1. Foren
  2. Kommentare
  3. Automobil
  4. Alle Kommentare zum Artikel
  5. › Starsky Robotics: Woran ein Startup…

woher wollten sie die Daten nehmen?

  1. Thema

Neues Thema Ansicht wechseln


  1. woher wollten sie die Daten nehmen?

    Autor: wiseboar 26.03.20 - 12:20

    Wenn man sich mit dem Thema AI auseinandersetzt, erkennt man ziemlich schnell, dass ein zentraler Bestandteil aller Algorithmen der Datensatz ist, mit dem er trainiert wird. Dieser muss einerseits sehr groß sein, um möglichst viele "edge cases" mit vielen Beispielen abzudecken.

    Ich frage mich bei diesen autonomes-Fahren Start-Ups ernsthaft woher die Daten kommen sollen. Bei Waymo und Tesla steckt da ja ordentlich was dahinter. Und bei den Automobilherstellern ist es denkbar, dass sie hier nachziehen. Aber irgendein kleines Start-Up mit ein paar Ingenieuren?

    Die Strategien sind ja unheimlich interessant. Waymo kartografiert mit wahnsinnigem Detail, und will vermutlich dann alle Abweichungen von der Karte mit Lidar/Kameras/usw. ertasten und damit dynamische Objekte und den "drivable space" bestimmen. Tesla versuchts mit Kameras und arbeitet schon länger an Objekterkennung, mit dem Flotten-Ansatz dahinter um für verschiedene Gegebenheiten einen Datensatz generieren zu können, indem man sich spezifisch Daten von nicht-autonom fahrenden Tesla-Besitzern holt.

    Momentan dürfte noch niemand ein neuronales Netz für die Pfad-Findung selbst verwenden, sondern nur für die Objekt-Erkennung in der Umgebung. Angeblich dürfte das Ziel von Tesla sein, durch die vielen Daten von nicht-autonomen Teslas einen riesigen Trainings-Datensatz zu Pfadfindung im einer komplexen Umgebung zu erstellen, und mit diesem dann zu trainieren. Um zu dem Schritt zu kommen, dürfte der Ansatz verfolgt werden zuerst die Objekt-Erkennung und Abstands-Bestimmung möglichst solide zu bekommen, um die Eingangs-Layer der Pfadfindung mit möglichst guten Daten zu versorgen. Mich würde wirklich interessieren, wo sie da stehen.

  2. Re: woher wollten sie die Daten nehmen?

    Autor: wiseboar 26.03.20 - 13:13

    kann nicht editieren: * Der Datensatz muss einerseits sehr groß sein, andererseits auch kommt noch viel "Labeling"-Arbeit dazu, um die Daten überhaupt verwendbar zu machen.


    dazu vielleicht noch mehr: Der Ansatz ist supervised learning. Man braucht also einen Datensatz, wo alles korrekt "gelabelt" ist, um damit einem neuronalen Netz mit viel Training beizubringen das bei neuen Daten auch korrekt zu machen. Der erste Schritt ist das von Menschen machen zu lassen - also Menschen ein Tool in die Hand geben, und die malen dann an was ein Auto ist, eine Laterne, etc. etc. etc.. Das ist aber nicht skalierbar.

    Daher kommen dann die 2 verschiedenen Ansätze von Waymo und Tesla.

    Wenn ich es richtig einschätze, will Waymo das automatische Labelling einfacher machen, indem eine detaillierte Karte zur Verfügung steht, die vermutlich ständig von den Autos selbst aktualisiert wird. Dadurch muss man "nur" die Unterschiede zur bekannten Karte erkennen, und spart sich einen Haufen Arbeit um von den "Rohdaten" auf die dynamischen Objekte inkl. Abstands-Bestimmung zu kommen. Die Pfad-Findung soll vermutlich mit der Karte + Delta-Daten so stark vereinfacht werden, dass sie trivial wird.

    Tesla will im Endeffekt darauf hinaus, dass sie durch ihre Flotte eine perfekte Verbindung von Rohdaten -> Pfadfindung haben, da ja eben ein Haufen Menschen die Pfadfindung machen indem sie mit den Autos fahren. So weit sind sie aber noch nicht, momentan stecken sie irgendwo in der Mitte bei solider Objekterkennung / Entfernungs- und "drivable space"-Bestimmung, woraus ein normaler Software-Algorithmus eine Pfad-Findung ableitet.

