Im Entwicklungszentrum für Künstliche Intelligenz in Budapest, Ungarn, entwickeln wir die nächste Generation von Automobilsoftwarelösungen, um automatisiertes Fahren sicher zu machen. Unsere Teams entwickeln KI-Technologien für Fahrerassistenz- und automatisierte Fahrsysteme, die Computer Vision, Sensorfusion und Umweltmodellierung umfassen. Das Ziel: Tödliche Verkehrsunfälle im Rahmen von AUMOVIO's Vision Zero zu eliminieren.
Entwicklung konkreter KI-Lösungen in der ungarischen Hauptstadt
AUMOVIO AI Development Center Budapest
Über uns
Unsere Tätigkeiten
In unserem KI-Entwicklungszentrum in Budapest ist es unsere Mission, modernste Deep-Learning-Technologie in unsere Produkte auf Basis von Kamera-, LiDAR- und Radarwahrnehmung zu integrieren.
Fahrerassistenz und automatisiertes Fahren
Wir begannen unsere Reise mit der Bereitstellung von Front-Vision-KI-Lösungen für die MFC-Kamerafamilie der 5. Generation und haben seitdem die Komplexität schrittweise erhöht. Derzeit werden unsere neuronalen Netze auf Front-View-MFC- und Surround-View-SVC-Kameras sowie auf LiDAR- und Radarsensoren trainiert. Die Bereitstellung dieser Lösungen erfordert den Einsatz modernster Deep-Learning-Algorithmen mit sich ständig weiterentwickelnden neuronalen Architekturen. Durch unsere Partnerschaft mit Aurora erweitern wir unser Leistungsspektrum von fortschrittlichen Fahrerassistenzsystemen bis hin zu hochautonomem und vollautomatisiertem Fahren.
Lösungen für automatisiertes Parken
In unseren automatisierten Parklösungen nutzen wir Kameravisionen, KI-gestützte Wahrnehmung und Szenenverständnis. Wir entwickeln intelligente Algorithmen, um Parkobjekte und -szenarien nahtlos zu erkennen. Mit einem "Safety First"-Ansatz stellen unsere Kollisionsvermeidungssysteme bei niedriger Geschwindigkeit höchste Sicherheit für alle sicher. Unsere robuste Datenverwaltungsinfrastruktur, einschließlich Datenbeschriftung, Engineering, Anreicherung und multimodaler LLM-basierter Beschreibungsgenerierung, liefert hochwertige Daten für das Modelltraining.
Synthetische Datengenerierung
Wir sind aktiv in der Forschung und Erprobung im Bereich Datenwissenschaft beteiligt und erforschen neuartige Techniken für die Erzeugung von synthetischen Daten. Dieser Ansatz erweitert nicht nur die verfügbaren Daten, sondern ermöglicht auch die Erstellung verschiedener und realistischer Szenarien, die die Robustheit und Anpassungsfähigkeit unserer KI-Lösungen weiter verbessern.
Hoch skalierbare Hardware
Um die wachsende algorithmische Komplexität zu meistern, haben wir uns mit Ambarella zusammengetan, um hoch skalierbare Hardware für die Implementierung unserer Lösungen zu erreichen. Gemeinsam entwickeln wir Wahrnehmungslösungen für fortschrittliche Fahrerassistenzsysteme und hochautomatisiertes Fahren, um eine bis zu fünfmal höhere Energieeffizienz zu erreichen.
Publikationen
Vergangene Publikationen
Die nachfolgenden Publikationen wurden zu einem Zeitpunkt veröffentlicht, als AUMOVIO noch unter dem früheren Unternehmensnamen Continental Automotive firmierte. Aus diesem Grund ist in den Publikationen weiterhin die frühere Unternehmensbezeichnung enthalten. Bitte beachten Sie, dass wir auf die in bereits veröffentlichten Publikationen verwendete Unternehmensbezeichnung keinen Einfluss haben.
- Utasi, Á. (2022): “PEA: Improving the Performance of ReLU Networks for Free by Using Progressive Ensemble Activations”, in: Efficient Deep Learning for Computer Vision (ECV) CVPR Workshop.
- T. Lorincz, M. Szemenyei, and R. Moni. Imitation Learning for Generalizable Self- Driving Policy with Sim-to-Real Transfer. ICLR 2022 Workshop on Generalizable Policy Learning in Physical World, Poster.
- S. Skribanek, M. Szemenyei and R. Moni. Semantically consistent sim-to-real image translation with neural networks. 2022 IEEE Intelligent Vehicles Symposium (IV 2022)
- Andras Kalapos, Csaba Ger, Robert Moni, and Istvan Harmati. Vision based reinforcement learning for lane tracking control. Acta International Measurement Confederation (IMEKO), 10(3):4-7, 2021.
- P. Almasi, R. Moni, and B. Gyires-Toth. Robust reinforcement learning-based autonomous driving agent for simulation and real world. In 2020 International Joint Conference on Neural Networks (IJCNN), pages 1-8, 2020.
- A. Kalapos, C. Cor, R. Moni, and I. Harmati. Sim-to-real reinforcement learning applied to end-to-end vehicle control. In 2020 23rd International Symposium on Measurement and Control in Robotics (ISMCR), pages 1-6, 2020.
- M. Tim, M. Szemenyei, and R. Moni. Simulation to real domain adaptation for lane segmentation. In 2020 23rd International Symposium on Measurement and Control in Robotics (ISMCR), pages 1-6, 2020.)
Unsere KI-Experten
Mit Leidenschaft entwickeln unsere KI-Experten im Entwicklungszentrum für KI in Budapest täglich neue KI-Technologien für Fahrerassistenz- und automatisierte Fahrsysteme.
Für Einblicke in die innovative Arbeit unserer Experten, besuchen Sie bitte unsere Expertenübersicht!