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:
19.11.2024

Benefits: Home-Office wie der Obstkorb kein USP mehr

Eine GrECo-Studie zeigt zentrale Trends bei Benefits in der Arbeitswelt auf. Dabei wird ersichtlich, dass die Erwartungshaltung bei Jobs gestiegen ist und manches nun als selbstverständlich gilt.
/artikel/benefits-home-office-wie-der-obstkorb-kein-usp-mehr
19.11.2024

Benefits: Home-Office wie der Obstkorb kein USP mehr

Eine GrECo-Studie zeigt zentrale Trends bei Benefits in der Arbeitswelt auf. Dabei wird ersichtlich, dass die Erwartungshaltung bei Jobs gestiegen ist und manches nun als selbstverständlich gilt.
/artikel/benefits-home-office-wie-der-obstkorb-kein-usp-mehr
Benefits, Home-Office
(c) GrECo - Joachim Schuller, Competence Center Manager Health and Benefits GrECo.

Es herrscht eine Zeit im Arbeitswesen, in der sich sehr viele Personen mit der Zukunft und davon ausgehend mit Benefits von Unternehmen beschäftigen. Dabei steht vor allem die betriebliche Vorsorge hoch im Kurs. Neun von zehn Befragte finden eine Pensionsvorsorge (91 Prozent), eine private Krankenversicherung (90 Prozent) oder steuerfreie Zukunftsleistungen wie lohnsteuerfreie betriebliche Vorsorge (89 Prozent) bei der Jobsuche besonders attraktiv. Das zeigt die aktuelle “Health & Benefits Studie” des Versicherungsunternehmens GrECo, die sowohl die Arbeitnehmer:innen- als auch die Arbeitgeberseite befragt hat.

Benefits: Anforderungen an Jobs steigen

Die unternehmenseigene Befragung unter österreichischen Unternehmen wurde im Juli und August 2024 durchgeführt, um die Sichtweisen und Strategien der Arbeitgeber zu beleuchten. Diese Umfrage richtete sich an heimische Entscheidungsträger:innen aus den Bereichen “Human Resources” und “Benefits-Management”. Insgesamt nahmen 274 Unternehmensrepräsentant:innen an der Befragung teil. Dabei lag der Fokus auf den geplanten Benefits-Maßnahmen der nächsten zwei Jahre.

“Die Anforderungen an den Job steigen weiter. Viele Arbeitnehmer:innen wünschen sich, dass ihr Arbeitgeber sie bei den alltäglichen Herausforderungen unterstützt. Auch eine zusätzliche Pensions- und Krankenvorsorge, die deutlich über die staatliche Grundversorgung hinausgeht, wird zunehmend geschätzt. Lösungen, die Mitarbeiter:innen auch in Zukunft gut absichern, stehen insgesamt an oberster Stelle der Wunschliste”, erklärt Joachim Schuller, Competence Center Manager Health and Benefits bei GrECo.

Für Unternehmen gilt es, sich bewusst zu machen, dass Benefits, die zeitgemäß und besonders relevant für die Lebensqualität der Mitarbeitenden sind, den besten Pull-Faktor darstellen und einen direkten Einfluss auf die Loyalität haben.

Langfristig vs. kurzfristig

Vor allem langfristige Benefits wie Vorsorgelösungen hätten laut der Umfrage für acht von zehn Befragten (83 Prozent) eine höhere Priorität als kurzfristige Vorteile wie Fitnessangebote. Ein Unterschied zeigt sich jedoch bei der Gen Z, deren Fokus auf anderen Herausforderungen wie beispielsweise mentaler Gesundheit und der Vereinbarkeit von Familie und Karriere gerichtet ist.

“Das liegt nicht daran, dass die Gen Z Pensionsvorsorge oder Krankenversicherung nicht schätzt. Untersuchungen zeigen, dass die Gen Z anfälliger für Burnout und Stress ist. Der Mental Health-Aspekt wird somit immer wichtiger, um Fluktuation und geringer Produktivität entgegenzuwirken“, erklärt Schuller. “Es geht hier um ein abgestimmtes Paket, das sowohl Prävention als auch die entsprechende Absicherung im Bedarfsfall sicherstellen kann.”

Bemerkenswert ist, dass trotz aller Bemühungen aktuell 67 Prozent der Unternehmen die Vorteile betrieblicher Vorsorgeleistungen noch nicht ausschöpfen. Dabei bieten steuerfreie Zukunftssicherungen, Berufsunfähigkeitsversicherung und Pensionszusagen gerade die finanzielle Sicherheit, die sich die Mitarbeiter:innen wünschen würden, so die Studie.

Der Jahresbericht der Pensionsversicherung Österreich zeigt, dass ein Viertel der österreichischen Arbeitnehmer:innen (25 Prozent) noch vor dem Ruhestand berufsunfähig sind und nur vier Prozent der Erwerbstätigen in Österreich eine private Berufsunfähigkeitsversicherung abgeschlossen haben.

“Diese Lücke wird aber nach wie vor auch in der Praxis von nur rund 17 Prozent der Unternehmen abgedeckt. Auch eine “Pensionszusage” bieten nur 27 Prozent an und das, obwohl sie angesichts der steigenden Lebenserwartung ein wichtiges Angebot wäre, um die Erhaltung des Lebensstandards im Alter sicherzustellen”, liest man im Bericht.

Benefits kein Obstkorb

Im Kampf um die besten Talente steigt der Druck auf die Arbeitgeber, über das Gehalt hinaus ansprechende Sozialleistungen anzubieten. Über ein Drittel (35 Prozent) der heimischen Arbeitnehmer:innen ist sogar bereit, auf zehn Prozent des Gehalts zu verzichten, wenn sie dafür wichtige Benefits erhalten – in der Gen Z ist es sogar jede:r Zweite (46 Prozent).

Benefits wie Home-Office oder flexible Arbeitszeiten, zählen jedoch nicht dazu. Sie werden viel mehr als selbstverständliche Voraussetzung betrachtet und sind wie der Obstkorb, den nur mehr 24 Prozent als sehr ansprechend bewerten, seit langem kein Alleinstellungsmerkmal mehr.

“Eine ‚One-size-fits-all-Lösung‘ bei Benefits ist nicht mehr zeitgemäß. Unternehmen, die die Bedürfnisse ihrer Mitarbeiter:innen erkennen und entsprechend handeln, sind für die Herausforderungen der modernen Arbeitswelt besser gerüstet und langfristig erfolgreicher”, so Schuller weiter.

Kommunikation mangelhaft

Aufholbedarf gibt es auch in der Kommunikation: Nur 56 Prozent der Mitarbeiter:innen kennen auch alle angebotenen Benefits. Auf Seite der Arbeitgeber gilt es dringend, eine zugängliche Übersicht der angebotenen Benefits zu schaffen und diese laufend zu kommunizieren. Etwa ein Drittel (32 Prozent) der befragten Unternehmen gibt zudem an, keine genaue Kenntnis darüber zu haben, wie viel Prozent der Lohnsumme für Benefits aufgewendet werden.

“Das zeigt deutlich, dass Unternehmen ihre Kommunikationsstrategie für bestehende Mitarbeiter:innen dringend verbessern müssen, denn 88 Prozent wünschen sich einen Arbeitgeber, der sich um sie kümmert”, fasst Schuller abschließend zusammen. “Nur wer langfristige Absicherung und moderne Arbeitsmodelle kombiniert, wird im Wettbewerb um die besten Talente bestehen können – erst recht in Zeiten des Fachkräftemangels.”

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.