A Tecnologia de Direção Autônoma da Waymo Fica Mais Inteligente, Reconhece Bilhões de Objetos Graças à Pesquisa de Conteúdo

Os veículos autônomos desenvolvidos pela Waymo utilizam técnicas de visão computacional e inteligência artificial para perceber o ambiente ao redor e tomar decisões em tempo real sobre como o veículo deve reagir e se mover. Quando os objetos são percebidos pela câmera e sensores dentro do veículo, eles são comparados com um grande banco de dados compilado pela Alphabet (GOOG ) (GOOGL ) para serem reconhecidos.

Conjuntos de dados massivos são de grande importância para o treinamento de veículos autônomos, pois permitem que o AI dentro dos veículos melhore e aumente seu desempenho. No entanto, os engenheiros precisam de alguma forma de combinar itens dentro do conjunto de dados com consultas de forma eficiente para que possam investigar como o AI se sai em tipos específicos de imagens. Para resolver esse problema, conforme relata o VentureBeat, a Waymo recentemente desenvolveu uma ferramenta chamada “Content Search”, que funciona de forma semelhante à do Google Image Search e Google Photos. Esses sistemas combinam consultas com o conteúdo semântico dentro das imagens, gerando representações dos objetos que tornam a recuperação de imagens com base em consultas de linguagem natural mais fácil.

Antes do advento da Content Search, se os pesquisadores da Waymo quisessem recuperar certas amostras dos logs, eles tinham que descrever o objeto usando heurísticas. Os logs da Waymo tinham que ser pesquisados usando comandos que procuravam objetos com base em regras, o que significava executar pesquisas por objetos que estavam “abaixo de X altura” ou objetos que “viajavam a y milhas por hora”. Os resultados dessas pesquisas baseadas em regras podiam ser bastante amplos e os pesquisadores teriam que então vasculhar os resultados retornados manualmente.

A Content Search resolve esse problema criando catálogos de dados e realizando pesquisas de semelhança nos diferentes catálogos para encontrar as categorias mais semelhantes quando apresentadas com um objeto. Se a Content Search for apresentada com um caminhão ou uma árvore, ela retornará outros caminhões ou árvores que os veículos autônomos da Waymo encontraram. À medida que um veículo da Waymo dirige, ele registra imagens de objetos ao redor, então armazena esses objetos como embeddings/representações matemáticas. Isso significa que a ferramenta pode fazer uma comparação entre categorias de objetos e classificar respostas por quão semelhantes ao objeto fornecido as imagens de objetos armazenadas são. Isso é semelhante à forma como o serviço de correspondência de semelhança de embeddings operado pelo Google funciona.

Os objetos que os veículos da Waymo encontram podem ter todas as formas e tamanhos diferentes, mas todos precisam ser distillados em seus componentes essenciais e categorizados para que a Content Search funcione. Para que isso aconteça, a Waymo utiliza vários modelos de AI treinados em uma ampla variedade de objetos. Os vários modelos aprendem a reconhecer uma variedade de objetos e são apoiados pela Content Search, que permite que os modelos entendam se itens pertencentes a uma categoria específica são encontrados dentro de uma imagem dada. Um modelo adicional de reconhecimento óptico de caracteres é utilizado ao lado do modelo principal, permitindo que os veículos da Waymo adicionem informações de identificação extras a objetos em imagens com base em qualquer texto encontrado na imagem. Por exemplo, um caminhão equipado com sinalização teria o texto do sinal incluído na descrição da Content Search.

Graças aos modelos acima trabalhando em conjunto, os pesquisadores e engenheiros da Waymo são capazes de pesquisar os logs de dados de imagens por objetos muito específicos, como espécies específicas de árvores e marcas de carros.

De acordo com a Waymo, citada pelo VentureBeat:

“Com a Content Search, podemos anotar automaticamente … objetos em nossa história de direção, o que aumentou exponencialmente a velocidade e a qualidade dos dados que enviamos para rotulagem. A capacidade de acelerar a rotulagem contribuiu para muitas melhorias em todo o nosso sistema, desde a detecção de ônibus escolares com crianças prestes a entrar na calçada ou pessoas andando de scooters elétricas até um gato ou um cachorro cruzando a rua. À medida que a Waymo se expande para mais cidades, continuaremos a encontrar novos objetos e cenários.”

Essa não é a primeira vez que a Waymo usou vários modelos de aprendizado de máquina para melhorar a confiabilidade e a precisão de seus veículos. A Waymo colaborou com a Alphabet/Google no passado, ajudando a desenvolver uma técnica de AI ao lado da DeepMind. O sistema de AI se inspira na biologia evolutiva. Para começar, vários modelos de aprendizado de máquina são criados e, após serem treinados, os modelos que tiveram desempenho inferior são eliminados e substituídos por modelos descendentes. Essa técnica relatou reduzir dramaticamente os falsos positivos, além de reduzir os recursos computacionais e o tempo de treinamento necessários.

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