펀딩
웨이모의 자율 주행 기술, 콘텐츠 검색으로 인해 더 지능적으로 객체 인식
Unite.AI를 Google의 선호 소스에 추가
웨이모에서 개발한 자율 주행 자동차는 컴퓨터 비전 기술과 인공지능을 사용하여 주변 환경을 인식하고 실시간으로 차량의 반응과 이동 방향을 결정합니다. 차량 내부의 카메라와 센서가 객체를 감지하면 알파벳에서 컴파일한 대규모 데이터베이스와 일치시켜 객체를 인식합니다.
자율 주행 자동차의 훈련을 위해 대규모 데이터셋은 매우 중요합니다. 이는 차량 내부의 인공지능이 개선되고 성능을 향상할 수 있도록 해줍니다. 그러나 엔지니어들은 데이터셋 내의 항목을 효율적으로 쿼리와 일치시켜야 하므로 특정 이미지 유형에 대한 인공지능의 성능을 조사할 수 있습니다. 이러한 문제를 해결하기 위해, VentureBeat에 따르면, 웨이모는 최근 “콘텐츠 검색”이라는 도구를 개발했습니다. 이 도구는 구글 이미지 검색과 구글 포토스가 작동하는 방식과 유사합니다. 이러한 시스템은 쿼리와 이미지 내의 의미적 콘텐츠를 일치시켜 자연어 쿼리 기반의 이미지 검색을 더 쉽게 합니다.
콘텐츠 검색이 도입되기 전, 웨이모의 연구원들은 로그에서 특정 샘플을 검색하기 위해 객체를 유사성에 따라 설명해야 했습니다. 웨이모의 로그는 규칙 기반의 명령어를 사용하여 객체를 검색해야 했으므로, “X 높이 이하의 객체” 또는 “y 마일 每 시의 속도로 이동하는 객체”와 같은 규칙을 사용하여 검색해야 했습니다. 이러한 규칙 기반 검색의 결과는 종종 매우 광범위했으며 연구원들은 수동으로 반환된 결과를 검토해야 했습니다.
콘텐츠 검색은 데이터 카탈로그를 생성하고 다양한 카탈로그에 대한 유사성 검색을 수행하여 객체가 주어졌을 때 가장 유사한 카테고리를 찾는 문제를 해결합니다. 콘텐츠 검색이 트럭 또는 나무와 같은 객체가 주어지면, 웨이모의 자율 주행 자동차가遭遇한 다른 트럭이나 나무를 반환합니다. 웨이모 차량이 주행하면서 주변 객체의 이미지를 기록하고 이러한 객체를 매트릭스/수학적 표현으로 저장합니다. 이는 도구가 객체 카테고리 간의 비교를 수행하고 제공된 객체 이미지의 유사성에 따라 응답을 랭크할 수 있음을 의미합니다. 이는 구글에서 운영하는 임베딩 유사성 매칭 서비스와 유사한 방식으로 작동합니다.
웨이모 차량이遭遇하는 객체는 다양한 모양과 크기를 가질 수 있지만, 콘텐츠 검색이 작동하려면 이러한 객체를 필수 구성 요소로 분해하고 카테고리화해야 합니다. 이를 위해 웨이모는 다양한 객체에 대한 훈련을 받은 여러 인공지능 모델을 사용합니다. 다양한 모델은 다양한 객체를 인식하도록 학습되며, 콘텐츠 검색을 통해 특정 카테고리에 속하는 항목이 주어진 이미지 내에 있는지 이해할 수 있습니다. 추가적인 광학 문자 인식 모델은 주요 모델과 함께 사용되며, 웨이모 차량이 이미지 내의 텍스트를 기반으로 객체에 대한 추가 식별 정보를 제공할 수 있습니다. 예를 들어, 표지판이 있는 트럭의 경우, 콘텐츠 검색 설명에는 표지판의 텍스트가 포함됩니다.
위의 모델이 협력하여 작동함으로써, 웨이모의 연구원과 엔지니어는 특정 객체, 예를 들어 특정 종의 나무나 자동차 모델을 이미지 데이터 로그에서 검색할 수 있습니다.
VentureBeat에 따르면 웨이모는 다음과 같이 말합니다.
“콘텐츠 검색을 사용하면 우리는 자동으로 객체를 주행 기록에 注釈할 수 있으며, 이는 데이터 레이블링의 속도와 품질을 지수적으로提高시켰습니다. 레이블링을 가속화하는 능력은 우리의 시스템 전반에 걸쳐 많은 개선에 기여했으며, 학교 버스에서 내리는 아이들 또는 전기 스쿠터를 타고 있는 사람, 또는 길을 건너는 고양이 또는 개와 같은 객체를 감지하는 능력을 향상시켰습니다. 웨이모가 더 많은 도시로 확장함에 따라, 우리는 새로운 객체와 시나리오를遭遇할 것입니다.”
이것은 웨이모가 다중 기계 학습 모델을 사용하여 차량의 신뢰성과 정확성을 향상시킨 첫 번째 경우는 아닙니다. 웨이모는 과거에 알파벳/구글과 협력하여 딥마인드와 함께 인공지능 기술을 개발했습니다. 이 인공지능 시스템은 진화 생물학에서 영감을 받았습니다. 먼저, 여러 기계 학습 모델이 생성되고 훈련된 후, 성능이 낮은 모델은 자식 모델로 대체됩니다. 이 기술은 거짓 양성률을 크게 감소시키고 계산 리소스와 훈련 시간을 감소시킨 것으로 보고됩니다.
https://venturebeat.com/2020/02/06/waymos-ai-content-search-tool-lets-engineers-find-objects-within-its-driving-records/
