Tesla подает заявку на патент, описывающий получение тренировочных данных для автопилота от машин, принадлежащим автопарку компании ??

Tesla подает заявку на патент, описывающий получение тренировочных данных для автопилота от машин, принадлежащим автопарку компании ??

Tesla подала заявку на патент, в котором описывает способ получения данных для обучения своих нейросетей, основываясь на информации, которую компания может получить от своего парка автомобилей на дорогах. Патент был подан от лица Tesla, но глава отдела компании в области программного обеспечения AI и Autopilot, Андрей Карпати (Andrej Karpathy), указан как единственный разработчик и создатель.

В заявке Андрей Карпати описывает проблематику сбора данных для создания нейронных сетей глубокого обучения:

"Системы глубокого обучения, используемые для таких задач как автономное вождение, разрабатываются путем тренировки моделей машинного обучения. Как правило, производительность технологии глубокого обучения ограничена, по крайней мере частично, качеством тренировочного набора, используемого для создания модели. Во многих случаях значительные средства вкладываются в сбор, анализ и разбиение обучающих данных. Усилия же, которые необходимо приложить для создания такого набора, могут быть зачастую слишком утомительными и сложными. Кроме того, часто возникает потребность в усовершенствовании каких-то специфических качеств модели и как-раз для таких конкретных случаев бывает трудно собрать необходимые данные".

Подход Tesla к развитию системы автономного вождения сильно отличается от большинства других компаний. В то время как большинство других компаний используют относительно небольшой парк машин для сбора данных и тестирования своих систем, Tesla использует свой парк из сотен тысяч автомобилей клиентов, оснащенных набором датчиков, для сбора данных о дорогах и вождении, а также для тестирования системы автопилота.

Эти собранные данные чрезвычайно ценны для компании Tesla при обучении её нейросетей автономному вождению. Тем не менее, компании приходится тщательно проверять собранную информацию, которую они собираются отправлять в нейросеть.

Карпати также отмечает в патентной заявке:

"По мере того, как модели машинного обучения усложняются, например, создаются более глубокие нейронные сети, возрастает необходимость в больших наборах обучающих данных. Таким сложным моделям может потребоваться большее количество примеров для тренировки, по сравнению с небольшими нейронными сетями, это призвано обеспечить их высокую обобщаемость ситуации. Например, нейронная сеть может показать высокую точность по отношению к обучающим данным, но будет неспособна хорошо обобщать будущие примеры. В этом случае нейронная сеть может извлечь пользу из дополнительных примеров, включенных в обучающие данные".

Поэтому инженер рассказывает о своём запатентованном методе для распознавания потенциально хороших данных для набора, перед тем как полученная информация пойдёт на тренировку нейросети:

"Примерный алгоритм заключается в сборе данных с датчика и применении нейронной сети к ним. К промежуточному результату нейронной сети применяется триггерный классификатор для получения оценочных “баллов”. На основе такой частичной оценки от классификатора принимается решение о том, следует ли дальше передавать через нейронную сеть данные, полученные с сенсоров. В случае положительного решения, данные с сенсора продвигаются дальше и используются в финальном генерировании тренировочных данных".

Схемы из патентной заявки, поясняющие этот алгоритм смотрите в ссылке на оригинал статьи, под первой картинкой в посте ?

Комментарии: