Tehnologia de conducere autonomă a Waymo devine mai inteligentă, recunoaște miliarde de obiecte datorită căutării de conținut

Vehiclele autonome dezvoltate de Waymo utilizează tehnici de vedere computerizată și inteligență artificială pentru a percepe mediul înconjurător și a lua decizii în timp real cu privire la modul în care vehiculul ar trebui să reacționeze și să se deplaseze. Când obiectele sunt percepute de cameră și senzorii din interiorul vehiculului, acestea sunt comparate cu o bază de date mare compilată de Alphabet (GOOG ) (GOOGL ) pentru a fi recunoscute.

Datele masive sunt de o importanță deosebită pentru antrenarea vehiculelor autonome, deoarece permit inteligenței artificiale din vehicule să se îmbunătățească și să-și crească performanța. Cu toate acestea, inginerii au nevoie de o modalitate eficientă de a corela obiectele din setul de date cu interogările, astfel încât să poată investiga modul în care inteligența artificială funcționează pe anumite tipuri de imagini. Pentru a rezolva această problemă, după cum raportează VentureBeat, Waymo a dezvoltat recent un instrument numit „Căutare de conținut”, care funcționează similar cu modul în care funcționează Google Image Search și Google Photos. Aceste sisteme corelează interogările cu conținutul semantic din imagini, generând reprezentări ale obiectelor care fac recuperarea imaginilor pe baza interogărilor de limbaj natural mai ușoară.

Înainte de apariția Căutării de conținut, dacă cercetătorii Waymo doreau să recupereze anumite mostre din jurnalele de înregistrare, trebuiau să descrie obiectul folosind euristici. Jurnalele Waymo trebuiau căutate folosind comenzi care căutau obiecte pe baza regulilor, ceea ce însemna rularea de căutări pentru obiecte care erau „sub o anumită înălțime” sau obiecte care „se deplasau cu o anumită viteză”. Rezultatele acestor căutări bazate pe reguli puteau fi adesea foarte largi, iar cercetătorii trebuiau apoi să caute manual printre rezultatele returnate.

Căutarea de conținut rezolvă această problemă prin crearea de cataloage de date și efectuarea de căutări de similaritate pe diferitele cataloage pentru a găsi cele mai similare categorii atunci când i se prezintă un obiect. Dacă Căutarea de conținut este prezentată cu un camion sau un copac, va returna alte camioane sau copaci pe care vehiculele autonome Waymo le-au întâlnit. Pe măsură ce un vehicul Waymo conduce, înregistrează imagini ale obiectelor din jur, apoi stochează aceste obiecte sub formă de reprezentări matematice. Acest lucru înseamnă că instrumentul poate face o comparație între categoriile de obiecte și poate clasifica răspunsurile în funcție de similaritatea dintre obiectul furnizat și imaginile obiectelor stocate. Acest lucru este similar cu modul în care funcționează serviciul de căutare de similaritate a reprezentărilor operat de Google.

Obiectele pe care le întâlnesc vehiculele Waymo pot avea diferite forme și dimensiuni, dar toate trebuie să fie reduse la componentele lor esențiale și categorizate pentru ca Căutarea de conținut să funcționeze. Pentru a face acest lucru, Waymo utilizează multiple modele de inteligență artificială care sunt antrenate pe o varietate de obiecte. Diferitele modele învață să recunoască o varietate de obiecte și sunt susținute de Căutarea de conținut, care le permite modelelor să înțeleagă dacă articolele aparținând unei anumite categorii se află într-o imagine dată. Un model suplimentar de recunoaștere optică a caracterelor este utilizat alături de modelul principal, permițând vehiculelor Waymo să adauge informații suplimentare de identificare a obiectelor din imagini, pe baza textului găsit în imagine. De exemplu, un camion echipat cu semne de circulație ar avea textul de pe semn inclus în descrierea Căutării de conținut.

Mulțumită acestor modele care funcționează în concert, cercetătorii și inginerii Waymo sunt capabili să caute în datele de imagine pentru obiecte foarte specifice, cum ar fi specii de copaci și mărci de mașini.

Conform declarațiilor Waymo, după cum este citat de VentureBeat:

„Cu Căutarea de conținut, putem să annotăm automat … obiectele din istoricul nostru de conducere, ceea ce a crescut exponențial viteza și calitatea datelor pe care le trimitem pentru etichetare. Capacitatea de a accelera etichetarea a contribuit la numeroase îmbunătățiri în sistemul nostru, de la detectarea autobuzelor școlare cu copii care urmează să coboare pe trotuar sau oameni care merg pe trotinete electrice până la o pisică sau un câine care traversează strada. Pe măsură ce Waymo se extinde în mai multe orașe, vom continua să întâlnim obiecte și scenarii noi.”

Acesta nu este primul caz în care Waymo a utilizat multiple modele de învățare automată pentru a îmbunătăți fiabilitatea și precizia vehiculelor sale. Waymo a colaborat cu Alphabet/Google în trecut, ajutând la dezvoltarea unei tehnici de inteligență artificială alături de DeepMind. Sistemul de inteligență artificială se inspiră din biologia evolutivă. La început, se creează o varietate de modele de învățare automată, iar după ce acestea sunt antrenate, modelele care nu au performant sunt eliminate și înlocuite cu modele descendente. Această tehnică a reușit să reducă dramatic pozitivele false, reducând în același timp resursele computaționale și timpul de antrenament necesare. https://venturebeat.com/2020/02/06/waymos-ai-content-search-tool-lets-engineers-find-objects-within-its-driving-records/