Carros Autônomos

Conjunto de dados desatualizado do carro que dirige sozinho atesta a evolução do aprendizado de máquina

Conjunto de dados desatualizado do carro que dirige sozinho atesta a evolução do aprendizado de máquina


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

À medida que os carros autônomos se tornam uma realidade nas vias públicas, todos os dados e informações responsáveis ​​por conduzi-los com segurança precisam estar sempre atualizados.

É por isso que, quando surgiu a notícia de que rótulos de centenas de pedestres, ciclistas, cones de trânsito, entre outros, estavam faltando em um conjunto de dados amplamente usado para carros autônomos, a preocupação foi a principal reação. Afinal, as "regras da estrada" não levam em consideração carros autônomos com pontos cegos que incluem humanos.

Mas este não é, de fato, o caso.

CONSULTE TAMBÉM: COMO FUNCIONAM OS AUTO-DIRIGENTES?

O aprendizado de máquina evolui, mostram conjuntos de dados antigos

Fora de 15,000 imagens verificadas manualmente do conjunto de dados Udacity 2, 4,986 deles, isso é 33%, estavam incompletos, de acordo com o fornecedor comercial do conjunto de dados, Roboflow.ai. Mas os conjuntos de dados da Udacity foram criados há mais de três anos e não estão ativos nas vias públicas.

É importante lembrar: nos anos de aprendizado de máquina da Internet, três anos humanos são várias existências atrás.

"Nos anos seguintes", disse Udacity à Interesting Engineering (IE) em uma troca de e-mail, "empresas como Waymo, nuTonomy e Voyage publicaram conjuntos de dados melhores e mais novos destinados a cenários do mundo real."

Em outras palavras, a Udacity não criou ativamente novos conjuntos de dados para acompanhar a mais nova linha de conjuntos de dados de carros autônomos porque - por enquanto - cedeu o piso do mundo real das vias públicas para empresas mais novas.

Aprendizado de máquina e algoritmos

O aprendizado de máquina ajudou muitos setores a evoluir além de seu estado atual. O ensino de algoritmos de computador para fazer novas tarefas é necessário para que esse processo funcione sem problemas e com segurança. Em uma linha do tempo longa o suficiente, esses conjuntos de dados tornam-se imensamente complexos. Isso pode torná-los difíceis de entender para pessoas no início de sua carreira de carro autônomo. É por isso que conjuntos de dados incompletos - como um "modo fácil" em um videogame - não são uma má ideia. Contanto que eles fiquem fora da estrada.

Os carros que dirigem sozinhos requerem muitos dados para que seus algoritmos naveguem pelos perigos das vias públicas. Se um carro não souber reconhecer um pedestre humano caminhando ao lado da estrada ou um ciclista que compartilha a estrada com o carro, podem surgir problemas sérios.

O provedor de conjuntos de dados comerciais, Roboflow, publicou um artigo confirmando que um popular conjunto de dados de carros autônomos está de fato sem atualizações. O Udacity Dataset 2 é usado por milhares de alunos que estão criando um conjunto de dados de carro autônomo de código aberto.

A empresa Roboflow verificou manualmente 15.000 imagens do conjunto de dados, e descobri que 33% deles teve problemas. Havia milhares de veículos sem etiqueta, centenas de pedestres sem etiqueta, e dezenas de ciclistas sem etiqueta.

Rodas de treinamento para conjuntos de dados de carros autônomos

Roboflow pode não ter tido a intenção de enganar o público. O conceito de rodinhas é difícil para qualquer pessoa entender. Uma bicicleta ainda é uma bicicleta, se a garota que a anda tem duas rodas extras? Mais ou menos, mas não exatamente. Ela está experimentando como é andar de bicicleta? Com certeza, mas sem o risco real de potencialmente cair.

Ela está pronta para a coisa real?

Cabe a ela, e o mesmo poderia ser dito dos alunos, que têm que decidir se estão prontos para tirar as rodinhas e construir seus próprios conjuntos de dados no risco real da indústria.

Claro, começando com o conjunto de dados da Udacity, esses alunos teriam um longo caminho a percorrer. A identificação ausente rastreada pelo Roboflow incluiu caixas delimitadoras duplicadas, caixas delimitadoras grandes e anotações fantasmas.

Para complicar as coisas, 1.4% Algumas das imagens estavam simplesmente apagadas, mas continham carros, caminhões, luzes e até mesmo pedestres - como um convite aos desenvolvedores de conjuntos de dados de amanhã, para preencherem os dados sozinhos.

Isso mostra como os conjuntos de dados de código aberto são incrivelmente complexos, e essa discrepância entre as estradas do mundo real e os primeiros conjuntos de dados é um crédito para as empresas de conjunto de dados de ponta com veículos em vias públicas. Mas o conjunto de dados de carros autônomos da Udacity não está em uso em estradas públicas. No momento, o único carro autônomo operacional da Udacity é apenas para uso educacional, montado em uma pista de teste fechada.

Os alunos que precisam de uma folha de dicas - em sua ambição de preencher as lacunas de um conjunto de dados de três anos - estão com sorte: Roboflow corrigiu e relançou o conjunto de dados aqui.

À medida que o aprendizado de máquina impulsiona a tecnologia de carros autônomos para criar conjuntos de dados de alta fidelidade, será mais fácil olhar para trás ao longo dos anos e décadas e imaginar como conseguimos isso.

Mas, assim como a menina e sua bicicleta, o desafio está em remover as rodinhas e seguir seu próprio caminho nas vias públicas.

*** Nota do Editor: Este artigo foi atualizado - com várias alterações feitas ao longo - após receber esclarecimentos da Udacity. Uma versão anterior deste artigo implicava que os conjuntos de dados de carros autônomos da Udacity estavam em uso ativo nas vias públicas. Isso foi corrigido para refletir o fato de que os dados da empresa são usados ​​apenas para fins educacionais e, na verdade, não têm mais falhas do que "rodinhas de treinamento", e são usados ​​apenas para ajudar os aspirantes a desenvolvedores de conjuntos de dados a se familiarizarem com a tecnologia. Além disso, a Udacity não desenvolveu novos conjuntos de dados por três anos e "cedeu o piso" para conjuntos de dados mais novos e avançados fornecidos por outras empresas não afiliadas. Além disso, o único carro autônomo da Udacity em operação é exclusivamente para fins educacionais e opera em uma pista de teste fechada, não em vias públicas. Ao todo, a versão anterior deste artigo sugeria que conjuntos de dados incompletos desenvolvidos pela Udacity eram erros, o que é um equívoco do fato de que conjuntos de dados antigos irão naturalmente parecer erros, em retrospecto de desenvolvimentos futuros. Finalmente, o título original deste artigo foi alterado para refletir isso. O IE lamenta esses erros.

-IE Editorial ***


Assista o vídeo: EVOLUÇÃO DO GTA ONLINE 2013 VS 2019 (Setembro 2022).


Comentários:

  1. Bricriu

    Na minha opinião você não está certo. Escreva-me em PM, comunicaremos.

  2. Shipley

    É uma pena que agora não possa expressar - me apresso no trabalho. Mas vou voltar - vou necessariamente escrever que penso nessa pergunta.

  3. Ketilar

    Pensamento fofo

  4. Dawar

    Peço desculpas por intervir, também quero expressar a opinião.

  5. Ecgbeorht

    Em vez de críticas, escreva suas opções.



Escreve uma mensagem