Waymos Selbstfahrende-Technologie wird intelligenter, erkennt Milliarden von Objekten dank Inhalts-Suche

Die autonomen Fahrzeuge, die von Waymo entwickelt wurden, nutzen Computer-Vision-Techniken und künstliche Intelligenz, um die Umgebung wahrzunehmen und in Echtzeit Entscheidungen über das Verhalten und die Bewegung des Fahrzeugs zu treffen. Wenn Objekte von der Kamera und den Sensoren im Fahrzeug wahrgenommen werden, werden sie mit einer großen Datenbank abgeglichen, die von Alphabet (GOOG ) (GOOGL ) zusammengestellt wurde, um sie zu erkennen.

Massive Datensätze sind für die Ausbildung von autonomen Fahrzeugen von großer Bedeutung, da sie es dem künstlichen Intellekt im Fahrzeug ermöglichen, besser zu werden und ihre Leistung zu verbessern. Allerdings benötigen Ingenieure eine Möglichkeit, um effizient Gegenstände im Datensatz mit Abfragen abzugleichen, damit sie untersuchen können, wie der künstliche Intellekt auf bestimmte Arten von Bildern reagiert. Um dieses Problem zu lösen, hat Waymo, wie VentureBeat berichtet, kürzlich ein Tool namens “Inhalts-Suche” entwickelt, das ähnlich wie Google Bildersuche und Google Fotos funktioniert. Diese Systeme gleichen Abfragen mit dem semantischen Inhalt von Bildern ab und generieren Darstellungen von Objekten, die die Bildabfrage auf der Grundlage von natürlicher Sprache erleichtern.

Bevor die Inhalts-Suche entwickelt wurde, mussten Waymos Forscher, wenn sie bestimmte Proben aus den Logdateien abrufen wollten, das Objekt mithilfe von Heuristiken beschreiben. Waymos Logdateien mussten mithilfe von Befehlen durchsucht werden, die nach Objekten suchten, die auf Regeln basierten, was bedeutete, dass nach Objekten gesucht wurde, die “unter X Höhe” oder Objekten, die “mit y Meilen pro Stunde” reisten. Die Ergebnisse dieser regelbasierten Suchen konnten oft sehr breit sein und die Forscher mussten dann die zurückgegebenen Ergebnisse manuell durchsuchen.

Die Inhalts-Suche löst dieses Problem, indem sie Kataloge von Daten erstellt und Ähnlichkeitssuchen in den verschiedenen Katalogen durchführt, um die ähnlichsten Kategorien zu finden, wenn ein Objekt vorgelegt wird. Wenn die Inhalts-Suche mit einem LKW oder einem Baum präsentiert wird, gibt sie andere LKWs oder Bäume zurück, die Waymos autonome Fahrzeuge bereits kennengelernt haben. Wenn ein Waymo-Fahrzeug herumfährt, nimmt es Bilder von Objekten in seiner Umgebung auf und speichert diese als Einbettungen/mathematische Darstellungen. Dies bedeutet, dass das Tool einen Vergleich zwischen Objektkategorien anstellen und Antworten nach ihrer Ähnlichkeit zum vorgelegten Objekt bewerten kann. Dies ist ähnlich wie die Funktion des von Google betriebenen Embedding-Ähnlichkeitssuchdienstes.

Die Objekte, die Waymos Fahrzeuge begegnen, können alle möglichen Formen und Größen haben, aber sie müssen alle in ihre wesentlichen Komponenten zerlegt und kategorisiert werden, damit die Inhalts-Suche funktioniert. Um dies zu ermöglichen, nutzt Waymo mehrere künstliche Intelligenz-Modelle, die auf einer Vielzahl von Objekten trainiert werden. Die verschiedenen Modelle lernen, eine Vielzahl von Objekten zu erkennen, und sie werden von der Inhalts-Suche unterstützt, die es den Modellen ermöglicht, zu verstehen, ob Gegenstände einer bestimmten Kategorie in einem bestimmten Bild gefunden werden. Ein zusätzliches optisches Zeichenerkennungsmodell wird neben dem Hauptmodell verwendet, was es Waymos Fahrzeugen ermöglicht, zusätzliche Identifikationsinformationen zu Objekten in Bildern hinzuzufügen, basierend auf dem Text, der im Bild gefunden wird. Zum Beispiel würde ein LKW mit Beschilderung den Text des Schilds in seiner Inhalts-Such-Beschreibung enthalten.

Thanks to the above models working in concert, Waymo’s researchers and engineers are capable of searching the image data logs for very specific objects like specific species of trees and makes of car.

Laut Waymo, wie von VentureBeat zitiert:

“Mit der Inhalts-Suche können wir Objekte in unserer Fahrhistorie automatisch annotieren, was die Geschwindigkeit und Qualität der Daten, die wir für die Beschriftung senden, exponentiell erhöht hat. Die Fähigkeit, die Beschriftung zu beschleunigen, hat zu vielen Verbesserungen in unserem System beigetragen, von der Erkennung von Schulbussen mit Kindern, die auf den Bürgersteig treten, oder Menschen, die Elektroscooter fahren, bis hin zu Katzen oder Hunden, die eine Straße überqueren. Wenn Waymo in mehr Städte expandiert, werden wir weiterhin neue Objekte und Szenarien begegnen.”

Dies ist nicht das erste Mal, dass Waymo mehrere maschinelle Lernmodelle verwendet, um die Zuverlässigkeit und Genauigkeit seiner Fahrzeuge zu verbessern. Waymo hat in der Vergangenheit mit Alphabet/Google zusammengearbeitet, um eine künstliche Intelligenz-Technik gemeinsam mit DeepMind zu entwickeln. Das künstliche Intelligenz-System zieht Inspiration aus der evolutionären Biologie. Zunächst werden eine Vielzahl von maschinellen Lernmodellen erstellt und nachdem sie trainiert wurden, werden die Modelle, die unterdurchschnittlich abschnitten, ausgemerzt und durch Nachfolgemodelle ersetzt. Diese Technik hat sich als sehr effektiv erwiesen, um falsche Positivergebnisse dramatisch zu reduzieren und gleichzeitig die erforderlichen Rechenressourcen und Trainingszeit zu reduzieren.

https://venturebeat.com/2020/02/06/waymos-ai-content-search-tool-lets-engineers-find-objects-within-its-driving-records/