Intel Labs använder "Grand Theft Auto" för att träna självkörningsbilar

$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

Av alla videospel du skulle visa någon i förarens ed, Grand Theft Auto kan inte vara högst upp på listan. Men ett team på Intel Labs och Darmstadt University i Tyskland har funnit att användandet av videospel ger en oöverträffad noggrannhet när man identifierar objekt.

Teamet, som publicerade sina fynd i denna uppsats, märkte att spelet gav en exakt simulering av verkliga körscenarier. Dessa data kan användas av självkörande bilar i den verkliga världen för att köra och navigera säkert.

Självkörande bilar använder objektidentifieringsdata för att hjälpa "lära" hur man identifierar föremål som fotgängare, lyktor och väggar när man kör på gatan. Vanligtvis skapar bilproducenter dessa data från inspelad video från bilens instrumentpanel. De går igenom och identifierar objekt manuellt, och systemet med maskininlärning bygger så småningom en bredare uppfattning om vad varje objekt ser ut.

Använder sig av Grand Theft Auto, men laget kunde automatisera denna process mycket mer effektivt. Laget kunde spela in liknande videoklipp i spelet, men kunde identifiera tillgångar snabbare som representerade samma gataobjekt. Den fotorealistiska virtuella världen betyder att de identifierade objekten ger systemet samma exakta idéer om vilka objekt i verkligheten som kommer att se ut.

Datorn kan automatiskt identifiera objekt på några sekunder, en process som normalt tar nästan två timmar per bild med inspelad video. Här är processen i aktion:

"Med konstgjorda miljöer kan vi enkelt samla exakt annoterade data i större skala med en stor variation i ljus och klimatinställningar," Alireza Shafaei, en doktorand student vid University of British Columbia, berättade MIT Technology Review.

Shafaei publicerade sin forskning i ett papper som beskriver hur videospel kan träna datorer för att hjälpa till att se världen. "Vi visade att denna syntetiska data är nästan lika bra, eller ibland ännu bättre än att använda verkliga data för träning," sa han.

Självkörande bilar använder en stor mängd data, och tekniker som dessa kommer att vara avgörande för att hålla bäst på saker. AT & T har börjat prova ett nytt 5G-mobilnät, utformat med självkörande bilar i åtanke, som kan prioritera missionskritiska data för att undvika förarlösa bilar som lider av latens. All denna data kommer till en kostnad, men som forskare har varnat för att bilar kan vara mottagliga för hacking. Drivlösa fordon öppnar nya möjligheter för stora dataset, men frågan om hur man hanterar allt kommer att vara högsta prioritet.

$config[ads_kvadrat] not found