La levée de fonds porte sur un système autonome non supervisé. Je vous dévoile plus de détails sur cette initiative.

A propos de la levée de fonds d’Helm.ai

Il s’agit d’une levée en série B sous la houlette d’Amplo, de JM Partners, de Base Capital Funding et de Freeman Group. Les autres participants impliquent ACVC, One Way Ventures, Binnacle Partners et plusieurs business angels.

L’objectif de la jeune pousse porte sur un meilleur service à la clientèle et le soutien au développement des produits. Depuis ses débuts en 2016, Helm.ai a levé 44 millions de dollars cite le CEO Vlad Voroninski.

Les activités d’Helm.ai

Helm.ai siège en Californie dans Menlo Park. Elle œuvre dans le développement d’un logiciel dédié à la perception de l’environnement, la modélisation des intentions des usagers de la route.

Il faut inclure la planification de trajectoire ainsi que le contrôle des voitures autonomes. En clair, le logiciel prend en charge l’analyse des données provenant des capteurs d’un véhicule afin de disposer de décisions de conduite.

Le logiciel porte à la fois sur les ADAS ou Système d’aide avancé à la conduite et les voitures autonomes de niveau 4 SAE. Les autres débouchés traitent de la robotique et de l’automatisation.

Un système non supervisé

Helm.ai table sur la technologie d’apprentissage non supervisé Deep Teaching . Elle se réfère à la modélisation mathématique.

Cela consiste à entrainer l’algorithme sur des ensembles de données à grande échelle avec une intervention humaine absente ou quasi absente. La récupération des données repose sur les caméras des véhicules, le traitement des images et une classification automatique.

Les autres enjeux pour Helm.ai

Le logiciel est conçu pour le franchissement des routes de montagne escarpées et sinueuses via une caméra unique et sans entrainement préalable. Des partenariats sont prévus avec des équipementiers  auto et des fournisseurs de puces via Nvidia et Honda.

La start-up dispose du programme Xcelerator.

Une validation obligatoire

Après la phase d’entrainement, les algorithmes sont testés afin de contrôler la capacité d’extrapolation face à des situations inédites. Les tests vont être proposés sur un parcours gigantesque de 10 milliards de kilomètres.

Pour la collecte et la labellisation des données, la simulation est privilégiée. Par ailleurs, la collecte en masse des données est primordiale à travers les enregistrements des véhicules de Google et Tesla.

En règle générale, la validation des algorithmes est accompagnée par un encadrement très poussé. Découvrez plus de thèmes ici.

Crédit Photo : usine-digitale.fr

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.