Cognitive Pilot

• Достиг значительного увеличения точности самопозиционирования, достигнув 7-10 см для железнодорожной монокамеры, за счет использования передовых классических алгоритмов компьютерного зрения для надежного анализа движения. • Добился значительного снижения ошибок локализации на 7 процентов в проекте "Московский трамвай", создав специализированный локализатор трамвайных путей, который интегрирует данные о высоте с помощью техники сплайнирования. • Способствовал использованию сложных алгоритмов, таких как SLAM, в сельскохозяйственных проектах, улучшая видеоаналитику, благодаря новаторским методам асинхронной стабилизации видео. • Повысил безопасность автономного режима, обеспечив быстрое выявление расхождений в алгоритмах и оперативное переключение на аварийные протоколы, оптимизировав фильтр Калмана с помощью датчиков GPU/IMU для более точной оценки сходимости фильтрации. • Провел сложные эксперименты с метриками MI, что привело к повышению точности сегментации объектов, подтвержденной сравнением результатов сегментации с реальным расположением объектов на изображениях.

Huawei Technologies Co., Ltd

• Занимался улучшением облачного рендеринга игр в задаче сжатия информации, извлекая полезные данные из игровых движков для уменьшения задержки между сервером и пользователем в HQ (Шэньчжэнь, Китай). Использовал ML-подходы для оценки влияния водных эффектов, моделируемых коэффициентами Френеля, на конечное качество сжатия на основе метрик MOS-обучения. • Создал обучаемый контроллер битрейта для решения задачи выбора оптимальных параметров квантования геометрии и текстуры при заданном битрейте для достижения наилучшего качества в задаче сжатия 3D-последовательности данных. Создано решение, обеспечивающее 10-процентное улучшение по сравнению с настройками HQ по умолчанию. • Создал 3 подхода к цветокоррекции в задаче панорамы с использованием искусственного интеллекта, классических решений для Android и теории Retinex, которые оказались успешными на тестовых данных из Китая. • Усовершенствовал базовый вид окружения автомобиля на платформе TDA4 с помощью OpenGL. • Доработал новый вид окружения автомобиля на Kirin 990 с нейросетевой оценкой глубины на монокамере, чтобы добавить детализацию окружения и убрать эффект близлежащих объектов. Демонстрация была успешно реализована и передана в HQ.

HF Labs

• Разработал и внедрил двухступенчатую систему сегментации дорожного покрытия в зимних условиях, добившись показателя IoU 97,2%, создав метод обнаружения краев для автономного робота уборщика дорог. • Создал инструмент, позволяющий откалибровать внешние и внутренние параметры камеры за 10 минут, точность которого позволяет проецировать обнаружения в 3d-мир с точностью до 5 сантиметров. • Построил конвейер для сбора данных, аннотации, обучения, оптимизации моделей для Jetson Orin и внедрения в производство, что позволило ежедневно обновлять модели ИИ на роботе. • Повысил производительность камер, реализовав кодирование и декодирование на NVIDIA GPU для IP/OAK-D-камер, увеличив частоту кадров в четыре раза и снизив битрейт в три раза. • Был наставником младшего инженера, который успешно обучил модель обнаружения столбов с нуля и добился 98 % результата F1.