Dieses Jahr will ich mehr auf mich selbst achten“ – wer von euch hat sich das vorgenommen? Ob Meditation, Spa-Tage, Yoga oder Eisbaden: Der globale Wellbeing-Markt wächst seit Jahren kontinuierlich. Mentale Gesundheit und eine ausgewogene Work-Life-Balance gewinnen zunehmend an Bedeutung – und das aus gutem Grund. Der Self-Care-Trend ist unübersehbar: Immer mehr Menschen nehmen ihre Gesundheit ernst und investieren bewusst in ihr Wohlbefinden.

Ein Wiener Unternehmen möchte genau hier ansetzen und zu mehr Gesundheitsbewusstsein und Entspannung in unserer Gesellschaft sorgen. WeBorn entwickelte ein Erholungskonzept, das mit Sauna und Eisbaden die körperliche und geistige Gesundheit fördern soll. Wie das konkret aussieht und welchen Mehrwert es bietet, erklärt WeBorn-Gründerin Katharina Fojtl im Gespräch mit brutkasten.

WeBorn will Resilienz stärken und mentale Gesundheit fördern

WeBorn setzt auf ein Konzept aus Hitze- und Kältetraining, das von medizinisch geschulten Guides begleitet wird. Diese Übungen sollen laut Unternehmen Resilienz stärken, Entspannung fördern und die Regeneration unterstützen. Durch die intensiven Temperaturen während der Klassen wird gezielt die mentale Gesundheit gefördert. Ergänzt wird das Programm durch Atemtechniken, Meditation und Dehnübungen.

Mit diesem Ansatz sieht sich WeBorn als erstes Studio in Wien, das sich auf die Kombination aus mentaler Fitness und körperlicher Erholung spezialisiert hat – ganz nach ihrem Motto: „Sauna. Ice Bath. Guided.” Durch die gemeinschaftliche Atmosphäre und die immersive Erfahrung soll nicht nur die persönliche Regeneration, sondern auch das soziale Wohlbefinden gestärkt werden, so das Unternehmen.

Inward- und Outward-Klassen

WeBorn bietet zwei unterschiedliche Arten von Klassen an: Inward und Outward. Die Inward-Klassen richten den Fokus nach innen und laden dazu ein, sich ganz auf das Selbst zu konzentrieren. Ziel ist es, „in sich hineinzuschauen und das Inner-Self wahrzunehmen”. Dabei stehen Meditationen, Affirmationen, Atemübungen und Body Scans im Mittelpunkt.

Die Outward-Klassen hingegen stellen das Gemeinschaftserlebnis in den Vordergrund. Hier geht es um „Socializing“ – Musik, Party, Partner- und Gruppenübungen. Aktivitäten wie Schneeball- oder Eisballwerfen in der Sauna sorgen für eine gemeinschaftliche Atmosphäre. „Egal, welche der beiden Klassen du wählst, das Ziel ist immer das dasselbe und zwar, dass du dich nachher erholt und mental gestärkt hast“, erklärt Gründerin Fojtl.

Hitze- und Kältetraining für mehr Wohlbefinden

Das Training bei WeBorn basiert nach eigenen Angaben auf wissenschaftlichen Grundlagen. Die Klassen zielen darauf ab, das Immunsystem zu stärken und das Nervensystem bewusst zu regulieren. Gleichzeitig sollen die Klassen auch helfen, mentale Stärke aufzubauen, die Atemkapazität zu verbessern und das allgemeine Wohlbefinden nachhaltig zu fördern.

WeBorn und sein Team möchten den Teilnehmenden dabei helfen, neue Energie zu tanken, innere Balance zu finden und den oft belastenden „Brainfog“ zu reduzieren. Besonders das Hitzetraining spielt eine zentrale Rolle: Es regt die Freisetzung sogenannter „Hitzeschockproteine“ an, die sowohl die körperliche als auch die mentale Regeneration unterstützen.

Laut WeBorn bietet das Konzept konkrete Vorteile für den (Arbeits-)Alltag: bessere Konzentration, gesteigerte Aufnahmefähigkeit und ein souveräner Umgang mit Stress und neuen Herausforderungen.

