Waymo’nun Otonom Sürüş Teknolojisi Akıllı Hale Geliyor, İçerik Arama Sayesinde Milyarlarca Nesneyi Tanıyor

Waymo tarafından geliştirilen otonom araçlar, çevrelerini algılamak ve araçların nasıl tepki vermesi gerektiğine ilişkin gerçek zamanlı kararlar almak için bilgisayar görme teknikleri ve yapay zeka kullanır. Araç içindeki kamera ve sensörler tarafından algılanan nesneler, Alphabet (GOOG ) (GOOGL ) tarafından derlenen büyük bir veritabanıyla eşleştirilir ve tanınır.

Büyük veri kümeleri, otonom araçların eğitimi için çok önemlidir, çünkü araçlardaki yapay zekanın performansını iyileştirmesine ve geliştirmesine olanak tanır. Ancak mühendislerin, belirli türdeki görüntülerdeki AI performansı hakkında nasıl çalıştıklarını araştırmak için veri kümesindeki öğeleri sorgulara etkili bir şekilde eşleştirmeleri gerekir. Bu sorunu çözmek için, VentureBeat’in raporuna göre, Waymo recently “İçerik Arama” adlı bir araç geliştirdi, bu araç Google Resim Arama ve Google Fotoğraflar gibi çalışır. Bu sistemler, sorguları görüntülerdeki anlamsal içerikle eşleştirir ve doğal dil sorgularına dayalı görüntü geri çağırmasını kolaylaştıran temsilciler oluşturur.

İçerik Arama’nın ortaya çıkmasından önce, Waymo’nun araştırmacıları belirli örnekleri günlüklerden almak istediklerinde, nesneleri heuristikler kullanarak tanımlamak zorundaydılar. Waymo’nun günlükleri, nesneleri kurallara dayalı olarak arayan komutlar kullanarak aranmak zorundaydı, bu da “X yüksekliğinden” veya “y mil/saat hızında seyahat eden” nesneler için aramalar anlamına geliyordu. Bu kurallara dayalı aramaların sonuçları genellikle çok geniş olabilirdi ve araştırmacıların döndürülen sonuçları manuel olarak araştırmaları gerekebilirdi.

İçerik Arama, bu sorunu veri katalogları oluşturarak ve farklı kataloglar üzerinde benzerlik aramaları yaparak çözer, böylece bir nesne verildiğinde en benzer kategorileri bulur. İçerik Arama bir kamyon veya ağaca sunulursa, Waymo’nun otonom araçlarının karşılaştığı diğer kamyonları veya ağaçları döndürür. Bir Waymo aracı sürerken çevresindeki nesnelerin görüntülerini kaydeder ve bu nesneleri gömme/matematiksel temsilciler olarak depolar. Bu, aracın nesne kategorileri arasında bir karşılaştırma yapmasına ve depolanan nesne görüntülerinin sağlanan nesneye benzerliğine göre yanıtları sıralamasına olanak tanır. Bu, Google’ın işlettiği gömme benzerlik eşleştirme hizmeti gibi çalışır.

Waymo’nun araçlarının karşılaştığı nesneler çeşitli şekillerde ve boyutlarda olabilir, ancak İçerik Arama çalışması için bunların hepsinin temel bileşenlerine indirgenmesi ve kategorilere ayrılması gerekir. Bunun gerçekleşmesi için Waymo, çeşitli nesnelerin eğitildiği birden fazla AI modeli kullanır. Farklı modeller, çeşitli nesneleri tanımayı öğrenir ve İçerik Arama tarafından desteklenir, bu da modellerin belirli bir kategoriye ait öğelerin bir görüntüde bulunup bulunmadığını anlamalarına olanak tanır. Ana modelle birlikte kullanılan ek bir optik karakter tanıma modeli, Waymo araçlarının görüntülerdeki metinlere dayalı ek tanımlayıcı bilgileri nesnelere eklemesine olanak tanır. Örneğin, bir kamyonun üzerindeki tabela metni, İçerik Arama açıklamasına dahil edilebilir.

Yukarıdaki modellerin birlikte çalışmasıyla, Waymo’nun araştırmacıları ve mühendisleri, belirli ağaç türleri veya araba markaları gibi çok özel nesneleri görüntü veri günlüklerinde arayabilirler.

Waymo’ya göre, VentureBeat tarafından alıntılanan bir ifadeyle:

“İçerik Arama ile, sürüş geçmişimizdeki nesneleri otomatik olarak açıklama yeteneğine sahibiz, bu da etiketleme hızını ve kalitesini katlanarak artırdı. Etiketleme hızını artırma yeteneği, okulların önünden çocukların yürüdüğü yaya kaldırımlarını, elektrikli scooterları süren insanları veya bir kedi veya köpeğin sokakta karşıdan karşıya geçmesini tespit etme gibi sistemimizdeki birçok gelişmeye katkıda bulundu. Waymo daha fazla şehre genişledikçe, yeni nesneler ve senaryolarla karşılaşmaya devam edeceğiz.”

Bu, Waymo’nun otonom araçlarının güvenilirliğini ve doğruluğunu artırmak için birden fazla makine öğrenimi modelini kullandığı ilk sefer değildir. Waymo, geçmişte Alphabet/Google ile işbirliği yaptı ve DeepMind ile birlikte bir AI tekniği geliştirdi. AI sistemi, evrimsel biyolojiden esinlenir. Başlangıçta, çeşitli makine öğrenimi modelleri oluşturulur ve eğitilir, ardından kötü performans gösteren modeller kül edilir ve yeni modellerle değiştirilir. Bu teknik, yanlış pozitifleri dramatic bir şekilde azaltırken aynı zamanda gerekli hesaplama kaynaklarını ve eğitim süresini azaltmayı başardı.

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