Waymo geeft gratis trainingsgegevens voor zelfrijdend weg, maar met beperkingen
Waymo kondigde aan dat het een dataset zou starten van alle trainingsinformatie die zelfrijdend was. Deze geaccumuleerde focus sinds Waymo, met een enorme marge, het grootste aantal zelfrijdende kilometers onder zijn riem heeft, en dus een van de meest benijdde sets van getagde gegevens die kunnen worden gebruikt om neurale netwerken te trainen en te testen, een van de belangrijkste gebruikte tools bij het bouwen van robots en zelfrijdende auto's.
Machine learning-methoden worden universeel gebruikt door mensen die bijna een zelfrijdende auto willen maken. Met machine learning voor computervisie voorzie je de computer van afbeeldingen waarop een mens al labels heeft geplakt, waarmee je aangeeft wat in de afbeelding een voertuig, voetganger of wegdek is. Geef de computer voldoende, samen met uw machine learning-procedure - nu, meestal een convolutioneel neuraal systeem - zal geavanceerde statistische benaderingen gebruiken om tot een breder begrip te komen van wat de verschillende componenten onderscheidt. Daarna kun je hem een nieuw beeld geven van verschillende auto's en wegen en hij zal een goed vooruitzicht hebben om uit te zoeken waar die dingen zich in dat beeld bevinden. Dit wordt een classificator genoemd en het is de eerste stap van het algemene probleem van 'perceptie': uitzoeken wat je bekijkt vanaf een camera of een andere sensor.
Waymo is niet de eerste die dit type dataset lanceert. Eerder bracht Lyft er al een flink uit, en Baidu heeft al een tijdje hun hele 'Apollo' self-drive systeem in open source formaten uitgebracht. Waymo wordt echter geprezen als de allerbeste in de organisatie. Hun gegevens zijn geweldig, en bovendien bevat het platte 2D-camerabeelden die zijn samengevoegd met LIDAR 3D-scans van exact dezelfde scène, iets anders waar Waymo goed in is.
Teams zijn wanhopig met deze gegevens. Ze geven momenteel tientallen miljoenen dollars uit om hun collecties te verzamelen. De laatste tijd heeft Scale, een relatief bescheiden Silicon Valley-startup die helpt bij het taggen van afbeeldingen voor zijn klanten, geld ingezameld met een toewijzing van een 'eenhoorn' miljard dollar.
Dit record zal een zegen zijn voor academische onderzoekers, die niet voor deze diensten kunnen betalen, maar het zal de bedrijven niet helpen, omdat Waymo een strikte niet-commerciële licentie op de informatie heeft gezet. Mensen mogen het niet voor zakelijke doeleinden gebruiken. Ze kunnen de details niet eens publiceren. Zelfs onderzoekers kunnen de netwerken in een fysieke auto niet gebruiken - ze kunnen ze gewoon testen in de virtuele wereld of op video uit de echte wereld.
Daarom is dit niet de informatie-uitwisseling waarvan velen op aarde hebben gehoopt de ontwikkeling van iedereen te versnellen. Vele anderen en Waymo beschouwen hun duur verzamelde informatie als een onderdeel van hun kroonjuwelen, niet om aan concurrenten te worden uitgedeeld. Niettemin worden met het stimuleren van onderzoek een aantal doelen bereikt. Een aantal teams die grote spelers zijn geworden, begonnen als academische baan, of hadden oprichters die uit de academische wereld kwamen. .
Concurreren op veiligheid
Er zijn oproepen voor spelers in deze ruimte. Het komt niet veel voor omdat groepen de informatie bekijken. De allereerste ronde van federale regelgeving van NHTSA, jaren geleden, was verschrikkelijk, maar bevatte een interessante bepaling dat teams ruwe informatie bespreken over elk 'veiligheidsincident'. Dit houdt in dat als een auto in een crash terechtkomt, de logboeken openbaar kunnen worden, zodat de andere bemanning meer te weten kan komen over het ongeval en hoe het kan worden vermeden. Dit werd ingetrokken uit verder wetsvoorstel.
Enerzijds moet dit soort strategie de veiligheid vergroten. En er wordt beweerd dat het in het belang van alle spelers is om deze te voorkomen, omdat de schade van de hele industrie wordt veroorzaakt. Het wordt geadviseerd dat teams anders moeten concurreren dan veiligheid.
Helaas kunnen ze op dit moment niet voorkomen dat ze concurreren op het gebied van veiligheid, omdat ze allemaal concurreren om in de productie te komen, en het begin van de productie wordt voornamelijk bepaald door het bereiken en bewijzen van een specifiek niveau van beveiliging. Pas later zullen clubs om alles strijden. Waymo heeft een enorme som geld uitgegeven om hun auto's in de straten van de stad te besturen, in een poging om nieuwe discutabele situaties te lokaliseren, zodat ze er zeker van kunnen zijn dat ze door hun auto's worden afgehandeld. Hoe beter hun auto's worden, hoe meer kilometers ze moeten rijden om een nieuwe problematische situatie te ontdekken. Ten slotte worden ze zo geweldig dat ze honderdduizenden kilometers moeten rijden om een probleem te ontdekken dat ze niet aankunnen - en dat betekent dat ze waarschijnlijk goed zijn om in het gezelschap te komen. Het is niet iets dat eenvoudig is om te besluiten om te delen.
Een andere plaats is het maken van simulatiescenario's. Teams ontwikkelen situaties in simulator om hun auto's te testen in het virtuele universum. Nogmaals, ze zijn niet gemotiveerd om ze te delen, maar er zijn verschillende bedrijven die simulatoren verkopen aan teams die ze niet intern willen maken. Wanneer een simulatie door groepen wordt gebruikt, wordt het voor groepen - zowel academisch als commercieel - mogelijk om simulatie-evenementen te maken en te verzamelen en te verkopen. In feite worden ze 'gedeeld' omdat één firma ze voor veel klanten maakt. Dat betekent veel minder dubbel werk.
