Autonome Autos

Veralteter Datensatz für selbstfahrende Autos zeugt von der Entwicklung des maschinellen Lernens

Veralteter Datensatz für selbstfahrende Autos zeugt von der Entwicklung des maschinellen Lernens


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.

Da selbstfahrende Autos auf öffentlichen Straßen Realität werden, müssen alle Daten und Informationen, die für das sichere Fahren verantwortlich sind, am Ball sein.

Dies war der Grund, warum die Sorge die Hauptreaktion war, als bekannt wurde, dass in einem weit verbreiteten Datensatz für selbstfahrende Autos unter anderem Etiketten von Hunderten von Fußgängern, Radfahrern und Verkehrskegeln fehlten. Schließlich berücksichtigen die "Straßenregeln" keine selbstfahrenden Autos mit Blindspots, zu denen auch Menschen gehören.

Dies ist jedoch nicht der Fall.

SIEHE AUCH: WIE FUNKTIONIEREN SELBSTFAHRENDE AUTOS?

Maschinelles Lernen entwickelt sich, wie alte Datensätze zeigen

Aus dem 15,000 handgeprüfte Bilder aus dem Udacity-Datensatz 2, 4,986 von ihnen ist das 33%waren laut dem kommerziellen Datensatzanbieter Roboflow.ai unvollständig. Die Datensätze von Udacity wurden jedoch vor mehr als drei Jahren erstellt und sind auf öffentlichen Straßen nicht aktiv.

Es ist wichtig, sich daran zu erinnern: In den Internetjahren des maschinellen Lernens sind drei menschliche Jahre mehrere Lebensjahre her.

"In den vergangenen Jahren haben Unternehmen wie Waymo, nuTonomy und Voyage neuere, bessere Datensätze für reale Szenarien veröffentlicht", sagte Udacity gegenüber Interesting Engineering (IE) in einem E-Mail-Austausch.

Mit anderen Worten, Udacity hat nicht aktiv neue Datensätze erstellt, um mit der neuesten Reihe selbstfahrender Autodatensätze Schritt zu halten, da es neueren Unternehmen vorerst den realen Boden öffentlicher Straßen zur Verfügung gestellt hat.

Maschinelles Lernen und Algorithmen

Maschinelles Lernen hat vielen Branchen geholfen, sich über ihren derzeitigen Zustand hinaus zu entwickeln. Das Einlernen von Computeralgorithmen für neue Aufgaben ist erforderlich, damit dieser Prozess reibungslos und sicher funktioniert. Auf einer ausreichend langen Zeitachse werden diese Datensätze immens komplex. Dies kann es für Menschen zu Beginn ihrer selbstfahrenden Autokarriere schwierig machen, sie zu erfassen. Deshalb sind unvollständige Datensätze - wie ein "einfacher Modus" in einem Videospiel - keine schlechte Idee. Solange sie im Gelände bleiben.

Selbstfahrende Autos benötigen viele Daten für ihre Algorithmen, um die Gefahren öffentlicher Straßen zu bewältigen. Wenn ein Auto nicht weiß, wie man einen menschlichen Fußgänger erkennt, der am Straßenrand geht, oder einen Radfahrer, der die Straße mit dem Auto teilt, können schwerwiegende Probleme auftreten.

Der kommerzielle Datensatzanbieter Roboflow veröffentlichte einen Artikel, in dem bestätigt wurde, dass in einem beliebten selbstfahrenden Autodatensatz tatsächlich Aktualisierungen fehlen. Der Udacity-Datensatz 2 wird von verwendet Tausende von Studenten, die einen Open-Source-Datensatz für selbstfahrende Autos erstellen.

Die Firma Roboflow überprüfte von Hand 15.000 Bilder aus dem Datensatz und entdeckte das 33% von ihnen hatten Probleme. Dort gab es Tausende von unbeschrifteten Fahrzeugen, Hunderte von unbeschrifteten Fußgängern und Dutzende von unbeschrifteten Radfahrern.

Stützräder für selbstfahrende Fahrzeugdatensätze

Roboflow hatte möglicherweise nicht die Absicht, die Öffentlichkeit irrezuführen. Das Konzept der Stützräder ist für jedermann schwer zu verstehen. Ist ein Fahrrad noch ein Fahrrad, wenn das Mädchen, das es fährt, zwei zusätzliche Räder hat? Irgendwie, aber nicht genau. Erlebt sie, wie es ist, Fahrrad zu fahren? Auf jeden Fall, aber ohne das reale Risiko eines möglichen Sturzes.

Ist sie bereit für die reale Sache?

Es liegt an ihr, und das Gleiche gilt für die Studenten, die entscheiden müssen, ob sie bereit sind, die Stützräder abzunehmen und ihre eigenen Datensätze unter Berücksichtigung des realen Risikos der Branche zu erstellen.

