Cognitive Pilot telah memperkenalkan teknologi pelatihan jaringan saraf baru yang dirancang untuk mengatasi tantangan lama dalam otonomi pertanian: ketidaksesuaian antara cara manusia dan kecerdasan buatan memandang pemandangan berkendara yang sama. Perusahaan menyatakan bahwa pengembangan tersebut dapat secara signifikan meningkatkan akurasi dan keamanan sistem autopilot yang digunakan pada mesin pertanian tak berawak.
Teknologi tersebut, yang dikenal sebagai Koreksi Divergensi Kognitif, berfokus pada mengidentifikasi dan mengukur perbedaan antara penilaian manusia dan interpretasi jaringan saraf di lingkungan pengoperasian yang sulit, seperti medan berlumpur, medan tidak rata, atau pencahayaan yang bervariasi.
Apa yang telah terjadi?
Cognitive Pilot mengembangkan Koreksi Divergensi Kognitif untuk mendeteksi dan mengukur perbedaan antara persepsi pemandangan jaringan manusia dan jaringan saraf.
Sistem ini menargetkan skenario di mana visi komputer mengalami kesulitan, termasuk batas bidang yang kabur, bayangan, salju, hujan, dan penanda visual yang terdistorsi.
Penganalisis divergensi secara otomatis mengidentifikasi fitur pemandangan yang digunakan manusia secara intuitif untuk menentukan lintasan kendaraan.
Kerangka data pelatihan yang tidak konsisten diisolasi untuk ditinjau lebih lanjut, sementara kerangka yang konsisten tetap berada dalam kumpulan data pelatihan.
Teknologi ini telah diintegrasikan ke dalam sistem autopilot yang dipasang pada traktor otonom sejak akhir musim semi 2025.
Pepatah perusahaan
“Bahkan dengan akurasi deteksi yang tinggi, jaringan mungkin salah menafsirkan konteksnya,” kata Gennady Savitsky, pengembang utama di Cognitive Pilot. Dia menambahkan bahwa tanpa mengatasi perbedaan antara persepsi manusia dan mesin, kesalahan dapat terakumulasi selama pelatihan, sehingga mengurangi akurasi dan keselamatan kontrol.
“Hasilnya, konsistensi data meningkat, dan akibatnya, kualitas pelatihan dan keamanan sistem kendali otonom meningkat,”
kata Savitsky.
Mengapa ini penting?
Ketidakselarasan antara penilaian manusia dan persepsi AI dapat menyebabkan kesalahan navigasi dan kesalahan positif pada mesin otonom.
Meningkatkan konsistensi data selama pelatihan sangat penting untuk pengoperasian yang aman di lingkungan pertanian yang kompleks.
Akurasi kontrol yang lebih tinggi sangat penting untuk pertanian presisi dan penerapan traktor yang sepenuhnya otonom dan bebas operator secara lebih luas.
Teknologi ini dapat membantu menetapkan tolok ukur baru untuk keselamatan dalam sistem transportasi pertanian dan sistem transportasi otonom lainnya.
