Annotell sammelt 24 Millionen US-Dollar für die Entwicklung von Datenkennzeichnungstools für autonome Fahrsysteme

Das Interesse an selbstfahrenden Fahrzeugtechnologien hat während der Pandemie zugenommen, insbesondere da die Zunahme von Infektionen Lieferungen und Taxifahrten riskanter macht. Märkte und Märkte optimistisch prognostiziert dass der Absatz autonomer Autos bis 62.4 2030 Millionen Einheiten erreichen wird, was einer durchschnittlichen jährlichen Wachstumsrate von 13.3 % entspricht. Inzwischen, Statista erwartet dass der weltweite Markt für selbstfahrende Autos bis 400 etwa 2025 Milliarden US-Dollar wert sein wird – vorausgesetzt, die aktuellen Trends halten an.

Aber selbstfahrende Fahrzeuge bleiben ein riskantes Unterfangen. Da Unternehmen für selbstfahrende Autos wie Waymo und Cruise die Erprobung ihrer Technologien beschleunigen, Unfälle nehmen zu, zu. Es überrascht nicht, dass das Vertrauen der Verbraucher gering ist: Nur 17 % der Erwachsenen in den USA gaben in einer Umfrage von Morning Consult an, dass sie glauben, autonome Autos seien genauso sicher wie von Menschen gefahrene Autos.

Ein relativ neues Startup, Annotell, behauptet, eine Lösung auf einer Plattform anzubieten, die angeblich „die sichere Wahrnehmung selbstfahrender Autos ermöglicht“. Durch die Kombination von Software mit Fachwissen zur Verkürzung der Produktionszeit selbstfahrender Autos hat das Unternehmen – das nach eigenen Angaben Verträge mit „führenden OEMs und selbstfahrenden Unternehmen“ abgeschlossen hat – 24 Millionen US-Dollar an Risikokapital eingesammelt, um seine Initiativen voranzutreiben.

Selbstfahrende Wahrnehmung

Annotell mit Sitz in Göteborg, Schweden, wurde 2018 von Daniel Langkilde und Oscar Petersson gegründet. Langkilde war zuvor Wirtschaftsanalyst beim Bostoner Beratungsunternehmen Arthur D. Little. Langkilde, von Beruf Datenwissenschaftler, verbrachte mehrere Jahre beim Cybersicherheitsunternehmen Recorded Future und leitete dort Datenerfassungs- und Analyseprojekte.

„Die Motivation [hinter Annotell] bestand darin, den Einsatz von maschinellem Lernen für sicherheitskritische Anwendungen einfacher zu machen“, sagte Langkilde per E-Mail gegenüber VentureBeat. „Annotell soll Fragen beantworten wie: ‚Wie können wir sicherstellen, dass das von uns trainierte Modell gut genug ist, um sicher zu sein?‘ [und] ‚Wie wahrscheinlich ist es, dass mein Auto einen Fußgänger aus 100 Metern Entfernung sehen kann, wenn es regnet?‘ '“

Annotell bietet eine Reihe von Software zur Unterstützung bei der Entwicklung selbstfahrender Fahrzeuge, einschließlich Wahrnehmungsanalysetools, die bestimmte Leistungsindikatoren verfolgen, um die Qualität von Datensätzen zu messen. Die Plattform kann Fahrzeugsensoren mit Ground-Truth-Daten verbinden, um Sicherheitsanforderungen zu validieren, sodass Kunden ihre Daten in der Cloud anzeigen, sortieren und verwalten können.

Selbstfahrende Systeme stützen sich bei ihrer Entwicklung auf Daten, die markiert wurden, um in Bildern oder Videos auf Objekte von Interesse (z. B. Straßenlaternen) hinzuweisen, die dem System bei der Erkennung der Objekte helfen. Es handelt sich um einen fehleranfälligen Prozess – Fehler können sowohl während der Datenerfassungs- als auch der Annotationsphase auftreten. Ein System, das nur für tropische Umgebungen entwickelt wurde, wird bei Schneeeinwirkung eine schlechte Leistung erbringen. Dies gilt auch für ein System, dem Daten mit unspezifischen oder falschen Bezeichnungen zugeführt werden.

