Anotasi Sensor dan Video untuk Program ADAS Otomotif
Sebuah perusahaan teknologi otomotif yang mengembangkan sistem bantuan pengemudi canggih membutuhkan anotasi bervolume tinggi dari video adegan jalan dan data sensor untuk melatih model persepsi agar dapat mengidentifikasi kendaraan, pejalan kaki, dan fitur jalan dengan benar.
Client snapshot
| Industry | Teknologi otomotif dan ADAS |
|---|---|
| Region | Multinegara, dicocokkan dengan persyaratan keragaman kondisi jalan klien |
| Engagement type | Anotasi video adegan jalan dan sensor |
The challenge
Klien membutuhkan volume anotasi jauh melampaui kapasitas tim internalnya, di berbagai kondisi jalan, cuaca, dan pencahayaan, dengan persyaratan akurasi yang cukup tinggi untuk mendukung sistem persepsi yang relevan dengan keselamatan.
The approach
Jwuma menugaskan anotator terlatih untuk melabeli kendaraan, pejalan kaki, marka jalur, dan fitur jalan di seluruh dataset adegan jalan klien, mengikuti spesifikasi anotasi yang terperinci, dengan tangga peninjauan multi-tingkat diterapkan mengingat sifat kasus penggunaan yang relevan dengan keselamatan dan kalibrasi tugas emas untuk menangkap pergeseran pelabelan.
Results
Klien menskalakan throughput anotasinya jauh melampaui kapasitas internal sambil mempertahankan ambang akurasi yang dibutuhkan untuk proses validasi keselamatan model persepsinya.
Frequently asked questions
Mengapa anotasi ADAS memerlukan standar kualitas yang lebih tinggi daripada pelabelan gambar umum?
Karena kesalahan pelabelan dapat secara langsung memengaruhi sistem persepsi yang relevan dengan keselamatan, yang memerlukan peninjauan dan kalibrasi yang lebih ketat daripada pekerjaan anotasi tujuan umum.
Kondisi jalan apa yang harus dicakup data pelatihan ADAS?
Berbagai kondisi cuaca, pencahayaan, jenis jalan, dan kepadatan lalu lintas, karena model yang dilatih pada kondisi sempit kurang baik dalam generalisasi ke kondisi lainnya.
Bagaimana akurasi pelabelan diverifikasi dalam skala ini?
Melalui eskalasi peninjauan multi-tingkat dan tugas emas jawaban-diketahui yang ditanamkan ke dalam antrean anotasi untuk menangkap pergeseran sebelum mencapai dataset yang dikirimkan.
Related case studies
Data Verifikasi Wajah dan Identitas untuk Platform Mobilitas Global
Sebuah platform mobilitas dan ride-hailing global membutuhkan data wajah dan identitas yang terverifikasi di berbagai wilayah untuk memperkuat sistem verifikasi keamanan pengemudi dan penumpang, di bawah persyaratan persetujuan dan penanganan biometrik yang ketat.
Pengumpulan Data Video Egosentris untuk Program AI Robotika
Sebuah perusahaan AI robotika membutuhkan video sudut pandang orang pertama dari manusia yang melakukan tugas fisik sehari-hari, diambil secara konsisten di berbagai lingkungan dan bentuk tubuh, untuk melatih model AI berwujud agar dapat digeneralisasi di luar satu pengaturan laboratorium.
Evaluasi RLHF untuk Model AI Percakapan
Sebuah perusahaan AI percakapan membutuhkan jalur pipa evaluasi manusia yang terstruktur dan dapat berskala untuk menilai kualitas respons chatbot bagi proses penyesuaian RLHF-nya, setelah kumpulan penilai ad hoc yang ada menghasilkan penilaian yang tidak konsisten.
Published 2026-10-02 by Jwuma, operated by Corpshore AI. This case study is an anonymized composite representative of the kind of work Jwuma performs in this industry, described by industry, region and engagement type rather than by company name, since this engagement is not yet cleared for public naming. Discuss a similar program at client.corpshore.ai.