Intel Labs gebruikt 'Grand Theft Auto' om zelfrijdende auto's te trainen

$config[ads_kvadrat] not found

Brains Behind the Brains: Mike Davies and Neuromorphic Computing at Intel Labs | Intel

Brains Behind the Brains: Mike Davies and Neuromorphic Computing at Intel Labs | Intel
Anonim

Van alle videogames zou je iemand in de driver laten zien, Grand Theft Auto staat misschien niet aan de top van die lijst. Maar een team van Intel Labs en de universiteit van Darmstadt in Duitsland heeft ontdekt dat het gebruik van videogames een ongeëvenaarde nauwkeurigheid biedt bij het identificeren van objecten.

Het team, dat zijn bevindingen in dit artikel publiceerde, merkte op dat de game een nauwkeurige simulatie van realistische rijscenario's opleverde. Deze gegevens kunnen door zelfrijdende auto's in de echte wereld worden gebruikt om rond te rijden en veilig te navigeren.

Zelfrijdende auto's gebruiken objectidentificatiegegevens om te helpen bij het "leren" van objecten zoals voetgangers, lantaarnpalen en muren tijdens het rijden op straat. Normaal gesproken maken autofabrikanten deze gegevens van opgenomen video vanaf het dashboard van een auto. Ze gaan door en identificeren objecten handmatig, waarbij het systeem machine learning gebruikt om uiteindelijk een breder idee op te bouwen van hoe elk object eruit ziet.

Gebruik makend van Grand Theft Auto het team kon dit proces echter veel effectiever automatiseren. Het team kon vergelijkbare video's opnemen in de game, maar kon sneller items identificeren die dezelfde straatobjecten vertegenwoordigden. De fotorealistische virtuele wereld betekent dat de geïdentificeerde objecten het systeem dezelfde accurate ideeën geven over hoe echte objecten eruit zullen zien.

De computer kan in een paar seconden automatisch objecten identificeren, een proces dat normaal bijna twee uur per afbeelding met opgenomen video duurt. Hier is het proces in actie:

"Met kunstmatige omgevingen kunnen we moeiteloos precies geannoteerde gegevens verzamelen op een grotere schaal met een aanzienlijke hoeveelheid variatie in verlichting en klimaatinstellingen," Alireza Shafaei, een Ph.D. student aan de Universiteit van British Columbia, verteld MIT Technology Review.

Shafaei publiceerde zijn onderzoek in een paper waarin wordt beschreven hoe computerspellen computers kunnen trainen om de wereld te helpen zien. "We hebben aangetoond dat deze synthetische gegevens bijna net zo goed of soms zelfs beter zijn dan het gebruik van echte gegevens voor training," zei hij.

Zelfrijdende auto's gebruiken een grote hoeveelheid gegevens, en technieken zoals deze zijn van vitaal belang om op de hoogte te blijven. AT & T is begonnen met het testen van een nieuw 5G cellulair netwerk, ontworpen met zelfrijdende auto's in gedachten, die bedrijfskritieke data kunnen prioriteren om bestuurdersloze auto's die lijden aan latentie te vermijden. Al deze gegevens brengen echter kosten met zich mee, aangezien onderzoekers hebben gewaarschuwd dat auto's gevoelig kunnen zijn voor hacking. Autorijdende voertuigen openen nieuwe mogelijkheden voor big data-sets, maar de vraag hoe we dit allemaal moeten aanpakken, heeft de hoogste prioriteit.

$config[ads_kvadrat] not found