सिंथिया वर्चुअल ट्रेनिंग ग्राउंड गुणात्मक रूप से प्रशिक्षण के प्रभाव को बदल देगा एआई रोबोट्स

काश, उस रोबोट कारों को स्वीकार करना उचित है, जो वर्तमान में लगभग सभी अग्रणी ऑटोमोटिव निर्माताओं द्वारा विकसित की जा रही हैं, वे अभी तक सड़क की स्थिति को नियंत्रित करने में किसी भी भरोसेमंद व्यावहारिक कौशल का प्रदर्शन करने में सक्षम नहीं हैं और अक्सर खो जाती हैं, या किसी भी तर्क के विपरीत कार्य करती हैं, जिससे संभावना बढ़ जाती है। दुर्घटना। लेकिन मूल रूप से स्व-ड्राइविंग कार, मानव-चालित कार के विकल्प के रूप में, सड़क दुर्घटनाओं के प्रतिशत को कम करने के उद्देश्य से बनाई गई थीं। बार्सिलोना में कंप्यूटर विजन सेंटर के विशेषज्ञ, जिन्होंने वास्तविक लोगों को अनुकरण करने वाली स्थितियों में सीखने की मशीन एआई के लिए एक अद्वितीय आभासी प्रशिक्षण ग्राउंड बनाया, उनके मूल समाधान की पेशकश की, जो एक रोबोमोबाइल के तंत्रिका नेटवर्क की सीखने की प्रक्रिया में दक्षता में सुधार करने और बढ़ाने की अनुमति देगा।



किसी को संदेह नहीं है कि रोबोट वाहनों को नियंत्रित करने वाले एआई सिस्टम के सुधार और प्रशिक्षण के साथ, बाद वाले अधिक आत्मविश्वास और सुरक्षित ड्राइविंग का प्रदर्शन करेंगे। और उस दिन में तेजी लाने के लिए जब "बैकअप पायलटिंग" की अवधारणा पूरी तरह से सभी अर्थ खो देती है, बार्सिलोना में कंप्यूटर विजन सेंटर की टीम ने सुझाव दिया कि वे सिंथिया के शहरी बुनियादी ढांचे का एक आभासी मॉडल बनाएं।

सिंथिया प्रशिक्षण मंच का मुख्य उद्देश्य, जो वास्तविक शहरी बुनियादी ढांचे की प्रक्रियाओं का अनुकरण करता है, कृत्रिम बुद्धि प्रणालियों के प्रशिक्षण में तेजी लाने, बाधाओं को पहचानने, तुरंत नेविगेट करने और विभिन्न मौसम स्थितियों में बारिश, कोहरे, बर्फ और बर्फ सहित विभिन्न अप्रत्याशित स्थितियों में निर्णय लेने की प्रक्रिया में तेजी लाने के लिए है।

जैसा कि आप जानते हैं, एक तंत्रिका नेटवर्क के प्रशिक्षण की प्रक्रिया में "खिलाया" गया मुख्य सामग्री वास्तविक दुनिया में प्राप्त छवियों और वीडियो का एक पुस्तकालय है। छवियों का विश्लेषण करके, तंत्रिका नेटवर्क विभिन्न श्रेणियों की वस्तुओं को पहचानना, सहसंबंधित करना और वर्गीकृत करना सीखते हैं, जैसे: अन्य कारें और वाहन, सड़क के संकेत, चिह्न, पैदल यात्री, आदि उपलब्ध डेटाबेस का उपयोग करते हुए, सिस्टम वास्तविक समय कैमरों से जानकारी की व्याख्या करता है। और सेंसर, ब्रेकिंग का प्रदर्शन करने के लिए अंतिम निर्णय लेते हैं, गलियों को बदलते हैं, तेज करते हैं, मोड़ते हैं, या एक विशिष्ट ट्रैफ़िक स्थिति द्वारा निर्धारित अन्य क्रियाएं करते हैं।



एआई सिस्टम के पास फ्रीवे या अन्य सीधे रास्ते पर ड्राइविंग करते समय डेटा को संसाधित करने में कोई समस्या नहीं है। एक दृश्यता के साथ शहर की परिस्थितियों में जटिलता का स्तर कई गुना बढ़ जाता है, सड़कों के कई चौराहों और चौराहों आदि की उपस्थिति में, दूसरी तरफ, तंत्रिका नेटवर्क को खिलाए गए सभी चित्रों और वीडियो को एनोटेट किया जाना चाहिए और छवियों में व्यक्तिगत वस्तुओं को चिह्नित किया जाना चाहिए, और इन एनोटेशन को मैन्युअल रूप से पूरा किया जाना चाहिए। काम की मात्रा की कल्पना करने के लिए, डेमलर विशेषज्ञों का एक उदाहरण देना पर्याप्त है, जिन्होंने सिटीस्केप प्रोजेक्ट के कार्यान्वयन के दौरान, 30 अलग-अलग वर्गों में विभाजित वस्तुओं के लिए लगभग 20,000 छवियों को एनोटेट करना था।

