Тедди Лаурита
Помните времена, когда люди использовали атласы и ориентиры для навигации? К счастью, с тех пор мы миновали темные века, открыли для себя сельское хозяйство и больше не берем с собой физические карты, когда едем за рулем, однако визуальные подсказки и ориентиры по-прежнему важны для способности людей ориентироваться на городских улицах.
Google надеется, что автономные автомобили смогут использовать те же стратегии навигации, основанные на ориентирах, и они уже опережают игру. Используя свой набор данных StreetLearn изображений, в основном полученных с помощью Google Street View, они использовали возможности глубокого обучения своего пакета DeepMind для обучения программного агента навигации по городам с использованием визуальных подсказок, избегая необходимости координат GPS или даже карты. Пакет DeepMind использует сеть многоуровневых алгоритмов глубокого обучения для очень простого моделирования человеческого мозга.
В настоящее время проект сосредоточен на изучении улиц Нью-Йорка, Лондона и Парижа путем разделения города на регионы и обучения навигации по этим регионам. Например, Нью-Йорк разделен на Гарлем, Центральный парк, Мидтаун и Гринвич-Виллидж, что означает, что автономный водитель в настоящее время может перемещаться в пределах этих регионов, но пока не может перемещаться между регионами.
Однако интересные новости появятся в ноябре, так как на вопрос, когда этот набор данных будет предоставлен другим исследователям, Райя Хадселл, научный сотрудник команды DeepLearn, ответила: «Возможно, в ноябре». После того, как этот набор данных будет предоставлен ученым в области глубокого обучения среди населения, мы можем ожидать, что эта технология будет распространяться среди всех разрабатываемых в настоящее время автономных драйверов.
Для получения дополнительной информации об автономном драйвере DeepLearn и предстоящем выпуске набора данных StreetLearn см. здесь: https://www.techrepublic.com/article/google-to-release-deepminds-streetlearn-for-teaching-machine-learning- агенты-навигация-города/»
