Cognitive Pilot har introdusert en ny nevrale nettverkstreningsteknologi designet for å møte en langvarig utfordring innen jordbruksautonomi: misforholdet mellom hvordan mennesker og kunstig intelligens oppfatter den samme kjørescenen. Selskapet opplyser at utviklingen kan øke nøyaktigheten og sikkerheten til autopilotsystemer som brukes i ubemannede gårdsmaskiner betydelig.
Teknologien, kjent som Cognitive Divergence Correction, fokuserer på å identifisere og måle avvik mellom menneskelig dømmekraft og tolkning av nevrale nettverk i vanskelige driftsmiljøer, som gjørmete felt, ujevnt terreng eller variabel belysning.
Hva skjedde?
Cognitive Pilot utviklet Cognitive Divergence Correction for å oppdage og kvantifisere forskjeller mellom menneskelig og nevrale nettverkssceneoppfatning.
Systemet retter seg mot scenarier der datasyn sliter, inkludert skjulte feltgrenser, skygger, snø, regn og forvrengte visuelle markører.
En divergensanalysator identifiserer automatisk scenefunksjoner mennesker intuitivt bruker for å bestemme kjøretøyets bane.
Inkonsekvente treningsdatarammer er isolert for videre gjennomgang, mens konsistente rammer forblir i treningsdatasettet.
Teknologien har vært integrert i autopilotsystemer installert på autonome traktorer siden våren 2025.
Selskapet sier
"Selv med høy deteksjonsnøyaktighet, kan nettverket mistolke konteksten," sa Gennady Savitsky, hovedutvikler ved Cognitive Pilot. Han la til at uten å adressere divergens mellom menneskelig og maskinell oppfatning, kan feil akkumuleres under trening, noe som reduserer kontrollnøyaktighet og sikkerhet.
"Som et resultat øker datakonsistensen, og følgelig forbedres kvaliteten på opplæringen og sikkerheten til autonome kontrollsystemer,"
sa Savitsky.
Hvorfor er dette viktig?
Feiljustering mellom menneskelig dømmekraft og AI-oppfatning kan føre til navigasjonsfeil og falske positiver i autonome maskiner.
Å forbedre datakonsistensen under trening er avgjørende for sikker drift i komplekse landbruksmiljøer.
Høyere kontrollnøyaktighet er avgjørende for presisjonslandbruk og bredere bruk av helt autonome, operatør-frie traktorer.
Teknologien kan bidra til å sette nye standarder for sikkerhet i landbruket og andre autonome transportsystemer.