Beginnend mit dem Datensatz von Udacity hätten diese Schüler natürlich noch einen langen Weg vor sich. Zu der fehlenden Identifikation, die von Roboflow verfolgt wurde, gehörten doppelte Begrenzungsrahmen, übergroße Begrenzungsrahmen und Phantomanmerkungen.

Um die Sache kompliziert zu machen 1.4% Die Bilder waren einfach nicht verbunden, enthielten jedoch Autos, Lastwagen, Lichter und sogar Fußgänger - wie eine Einladung an die Datensatzentwickler von morgen, die Daten selbst auszufüllen.

Dies zeigt, wie unglaublich komplex Open-Source-Datensätze sind, und diese Diskrepanz zwischen realen Straßen und frühen Datensätzen ist ein Verdienst der führenden Datensatzunternehmen mit Fahrzeugen auf öffentlichen Straßen. Der selbstfahrende Autodatensatz von Udacity wird jedoch auf öffentlichen Straßen nicht verwendet. Gegenwärtig ist Udacitys einziges selbstfahrendes Auto nur für Bildungszwecke gedacht und auf einer geschlossenen Teststrecke aufgestellt.

Schüler, die einen Spickzettel benötigen - in ihrem Bestreben, die Lücken eines drei Jahre alten Datensatzes auszufüllen - haben Glück: Roboflow hat den Datensatz hier repariert und erneut veröffentlicht.

Wenn maschinelles Lernen die selbstfahrende Autotechnologie dazu drängt, Datensätze mit höherer Wiedergabetreue zu erstellen, wird es einfacher, über die Jahre und Jahrzehnte zurückzublicken und sich zu fragen, wie wir es geschafft haben.

Aber genau wie das Mädchen und ihr Fahrrad besteht die Herausforderung darin, die Stützräder zu entfernen und auf öffentlichen Straßen den eigenen Weg zu gehen.

*** Anmerkung der Redaktion: Dieser Artikel wurde aktualisiert - mit mehreren Änderungen - nachdem er von Udacity erläutert wurde. Eine frühere Version dieses Artikels implizierte, dass die selbstfahrenden Autodatensätze von Udacity auf öffentlichen Straßen aktiv genutzt wurden. Dies wurde korrigiert, um der Tatsache Rechnung zu tragen, dass die Unternehmensdaten nur für Bildungszwecke verwendet werden und tatsächlich nicht fehlerhafter sind als "Trainingsräder". Sie werden nur verwendet, um angehenden Dataset-Entwicklern zu helfen, sich mit der Technologie vertraut zu machen. Darüber hinaus hat Udacity seit drei Jahren keine neuen Datensätze mehr entwickelt und neueren, fortschrittlicheren Datensätzen, die von anderen, nicht verbundenen Unternehmen bereitgestellt werden, "das Wort erteilt". Darüber hinaus dient Udacitys einziges selbstfahrendes Auto ausschließlich zu Bildungszwecken und fährt auf einer geschlossenen Teststrecke, nicht auf öffentlichen Straßen. Insgesamt deutete die frühere Version dieses Artikels darauf hin, dass unvollständige Datensätze, die von Udacity entwickelt wurden, Fehler waren. Dies ist ein Missverständnis der Tatsache, dass alte Datensätze im Nachhinein zukünftiger Entwicklungen natürlich als Fehler erscheinen. Schließlich wurde der ursprüngliche Titel dieses Artikels geändert, um dies widerzuspiegeln. IE bedauert diese Fehler.

-IE Editorial ***


Schau das Video: 8Buchstabeneinführung sch Teil1 (Juli 2022).


Bemerkungen:

  1. Surur

    And this also happens :)

  2. Moogushura

    Ich kann gerade nicht an der Diskussion teilnehmen - ich bin sehr beschäftigt. Ich komme wieder - ich werde auf jeden Fall meine Meinung äußern.

  3. Flann

    Attendance is good

  4. Jarid

    Das versteht sich natürlich von selbst.

  5. Mijas

    Ich empfehle Ihnen, die Website zu besuchen, die viele Artikel zu diesem Thema gibt, das für Sie interessiert ist.

  6. Biast

    Meiner Meinung nach liegst du falsch. Ich bin sicher. Ich kann es beweisen. Senden Sie mir eine E -Mail an PM, wir werden diskutieren.

  7. Nef

    Wo kann ich darüber lesen?

  8. Libby

    Ich kann empfehlen, eine Website mit einer Vielzahl von Artikeln zu einem Thema zu besuchen, das für Sie interessiert ist.

  9. Jordy

    die unvergleichliche Antwort)



Eine Nachricht schreiben