Waymo借助Google的搜尋技術,能從歷史自駕車駕駛日誌中,快速地搜尋任何曾遇過的物體,解決方法是利用類似Google相簿,搜尋貓或是狗等特定物體的技術。Waymo的自駕車總共已經行駛超過3,000萬公里,累積可搜尋的物體種類達數十億個。

Waymo使用機器學習來偵測和分類不同類型的物體和道路特徵,神經網路能夠辨識物體以及對應的行為,像是慢跑者或是騎自行車的人,在交通號誌部分,Waymo自駕車也可以辨識紅綠燈顏色,以及臨時擺設的路標。

Waymo從實際路駕中,收集了豐富的感測器日誌,但是這同時也帶來的巨大的挑戰,因為要配對這些自駕車感測器捕捉到的物體,就像是海底撈針一樣困難。過去Waymo仰賴啟發式方法以解析不同特徵的資料,當要日誌中搜尋路上騎滑板車的人,便需要藉由特定高度,以及物體行進時速等特徵進行搜尋,但這樣的特徵還是太過模糊,因為有不少物體具有相同屬性。

而現在Waymo的內容搜尋技術,將這類資料探勘的問題當作一種搜尋問題來解決,Waymo解釋,新方法的核心原理是知識轉移,從已經解決的問題,取得能夠解決相關問題的知識。在Google相簿中,可以讓用戶找出所有跟狗相關的照片,應用在Waymo的情境中,便是從駕駛日誌中,找出所有曾遇到狗的影像。

利用內容搜尋方法,Waymo工程師可以透過各種方式搜尋駕駛日誌,進行相似性搜尋、細分超精細分類的物體,也能以文字搜尋場景。相似性搜尋便是以圖像在駕駛日誌中尋找相似的物體,當Waymo工程師想要改進判斷仙人掌植被的模型,就能以隨意一張仙人掌圖像,搜尋自駕車觀測到真實世界中,外觀類似仙人掌的物體,並以這些資料訓練模型。

圖像搜尋模型將每一個Waymo駕駛日誌中的物體,像是公園長椅或是垃圾桶,轉換成為嵌入,目的是要能夠簡單地比較各物體的相似度,Waymo提到,利用屬性為每個物體創建嵌入,並部署類似Google即時嵌入相似度比對服務的程序,可有效率地查詢駕駛日誌,在幾秒鐘找出與查詢相似的物體。

由於單一類型的物體,可能有各種外觀與類型,像是路上的塑膠袋或是遺失的褲子等,Waymo利用超精細搜尋以尋找特定類別的物體,該搜尋系統的後端是分類機器學習模型,可以幫助內容搜尋工具在特定圖像中搜尋特定物體類別,能夠對汽車品牌、型號,甚至是特殊品種的狗,執行超精細搜尋。

Waymo利用內容搜尋技術,自動標記駕駛日誌中的數十億個物體,大幅提升資料標記的品質與速度,有了更多的訓練資料,Waymo就能更全面的辨識路上的各種物體與場景。

熱門新聞

Advertisement