„Unsere Kunden verfügen in der Regel über Petabytes an Daten, und das Training von Modellen für maschinelles Lernen macht einen großen Teil unseres technischen Aufwands aus“, erklärte Langkilde. „Für uns besteht die größte Herausforderung darin, die Gewissheit einzuschätzen, dass unsere Grundwahrheit korrekt ist. Die meisten Menschen gehen fälschlicherweise davon aus, dass die Grundwahrheit „die Wahrheit“ ist. In der Praxis gibt es immer ein gewisses Maß an Sicherheit, das Sie einschätzen müssen. Wir nutzen eine Kombination aus ausgefeilten statistischen Modellen, Stichprobenverfahren und der Zusammenarbeit zwischen Mensch und Maschine, um festzustellen, wie zuverlässig ein Datensatz ist.“

Sicherheitsfragen

Langkilde ist persönlich davon überzeugt, dass Sicherheit das wichtigste Hindernis bei der Kommerzialisierung autonomer Fahrzeuge ist. Wenn autonome Fahrzeuge verursachen mehr tödliche Unfälle, sagt er, wird es nicht nur eine Tragödie sein – es besteht auch die Gefahr, dass das Vertrauen der Menschen in die Technologie sinkt.

„Autos unterscheiden sich stark von beispielsweise Werbung auf einer Website. Fehler haben reale Konsequenzen und wir glauben, dass die Software-Community eng mit der Fahrzeugsicherheits-Community zusammenarbeiten muss, um den richtigen Weg nach vorne zu finden“, sagte Langkilde gegenüber VentureBeat.

Aber auch wenn Annotells Lösung so umfassend ist, wie Langkilde behauptet, selbstfahrende Autos – und fortschrittliche Fahrerassistenzsysteme wie die von Tesla Autopilot – Hürden überwinden. Eine ernüchternde Studie der American Automobile Association aus dem Jahr 2020 ergab, dass die meisten halbautonomen Systeme auf dem Markt, darunter auch die von Kia und BMW, durchschnittlich alle acht Meilen Probleme hatten. Das von Waymo von Alphabet entwickelte „völlig autonome“ System ist bis heute eines der am besten finanzierten selbstfahrenden Projekte Schwierigkeiten um bestimmte Linkskurven zu bewältigen.

„Der Begriff ‚selbstfahrend‘ hat seine ursprünglich beabsichtigte Bedeutung verloren, weil die Fahrassistenzfunktion der Autos, die als ‚vollständig selbstfahrend‘ gekennzeichnet sind, nicht ohne ständige menschliche Aufsicht manövrieren kann“, sagt Steven E. Shladover, Forschungsingenieur an der UC Berkeley, spezialisiert auf Fahrzeugautomatisierung, schrieb in einem Meinung Artikel im Scientific American. „Bei dem Tempo, das [wir] derzeit verfolgen, wird es Jahrzehnte dauern, bis sich alles soweit ausdehnt, dass es auch nur annähernd landesweit eingesetzt wird.“

Andere Studien haben in Frage gestellt, ob autonome Fahrzeuge jemals der „Game Changer“ für die Sicherheit sein werden, den manche prognostizieren – insbesondere, wenn dies der Fall ist fahre zu sehr wie Menschen. Langkilde (der in der Debatte nicht ganz neutral ist, um das Offensichtliche auszudrücken) sagt, es handele sich um ein Werkzeugproblem. Es ist seine Behauptung, dass die derzeit auf dem Markt befindlichen Plattformen zur Annotation von Datensätzen gefallen Datenschleife, Tasq.ai, Etikettenbox und Qualitätsübereinstimmung sind nicht auf die Herausforderungen des autonomen Fahrens zugeschnitten.

„Wir waren immer davon überzeugt, dass die Entwicklung sicherer autonomer Fahrzeuge äußerst anspruchsvoll sein würde. „Wir gingen vom ersten Tag an davon aus, dass unsere Kunden Spezialwerkzeuge benötigen würden, die über das hinausgehen, was ein einzelnes Unternehmen intern entwickeln kann“, sagte er. „Ich denke, wie in allen Branchen müssen sich die Unternehmen für autonome Fahrzeuge darüber im Klaren sein, was ihr Kerngeschäft ist und was sie von Anbietern beziehen sollten. Wir investieren alles, was wir haben, in die Entwicklung der weltweit besten Lösung zur Wahrnehmungsleistungsbewertung. Auf diese Weise können wir unseren Kunden helfen, schneller Fortschritte zu machen.“

Metaplanet und NordicNinja führten die letzte Runde bei Annotell mit 70 Mitarbeitern an und brachten insgesamt über 31 Millionen US-Dollar ein. Auch die bestehenden Investoren Ernström & Co und Sessan AB beteiligten sich.

Quelle: https://venturebeat.com/2022/02/03/annotell-raises-24m-to-develop-data-labeling-tools-for-autonomous-driving-systems/