سيارات مستقلة

تشهد مجموعة بيانات السيارة ذاتية القيادة القديمة على تطور التعلم الآلي

تشهد مجموعة بيانات السيارة ذاتية القيادة القديمة على تطور التعلم الآلي


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.

نظرًا لأن السيارات ذاتية القيادة أصبحت حقيقة واقعة على الطرق العامة ، يجب أن تكون جميع البيانات والمعلومات المسؤولة عن قيادتها بأمان على الكرة.

لهذا السبب ، عندما انتشرت الكلمات التي تفيد بأن ملصقات مئات المشاة وراكبي الدراجات والمخاريط المرورية ، من بين آخرين ، كانت مفقودة من مجموعة البيانات المستخدمة على نطاق واسع للسيارات ذاتية القيادة ، كان القلق هو رد الفعل الرئيسي. بعد كل شيء ، "قواعد الطريق" لا تأخذ في الحسبان السيارات ذاتية القيادة ذات النقاط العمياء التي تشمل البشر.

لكن هذا ليس هو الحال في الواقع.

انظر أيضًا: كيف تعمل سيارات القيادة الذاتية؟

تظهر مجموعات البيانات القديمة أن التعلم الآلي يتطور

خارج ال 15,000 الصور التي تم فحصها يدويًا من Udacity Dataset 2 ، 4,986 منهم ، هذا 33%، غير مكتملة ، وفقًا لموفر مجموعة البيانات التجارية Roboflow.ai. ولكن تم إنشاء مجموعات بيانات Udacity منذ أكثر من ثلاث سنوات ، وهي ليست نشطة في الشوارع العامة.

من المهم أن تتذكر: في سنوات التعلم الآلي على الإنترنت ، كانت ثلاث سنوات بشرية مضت على مدى الحياة.

قال يوداسيتي: "في السنوات الفاصلة ، قامت شركات مثل Waymo و nuTonomy و Voyage بنشر مجموعات بيانات أحدث وأفضل مخصصة لسيناريوهات العالم الحقيقي".

بعبارة أخرى ، لم تقم Udacity بإنشاء مجموعات بيانات جديدة بشكل نشط لمواكبة أحدث مجموعة من مجموعات بيانات السيارات ذاتية القيادة لأنها - في الوقت الحالي - قد أعطت أرضية العالم الحقيقي للشوارع العامة لشركات جديدة.

التعلم الآلي والخوارزميات

ساعد التعلم الآلي العديد من الصناعات على التطور إلى ما بعد وضعها الحالي. يعد تعليم خوارزميات الكمبيوتر للقيام بمهام جديدة أمرًا ضروريًا لهذه العملية لتعمل بسلاسة وأمان. على خط زمني طويل بما فيه الكفاية ، تصبح مجموعات البيانات هذه معقدة للغاية. هذا يمكن أن يجعل فهمها صعبًا على الأشخاص في بداية حياتهم المهنية في مجال السيارات ذاتية القيادة. لهذا السبب فإن مجموعات البيانات غير المكتملة - مثل "الوضع السهل" في لعبة فيديو - ليست فكرة سيئة. طالما بقوا على الطرق الوعرة.

تتطلب السيارات ذاتية القيادة الكثير من البيانات لخوارزمياتها للتنقل في مخاطر الشوارع العامة. إذا كانت السيارة لا تعرف كيفية التعرف على المشاة البشري الذي يسير على جانب الطريق ، أو إذا كان راكب الدراجة النارية يشارك الطريق مع السيارة ، فقد تظهر مشكلات خطيرة.

نشر مزود مجموعة البيانات التجارية ، Roboflow ، مقالاً يؤكد أن مجموعة بيانات السيارات ذاتية القيادة الشهيرة تفتقد بالفعل إلى التحديثات. يتم استخدام Udacity Dataset 2 بواسطة بالآلاف من الطلاب الذين يقومون ببناء مجموعة بيانات سيارات ذاتية القيادة مفتوحة المصدر.

تم فحص شركة Roboflow يدويًا 15000 صورة من مجموعة البيانات ، واكتشفت ذلك 33% منهم لديهم مشاكل. كانت هناك بالآلاف المركبات غير المسماة ، مئات المشاة غير المسجلين ، و العشرات من راكبي الدراجات غير المسماة.

عجلات تدريب لمجموعات بيانات السيارات ذاتية القيادة

ربما لم يكن لدى Roboflow أي نية لتضليل الجمهور. يصعب على الجميع فهم مفهوم عجلات التدريب. هل الدراجة ما زالت دراجة إذا كانت للفتاة التي تركبها عجلتان إضافيتان؟ نوعا ما ولكن ليس بالضبط. هل تشعر بما يشبه ركوب الدراجة؟ بالتأكيد ، ولكن بدون مخاطر السقوط في العالم الحقيقي.

