Бесплатная интеллектуальная обработка данных на клиентском портале Teraki

Представляем DevCenter от Teraki

DevCenter - это бесплатный универсальный портал Teraki, где клиенты могут протестировать технологию Teraki, используя данные своих датчиков. Помимо тестирования технологии Teraki, DevCenter также используется клиентами в их производственных средах в качестве инструмента для обучения и добавления новых датчиков или сигналов в свои кампании по сбору данных. За считанные минуты клиенты могут легко обучить любой новый датчик-сигнал, который они хотят получить из своего парка. Это простой и гибкий способ сократить большие объемы необработанных данных датчиков любого типа и получить подробное представление об основных ключевых показателях эффективности: эффективности сокращения, точности и задержки.

Teraki DevCenter Почему?

DevCenter был создан для того, чтобы клиенты Teraki могли легко и быстро получать информацию о поддерживаемых в настоящее время возможностях сокращения объема данных. В настоящее время доступны для телематических данных. Скоро будет дополнен данными камеры и трехмерного облака точек (лидар / радар / ToF).

Заказчики могут «протестировать» DevCenter, предоставив свои собственные необработанные данные датчиков для обработки в DevCenter. Таким образом, они могут быстро оценить влияние на свои варианты использования, будь то сокращение передачи или хранения данных или улучшение стека восприятия для решения конкретной проблемы. Возможность извлекать ›в 10 раз больше данных из автомобиля в день позволяет нашим клиентам гораздо быстрее обучать модели данных. Возможность извлекать из автомобиля в 10 раз более высокую частоту (= лучшее разрешение) позволяет нашим клиентам обучать модели данных более точным. Полученные модели можно загрузить и использовать для предварительной обработки данных непосредственно в автомобиле, прежде чем данные будут загружены в стек восприятия. Применение этой предварительной обработки ускоряет время вывода стека восприятия.

Кроме того, DevCenter также используется нашими клиентами в производственных средах, то есть не для тестирования технологии Teraki, а для управления потоками данных в реальном времени от большого парка автомобилей. Это особенно актуально, если клиенты хотят получать новые сигналы от автомобиля; или когда клиенты хотят переобучить свои модели. В таких случаях DevCenter автоматизирует этот процесс очень гибко и эффективно.

Кроме того, клиенты получают предварительный просмотр предстоящих функций, которые исследуются и разрабатываются в области видео и трехмерных облаков точек.

Что он предлагает?

В настоящее время DevCenter поддерживает сокращение данных для всех видов данных телематических (1D) датчиков. Пользователь может загружать файлы данных с информацией датчиков, собранной с датчиков в полевых условиях, например. скорость, ускорение, магнитометр, гироскоп и т. д. После загрузки необработанных данных датчика пользователь может указать типы сигналов и запустить обучение модели сокращения данных Teraki.

После завершения обучения пользователь может визуализировать исходный и восстановленный сигналы в дополнение к ключевым KPI, таким как максимальное отклонение и скорость сокращения данных. Клиенты могут легко увеличивать (и уменьшать) масштаб, чтобы увидеть более детальное сравнение исходного и восстановленного сигнала.

В дополнение к этому DevCenter включает документацию по последней версии SDK.

Он также включает демонстрационную страницу. В настоящее время на демонстрационной странице показано видео с возможностями Teraki по сокращению видеоданных (2D).

Пример использования: профилактическое обслуживание

Как правило, в случае использования профилактического обслуживания заказчик должен загрузить терабайты данных (подумайте о скорости, ускорении, температуре, скорости двигателя, поломке и других важных сигналах датчиков) в облако, чтобы их можно было обработать. Отсюда клиенты могут начать предсказывать, когда и какое обслуживание потребуется для конкретной машины (детали).

Решение Teraki поможет таким клиентам сократить объем данных до того, как они будут переданы в облако, за счет уменьшения и экономии размера данных, не влияя на производительность модели прогнозирования.

С помощью DevCenter заказчик может передавать эти сигналы и загружать их в него, а также может напрямую количественно оценить, насколько будет достигнуто сокращение объема данных при сохранении частоты ошибок в предварительно выбранных и приемлемых пределах. По окончании обучения с помощью инструмента экспорта в DevCenter они могут легко извлечь восстановленные сигналы и ввести их в свою модель прогнозного обслуживания, чтобы увидеть, есть ли какое-либо снижение производительности.

Если пользователя все это устраивает, он может прочитать документацию и запросить доступ к SDK, так что одноразовая и простая реализация может произойти на встроенном устройстве.

Возможный вариант использования: обнаружение сбоев

Когда происходит дорожно-транспортное происшествие, может быть задержка отправка сигналов в полицию, скорую помощь и страховые компании для возмещения ущерба. Страховые компании могут работать более эффективно, если у них есть основанные на данных отчеты о сбоях, доступные на ранних этапах процесса управления претензиями. Это позволит сэкономить и повысить эффективность ручного процесса управления претензиями, который в противном случае занимал бы много времени. DevCenter может действовать как шлюз, через который страховые компании могут обнаруживать любые сбои, а также упростить и оптимизировать процесс управления претензиями.

Пример использования: управление хранилищем данных

Огромный объем данных, который генерируется датчиками в автомобилях, серьезно усложняет эффективную обработку этих данных. Хранение данных временами обходится дорого, и DevCenter Teraki помогает сократить объем данных за счет внедрения обученных моделей Teraki без ухудшения качества. Этот вариант использования сокращения данных с максимальным отклонением, которое остается в пределах шума датчика, чрезвычайно полезен для автомобильной компании для обработки данных и экономии затрат на сохранение огромных объемов данных.

Пример использования: автономное вождение

Сигналы данных от видео, лидара и радара содержат намного больше данных, чем данные телематики. Чтобы решить проблему обработки этих терабайт, у Teraki есть решение, которое уменьшает размер в 10 раз. Данные могут быть загружены в DevCenter, который сокращает данные на основе лучших на рынке алгоритмов Teraki.

Пример использования: поведение водителя

Наблюдение за поведением водителей становится важным для предотвращения или прогнозирования аварий. Для этого конкретного случая использования вступает в силу видеотехнология, которая может обнаруживать движения водителя, например, сонливость глаз, беспокойство, отвлечение, стресс и т. Д. Этот конкретный вариант использования становится все более важным для уменьшения количества аварий, и DevCenter от Teraki может сыграть важную роль в этом. более быстрое обучение и более эффективное внедрение.

Чего ожидать от DevCenter?

В настоящее время DevCenter ориентирован на поддержку телематических данных. Однако в ближайшие несколько месяцев он будет охватывать дополнительные типы датчиков, например такие как видеокамера и лидар / радар. В одном из следующих выпусков DevCenter, запланированных на август, мы планируем разрешить пользователям загружать свои собственные видеоданные, выбирать способ их обработки и запускать для них сокращение видео. Как и телематические данные, DevCenter покажет заказчику все полезные метрики, чтобы он мог решить, подходит ли он для их целевого варианта использования.

Далее будет подключен DevCenter, то есть он позволит пользователям с помощью простого пошагового руководства подключать свои устройства к DevCenter и передавать данные датчиков и выполнять сокращение данных в реальном времени.

Хотите использовать?

Зайдите в DevCenter и перейдите по ссылке Запросить приглашение.

Себастьян Фриц

Подпишитесь на нашу двухнедельную рассылку новостей, нажав здесь.