टेस्ला ऑटोपायलट सॉफ्टवेयर कंपनी Mobileye, ने इमेज प्रोसेसिंग में 600 पूर्णकालिक विशेषज्ञों को मैन्युअल रूप से शामिल किया है, और इस साल के अंत तक उनकी संख्या 1,000 तक बढ़ाई जाएगी। सिंथिया प्रशिक्षण मंच (शहरी परिदृश्य का इमेजिनरी और एनोटेशन्स का सिंथेटिक संग्रह) विकसित किया गया। बार्सिलोना से जर्मन रोज़ के नेतृत्व में विशेषज्ञों की एक टीम इस असहज समस्या का एक सुंदर समाधान प्रस्तुत करती है।



पहले से ही वर्गीकृत वस्तुओं की भागीदारी के साथ एक वीडियो गेम के रूप में कल्पना की गई, सिंथिया कई स्थितियों का अनुकरण करने में सक्षम है, जिनमें संभावना नहीं है कि एआई वास्तविक जीवन में मुठभेड़ की संभावना नहीं है।

यूनिटी गेम इंजन का उपयोग करने से आप शहरी वातावरण का एक यथार्थवादी मॉडल बना सकते हैं और अनायास इसे आभासी जीवन से भर सकते हैं: पैदल चलने वालों, साइकिल चालकों द्वारा अप्रत्याशित व्यवहार, सही ढंग से और अनुचित तरीके से खड़ी कारें, आदि। कार्यक्रम की विशेषताओं में से एक है विभिन्न मौसम संबंधी स्थितियों को ध्यान में रखते हुए सभी प्रकार की स्थितियों को अनुकरण करने की क्षमता। मौसम और अन्य। एक आभासी वातावरण में, शोधकर्ताओं ने एक निश्चित कैमरा अभिविन्यास के साथ एक आभासी कार रखी और इसके लिए एक अवसर बनाया स्वतंत्र रूप से आभासी शहर के चारों ओर घूमते हैं, जो चित्र और वीडियो में चारों ओर हो रहा है उसे कैप्चर करता है। तो एक कृत्रिम डेटाबेस त्रुटिहीन एनोटेशन के साथ उच्च गुणवत्ता वाले यथार्थवादी चित्रों और वीडियो से प्राप्त किया गया था। अगले चरण में, प्राप्त आंकड़ों को प्रशिक्षण के लिए एक तंत्रिका नेटवर्क को खिलाया जा सकता है।

आज तक, सेंटर फॉर कंप्यूटर विजन के विशेषज्ञों द्वारा बनाए गए डेटाबेस में लगभग 213 हजार चित्र और वीडियो शामिल किए गए हैं। इसी समय, सभी चित्रों को एक विशेष स्थिति के अनुसार वर्गीकृत किया जाता है, जिसमें अधिकतम सन्निकटन होता है जो वास्तविक की नकल करता है। सिंथिया प्रणाली के पहले क्षेत्र परीक्षणों ने प्रभावशाली परिणाम और विधि की उच्च दक्षता दिखाई।



आठ अलग-अलग तंत्रिका नेटवर्क एल्गोरिदम का उपयोग करके सीखने की प्रक्रिया का विश्लेषण करना, जो निम्न-गुणवत्ता वाली छवियों (240,180 पिक्सल के एक संकल्प के साथ) को खिलाया गया था, विशेषज्ञ इस निष्कर्ष पर पहुंचे कि कुछ "सिंथेटिक" छवियों को वास्तविक छवियों के डेटाबेस में जोड़ने से ऑब्जेक्ट मान्यता 11 की सटीकता में काफी वृद्धि होगी। 45 से 55 प्रतिशत तक विभिन्न वर्ग। सॉफ़्टवेयर का व्यावसायिक संस्करण, उच्च-रिज़ॉल्यूशन छवियों का उपयोग करते हुए, जिनमें से विकास हरमन रोज़ा की एक टीम पर काम कर रहा है, प्रशिक्षण प्रणाली की प्रभावशीलता को और भी अधिक बढ़ा देगा।

आज, सिंथिया द्वारा उत्पादित और संचित सभी डेटा "व्यावसायिक उपयोग के लिए नहीं" लाइसेंस के तहत सार्वजनिक उपयोग के लिए स्वतंत्र रूप से उपलब्ध है। यह हितधारकों और संगठनों के साथ प्रतिक्रिया स्थापित करने, उत्पाद को लोकप्रिय बनाने और मंच को बेहतर बनाने के नए तरीके खोजने के लिए किया जाता है। और रोबेम्बाइलस सिंथिया डेवलपर्स के निर्माता प्रशिक्षण मंच के उपयुक्त संस्करणों के निर्माण का सुझाव देते हैं, कैमरे के अद्वितीय विन्यास और आभासी कार के अन्य सेंसर को ध्यान में रखते हुए, पूरी तरह से बनाई गई कार के कैमरों और सेंसर के अनुरूप है।


_{प्राथमिक स्रोत}

---

यह सब, आपके साथ जटिल ड्रोनक.रू उपकरण चुनने के लिए एक सरल सेवा थी  । हमारे ब्लॉग को सब्सक्राइब करना ना भूलें  , और भी कई रोचक बातें होंगी ...

- ?	8% AliExpres -	— - Aliexpress

Source: https://habr.com/ru/post/hi395257/