هل هي مستعدة للشيء الحقيقي؟

الأمر متروك لها ، ويمكن قول الشيء نفسه عن الطلاب ، الذين يتعين عليهم أن يقرروا ما إذا كانوا مستعدين لخلع عجلات التدريب ، وبناء مجموعات البيانات الخاصة بهم في مخاطر العالم الحقيقي للصناعة.

بالطبع ، بدءًا من مجموعة بيانات Udacity ، سيكون أمام هؤلاء الطلاب طريق طويل ليقطعوه. تضمن التعريف المفقود الذي تتبعه Roboflow مربعات إحاطة مكررة وصناديق إحاطة كبيرة الحجم وشروح توضيحية وهمية.

لجعل الأمور معقدة ، حولها 1.4% من الصور كانت ببساطة غير معطلة ، لكنها احتوت على سيارات وشاحنات وأضواء وحتى مشاة - مثل دعوة مطوري مجموعة البيانات في المستقبل لملء البيانات بأنفسهم.

يوضح هذا مدى تعقيد مجموعات البيانات مفتوحة المصدر بشكل لا يصدق ، وهذا التناقض بين طرق العالم الحقيقي ومجموعات البيانات المبكرة هو ائتمان لشركات مجموعات البيانات المتطورة التي تمتلك مركبات على الطرق العامة. لكن مجموعة بيانات السيارة ذاتية القيادة من Udacity ليست مستخدمة على الطرق العامة. في الوقت الحالي ، فإن السيارة ذاتية القيادة الوحيدة التي تعمل في Udacity هي للاستخدام التعليمي فقط ، وتم إعدادها على مسار اختبار مغلق.

الطلاب الذين يحتاجون إلى ورقة غش - في طموحهم لملء ثقوب مجموعة بيانات عمرها ثلاث سنوات - محظوظون: قام Roboflow بإصلاح مجموعة البيانات وإعادة إصدارها هنا.

نظرًا لأن التعلم الآلي يدفع تكنولوجيا السيارات ذاتية القيادة لإنشاء مجموعات بيانات عالية الدقة ، فسيصبح من الأسهل الرجوع إلى الوراء على مر السنين والعقود والتساؤل عن كيفية إدارتنا.

ولكن ، تمامًا مثل الفتاة ودراجتها - يكمن التحدي في إزالة عجلات التدريب ، وشق طريقك على الطرق العامة.

*** ملاحظة المحررين: تم تحديث هذه المقالة - مع إجراء العديد من التغييرات طوال الوقت - بعد تلقي توضيح من Udacity. أشارت نسخة سابقة من هذه المقالة إلى أن مجموعات بيانات Udacity الخاصة بالسيارات ذاتية القيادة كانت قيد الاستخدام النشط في الشوارع العامة. تم تصحيح هذا ليعكس حقيقة أن بيانات الشركة تستخدم فقط للأغراض التعليمية ، وهي في الواقع ليست معيبة أكثر من "عجلات التدريب" ، وتستخدم فقط لمساعدة مطوري مجموعات البيانات الطموحين على أن يصبحوا أكثر دراية بالتكنولوجيا. بالإضافة إلى ذلك ، لم تطور Udacity مجموعات بيانات جديدة لمدة ثلاث سنوات ، وقد "أعطت الأرضية" لمجموعات بيانات أحدث وأكثر تقدمًا مقدمة من شركات أخرى غير منتسبة. بالإضافة إلى ذلك ، فإن السيارة ذاتية القيادة الوحيدة في Udacity هي للأغراض التعليمية حصريًا ، وتعمل على مسار اختبار مغلق ، وليس في الشوارع العامة. إجمالاً ، أشارت النسخة السابقة من هذه المقالة إلى أن مجموعات البيانات غير المكتملة التي طورتها Udacity كانت أخطاءً ، وهو ما يعد خطأً في تفسير حقيقة أن مجموعات البيانات القديمة ستظهر بشكل طبيعي على أنها أخطاء ، في ظل الإدراك المتأخر للتطورات المستقبلية. أخيرًا ، تم تغيير العنوان الأصلي لهذه المقالة ليعكس ذلك. IE يأسف لهذه الأخطاء.

-IE الافتتاحية ***


شاهد الفيديو: دراسة السيارات ذاتية القيادة لن تجعل الطرق آمنة بالكامل في المستقبل (قد 2022).