    Ich denke daher kommt auch der Optimismus von Musk, das in absehbarer Zeit lösen zu können. Nämlich, wenn sie es schaffen das Modell direkt auf die Pfad-Findung umzustellen, die direkt nach menschlichen Daten modelliert ist. Damit könnte die Qualität des "Autopiloten" sehr stark zunehmen. Und so tragisch es klingt: mit jedem Unfall, in dem ein Tesla verwickelt ist, wird der Datensatz robuster.



    1 mal bearbeitet, zuletzt am 26.03.20 13:13 durch wiseboar.

  3. Re: woher wollten sie die Daten nehmen?

    Autor: PerilOS 26.03.20 - 16:05

    Wenn du AI "trainieren" musst, ist es schlicht nur maschinelles lernen. Es hat absolut nichts mit Intelligenz zutun. Gerade beim autonomen fahren geht es nicht darum, dass das Auto in 99,9% der Fälle funktioniert, sondern bei 99,99% der Fälle. Weil es zu Unfällen kommt, muss das Auto entscheiden können anhand der AKTUELLEN Datenlage. Und wenn links gerade Gegenverkehr beim ausweichen ist, bringt es nichts statistisch zu wissen, das 95% der Autos in dieser Situation links ausweichen.

  4. Re: woher wollten sie die Daten nehmen?

    Autor: WalterSobchak 26.03.20 - 16:55

    In den allermeisten Fällen ist VOLLBREMSUNG und nicht ausweichen wohl die beste Entscheidung. Auch und gerade für eine AI.

  5. Re: woher wollten sie die Daten nehmen?

    Autor: wiseboar 27.03.20 - 08:31

    2 riesige Textblöcke, und die Antworten darauf sind
    "machine learning != Intelligenz" & "Intelligenz muss man nicht trainieren"
    und
    "immer Vollbremsung bitte"

    Manchmal frag ich mich warum ich Kommentare schreibe.

  1. Thema

Neues Thema Ansicht wechseln


Um zu kommentieren, loggen Sie sich bitte ein oder registrieren Sie sich. Zum Login

Stellenmarkt
  1. Campact e.V., deutschlandweit (Remote-Arbeitsplatz)
  2. FRoSTA AG, Bremerhaven, Lommatzsch, Bobenheim-Roxheim, Rom (Italien), Bydgoszcz (Polen)
  3. DB Netz AG, Frankfurt (Main)
  4. KfW Bankengruppe, Frankfurt am Main

Golem pur
  • Golem.de ohne Werbung nutzen

Anzeige
Hardware-Angebote
  1. 249€ (Vergleichspreis 277,99€)


Haben wir etwas übersehen?

E-Mail an news@golem.de


Lkw-Steuerung: Ein Fernfahrer, der in der Nähe bleibt
Lkw-Steuerung
Ein Fernfahrer, der in der Nähe bleibt

Noch fernsteuern den automatisierten Lastwagen T-Pod Entwickler, die Lkw-Fahren gelernt haben. Jetzt wird erstmals der umgekehrte Fall getestet - um das System kommerziell zu machen.
Ein Bericht von Werner Pluta

  1. Neue Prioritäten Daimler setzt beim autonomen Fahren zuerst auf Lkw
  2. Autonomes Fahren AutoX und Fiat planen autonome Taxis in China
  3. Human Drive Autonomer Nissan Leaf fährt durch Großbritannien

Coronakrise: IT-Freelancer müssen als Erste gehen
Coronakrise
IT-Freelancer müssen als Erste gehen

Die Pandemie schlägt bei vielen IT-Freiberuflern schneller zu als bei Festangestellten. Schon die Hälfte aller Projekte sind gecancelt. Überraschung: Bei der anderen Hälfte läuft es weiter wie bisher. Wie das?
Ein Bericht von Peter Ilg

  1. Coronakrise SPD-Chefin warnt vor Panik durch ungenaues Handytracking
  2. Buglas Corona-Pandemie zeigt Notwendigkeit der Glasfaser
  3. Coronavirus Media Markt und Saturn stoppen Mietzahlungen

Microsoft Teams im Alltag: Perfektes Werkzeug, um Effizienz zu vernichten
Microsoft Teams im Alltag
Perfektes Werkzeug, um Effizienz zu vernichten

Wir verwenden Microsofts Chat-Dienst Teams seit vielen Monaten in der Redaktion. Im Alltag zeigen sich so viele Probleme, dass es eigentlich eine Belohnung für alle geben müsste, die das Produkt verwenden.
Von Ingo Pakalski

  1. Coronavirus Microsoft muss einige Azure-Dienste und Teams einschränken
  2. Microsoft Investition in Entwickler von Gesichtserkennung soll enden
  3. Adobe-Fontbibliothek Font-Sicherheitslücke in Windows ohne Fix