Cómo los datos de vanguardia entrenan a la IA para una respuesta precisa en tiempo real

Únase a los líderes del 26 al 28 de julio para Transform AI y Edge Week. Escuche a líderes de alto nivel hablar sobre temas relacionados con la tecnología AL/ML, IA conversacional, IVA, NLP, Edge y más. ¡Reserva tu pase gratis ahora!

La conducción autónoma se considera el futuro de la movilidad, gracias a empresas como Tesla que desarrollan sistemas avanzados de asistencia al conductor (ADAS) basados ​​en IA para ayudar a los usuarios a moverse por el mundo punto a punto bajo ciertas condiciones.

El progreso ha sido sorprendente para muchos, pero el hecho es que todavía estamos muy lejos de los vehículos verdaderamente autónomos. Para lograr una verdadera autonomía, los vehículos autónomos deben superar a los conductores humanos en todas las condiciones, ya sea en un área urbana densamente poblada, un pueblo o un escenario inesperado en curso.

"La mayoría de las veces, la conducción autónoma es bastante fácil. A veces, es tan simple como conducir por una carretera desierta o seguir a un vehículo que va delante. Pueden ocurrir una gran variedad de 'casos extremos'", Kai Wang, director de previsión de Zoox, empresa de movilidad propiedad de Amazon, dijo en la conferencia Transform 2022 de VentureBeat.

Estos casos extremos crean problemas para los algoritmos. Imagina un grupo de personas que ingresan a la calle desde un punto ciego o un montón de escombros en el camino.

Evento

Transformar 2022

Regístrese ahora para obtener su pase virtual gratuito para Transform AI Week, del 26 al 28 de julio. Escuche a los líderes de inteligencia artificial y datos de Visa, Lowe's eBay, Credit Karma, Kaiser, Honeywell, Google, Nissan, Toyota, John Deere y más.

registrarse aquí Esfuerzo de entrenamiento de Zoox

Los humanos son bastante buenos para reconocer y responder a casi cualquier tipo de caso límite, pero a las máquinas les resulta difícil porque hay muchas posibilidades de lo que puede suceder en el futuro. Para resolver este problema, Zoox, que desarrolla un software de conducción totalmente autónomo y un robotaxi autónomo especialmente diseñado, adoptó un enfoque de varios niveles.

"Realmente no existe una solución única que resuelva todos estos casos, por lo que estamos tratando de integrar diferentes tipos de mitigaciones en todo nuestro sistema, en cada capa para brindarnos la mejor oportunidad de manejar estas cosas”, dijo Wang.

Primero, como explicó el ejecutivo, Zoox permite la percepción de diferentes condiciones/objetos al traer datos de los módulos de sensores ubicados en las cuatro esquinas de su vehículo.

Cada pod incluye varias modalidades de sensores (cámaras RGB, sensores Lidar, radares y sensores térmicos) que se complementan entre sí. Por ejemplo, las cámaras RGB pueden detectar detalles en las imágenes, pero no pueden medir la profundidad, de lo que se encarga Lidar.

“El trabajo de nuestro sistema de percepción es usar todos estos sensores juntos y fusionarlos para producir una representación única de todos los objetos que nos rodean”, dijo Wang.

Una vez que se reconocen los agentes circundantes, el sistema modela dónde terminarán en los próximos segundos. Esto se hace con algoritmos de aprendizaje profundo basados ​​en datos que generan una distribución de posibles trayectorias futuras. Después de eso, considera todas las entidades dinámicas y sus trayectorias previstas y toma una decisión sobre qué hacer o cómo navegar con seguridad a través del escenario actual hasta el destino objetivo.

guía remota

Si bien el sistema modela y maneja de manera efectiva los casos extremos, es posible que se encuentre con algunas situaciones nunca antes vistas en el camino. En estos casos, el sistema se detiene y usa las capacidades de localización para llamar a un experto humano para que lo ayude (mientras verifica colisiones y obstáculos con otros agentes al mismo tiempo).

"Tenemos un operador humano conectado a la situación para sugerir una ruta a través del bloqueo. Hasta ahora, hemos recibido orientación remota durante menos del 1 % del tiempo total de nuestra misión en entornos complejos. Y a medida que nuestro sistema gana impulso ...