Waymo: KI für alles
Wieder einmal lässt die Google-Schwester Waymo einen Blick hinter die Kulissen zu und offenbart, dass eine neue Architektur der Künstlichen Intelligenz.
Dass die Künstliche Intelligenz beim Autonomen Fahren immer wichtiger wird, ist klar. Auch bei Waymo setzt man mit Vorzug auf diese Technologie.
AutoML Schema. Quelle: Medium.com
Vor allem im Bereich der Sensorauswertung und der Intentionsberechnung anderer Verkehrsteilnehmender, hilft die Künstliche Intelligenz dem automatisierten Fahrzeug. Dabei verwendet man eine Kombination unterschiedlicher neuronaler Netze für die Sensorauswertung, Objektidentifikation und Verfolgung von Bewegungen. Doch das Training und die Feinjustierung dieser Technologie kostet viel Zeit.
Daher hat man sich nun mit der Google-Abteilung für Künstliche Intelligenzen, dem Brain-Team, zusammengeschlossen. Das Ziel ist es die Künstliche Intelligenz automatisch zu trainieren. Außerdem sei das Team mit moderneren Systemen ausgestattet. Derart arbeitet man nun mit AutoML, wobei Auto für Automatisch und ML für Maschinen Lernen (Machine Learning) steht.
Die AutoML-Technologie wird in hoher Stückzahl und kontinuierlich geliefert. Außerdem seien die Künstlichen Intelligenzen schneller bei der Berechnung, verfügen also über eine geringere Latenz oder auch Inferenzzeit genannt. Das meint, dass das Ergebnis schneller vorhanden ist, was bei steigender Geschwindigkeit von enormer Bedeutung ist. Konkret erreiche man eine Latenz von 10 ms. Dank dieser Entwicklung soll es möglich werden, neue Umgebungen schneller zu realisieren.
Am Anfang verfolgte man Strategien, für eine verbesserte Objekterkennung. Dafür hat man einen automatischen Suchalgorithmus entwickelt, welcher Lidarbilder analysierte. Doch musste man sich dabei entscheiden, ob man eine höhere Qualität oder eine geringere Latenz erreichen wollte. Dann hat man dieses Konzept auf die Erkennung von Fahrbahnmarkierungen angewandt und konnte Erfolge verbuchen.
Daher hat man dieses Konzept weiterentwickelt und beschränkte die Suchauswahl, was dazu führte, dass man eine hohe Qualität bei geringer Latenz erreichte. Das Training wurde dabei ebenfalls verkürzt – von Monaten auf Stunden. Das Konzept nennt man bei Waymo die Proxy-End-to-End-Suche, was man auf Lidarsysteme angewandt hat.
Das Ergebnis war eine Reduktion der Latenz um 20 bis 30 Prozent bei gleicher Qualität. Bei höherer Qualität erreichte man eine rund zehnprozentige Verringerung der Fehlerquote, bei gleichbleibender Latenz. Diese Entwicklung hat man in die Fahrzeuge integriert. Dennoch arbeitet man an einer Verbesserung dieser KI-Architektur AutoML und will sie auch auf andere Bereiche anwenden.
Quelle (englisch)
