Ny teknik förbättrar självkörande bilar vid sensorfel
Tänk dig en självkörande bil som plötsligt förlorar en av sina viktigaste sensorer. Vad händer då? Tiago Cortinhal, som har disputerat inom signaler och signalteknik med fokus på sensoråterställning vid Högskolan i Halmstad, har ägnat sin forskning åt just detta problem. Hans upptäckter kan förändra hur vi ser på autonoma fordon och deras säkerhet.
Tiago Cortinhals forskning handlar om att göra autonoma fordon mer pålitliga och säkra, även när oväntade problem uppstår.
– Min avhandling handlar om hur man återställer saknad sensordata så att bilen inte stannar, säger Tiago Cortinhal.
Detta arbete kan vara nyckeln till att göra självkörande bilar redo för verkliga trafiksituationer. Hans forskning har lett till två överraskande upptäckter. För det första har han visat att syntetiska data, genererade av AI-modeller, kan vara ovärderliga för att träna och förbättra självkörande system. För det andra har han upptäckt att semantisk segmentering, där varje pixel i en bild klassificeras för att identifiera objekt som vägar och fotgängare, kan fungera som en effektiv mellanhand i träningsprocessen för dessa komplexa nätverk.
Fynden belyser vikten av att förbereda autonoma fordon för verkliga scenarier, inklusive potentiella sensorfel. Genom att fokusera på dessa utmaningar menar Tiago Cortinhal att vi kan göra teknologin mer robust och pålitlig i vardagliga situationer.
Text och film: ANNA-FRIDA AGARDSON