Auch das Kältetraining soll zahlreiche mentale und körperliche Vorteile bieten. Es wirke wie ein “Immunbooster, weil es die Entzündungen lockert und auflöst“. Zusätzlich steigert es laut Unternehmen die Dopaminausschüttung im Körper um 250 Prozent und das Noradrenalin um 530 Prozent – ein Effekt, der zu einer deutlich verbesserten Grundstimmung beitragen soll.

Leidenschaft für Sport und Gesundheit

Das Unternehmen WeBorn wurde im November 2023 von Katharina Fojtl und Jessica Halper in Wien gegründet. Die beiden Gründerinnen bringen nicht nur wirtschaftliches Know-how aus ihrem Studium mit, sondern verfügen auch über Zertifikate in Meditation und Breathwork. Ihre gemeinsame Leidenschaft für Sport und Gesundheit war der Antrieb, WeBorn ins Leben zu rufen. „In Österreich, vor allem in Wien, fehlt etwas, das die Erholung ganzheitlich fördert“, erklären sie.

Unterstützt wird das WeBorn-Team von externen Guides, die die verschiedenen Klassen leiten. Aktuell zählen sechs Guides zum Team, die auf Honorarbasis arbeiten. Zusätzlich bildet WeBorn derzeit fünf Weitere aus – in einer zweiwöchigen Ausbildung, die Themen wie Hitze- und Kältetraining, Atemübungen und Erste Hilfe umfasst.

WeBorn-Gründerin: “Es war sehr, sehr challenging”

Die Gründungsphase von WeBorn war alles andere als einfach. „Es war sehr, sehr challenging – und es ist es immer noch sehr, sehr challenging“, sagt Fojtl. In den ersten Monaten erhielte das Gründer-Duo Unterstützung vom AMS durch das Unternehmensgründungsprogramm (UGP), das ihnen ein monatliches Grundeinkommen sicherte.

WeBorn wurde zu 60–65 Prozent aus Eigenmitteln finanziert. Darüber hinaus erhielt das Unternehmen eine Förderung von der Wirtschaftsagentur Wien. „Da wurden uns zwei abgesagt mit der Begründung, dass es unrealistisch erscheint, was wir alles in der kurzen Zeit schaffen wollen“, erzählt Fojtl. Durch die Förderung „Nahversorgung Energie“ konnte WeBorn schließlich das erste Studio eröffnen.

Derzeit trägt sich das Unternehmen noch nicht allein durch die Mitgliedsbeiträge. Die Hoffnung der Gründerinnen ist, dass dies im kommenden Jahr möglich wird.

Expansion nach Deutschland geplant

Das Jungunternehmen WeBorn hat ambitionierte Pläne für die Zukunft: „Wir sind ein neues Unternehmen, das sehr auf Wachstum aus ist“, betonen die Gründerinnen. Bereits Ende 2025 soll die Expansion nach Deutschland starten. Für 2026 ist die Eröffnung einer zweiten deutschen Location geplant.

Sollte alles nach Plan verlaufen, wollen die Gründerinnen das Konzept weiter ausbauen und auf ein Franchise-Modell setzen. Besonders die nordischen Länder würden sich hierfür anbieten. Das Ziel sei es, mit lokalen Partner:innen zusammenzuarbeiten, um künftig mehrere WeBorn-Studios zu eröffnen.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Autonomous vehicles: AVL optimizes object recognition in AI

  • Clearly, in order to successfully tackle the driving task, Autonomous Driving  Systems (ADS) must be able to recognize objects, assess situations correctly, and master driving skills.
  • Self-driving cars use data from various sensors installed in the vehicle – such as cameras or LiDAR sensors, which measure the distance between the objects and the car.
  • Deepen has developed technology for better detection and segmentation of object data in road traffic in cooperation with AVL, based in Graz.
  • “It is important for AVL to have correctly annotated data at pixel and point level,” explains Thomas Schlömicher, Research Engineer ADAS at AVL.
  • Ideally, the cooperation should result in a complete “Data Intelligence Pipeline”, which will be used by AVL’s numerous B2B customers to annotate their data and thus jointly shape the future capabilities of autonomous driving.