Intel Labs usa 'Grand Theft Auto' para entrenar autos de auto manejo

$config[ads_kvadrat] not found

Inside Intel's D1X: The World's Most Advanced Manufacturing Factory

Inside Intel's D1X: The World's Most Advanced Manufacturing Factory
Anonim

De todos los videojuegos que le mostrarías a alguien en la edición de controladores, Grand Theft Auto Puede que no esté en la parte superior de esa lista. Sin embargo, un equipo de Intel Labs y la Universidad de Darmstadt en Alemania descubrió que el uso de videojuegos brinda un nivel de precisión incomparable a la hora de identificar objetos.

El equipo, que publicó sus hallazgos en este documento, notó que el juego proporcionaba una simulación precisa de los escenarios de conducción del mundo real. Estos datos pueden ser utilizados por los autos que conducen en el mundo real para conducir y navegar de manera segura.

Los autos que conducen solos usan datos de identificación de objetos para ayudar a "aprender" cómo identificar objetos como peatones, farolas y paredes cuando se conduce en la calle. Normalmente, los fabricantes de automóviles crean estos datos a partir del video grabado desde el tablero de un automóvil. Pasan e identifican los objetos manualmente, y el sistema utiliza el aprendizaje automático para desarrollar una idea más amplia de cómo se ve cada objeto.

Utilizando Grand Theft Auto Sin embargo, el equipo pudo automatizar este proceso de manera mucho más efectiva. El equipo pudo grabar videos similares en el juego, pero fue capaz de identificar activos más rápidamente que representaban esos mismos objetos callejeros. El mundo virtual fotorrealista significa que los objetos identificados le dan al sistema las mismas ideas precisas de cómo se verán los objetos del mundo real.

La computadora puede identificar automáticamente los objetos en unos pocos segundos, un proceso que normalmente toma casi dos horas por imagen con el video grabado. Aquí está el proceso en acción:

"Con entornos artificiales, podemos recopilar sin esfuerzo datos anotados con precisión a gran escala con una considerable variación en la iluminación y la configuración del clima", Alireza Shafaei, Ph.D. estudiante de la Universidad de British Columbia, dijo MIT Technology Review.

Shafaei publicó su investigación en un artículo que detalla cómo los videojuegos pueden entrenar computadoras para ayudar a ver el mundo. "Demostramos que estos datos sintéticos son casi tan buenos, o incluso mejores, que el uso de datos reales para la capacitación", dijo.

Los autos autónomos utilizan una gran cantidad de datos, y técnicas como éstas serán vitales para mantenerse al tanto de las cosas. AT&T ha comenzado a probar una nueva red celular 5G, diseñada teniendo en cuenta los autos de conducción automática, que pueden priorizar los datos de misión crítica para evitar que los autos sin conductor sufran latencia. Sin embargo, todos estos datos tienen un costo, ya que los investigadores han advertido que los autos podrían ser susceptibles a la piratería. Los vehículos sin conductor están abriendo nuevas posibilidades para grandes conjuntos de datos, pero la cuestión de cómo manejar todo será la máxima prioridad.

$config[ads_kvadrat] not found