Im vergangenen Jahr startete Harming Face, die AI Dev Platform, Lerobot, eine Sammlung offener KI-Modelle, Datensätze und Tools, um reale Robotiksysteme aufzubauen. Am Dienstag hat sich das Umarmungsgesicht mit dem AI -Startup Yaak zusammengetan, um Lerobot mit einem Trainingsset für Roboter und Autos zu erweitern, die sich autonom um Umgebungen wie Stadtstraßen navigieren können.
Das neue Set, genannt Lernen zum Fahren (L2D)ist über eine Größe von Petabyte und enthält Daten von Sensoren, die an Autos in deutschen Fahrschulen installiert wurden. L2D erfasst Daten von Kamera-, GPS und „Fahrzeugdynamik“ von Fahrlehrern und Studenten, die mit Bauzonen, Kreuzungen, Autobahnen und vielem mehr Straßen navigieren.
Es gibt eine Reihe offener selbstfahrender Trainingsessätze von Unternehmen, darunter Alphabet’s Waymo und Comma AI. Viele dieser Fokussierungen konzentrieren sich jedoch auf Planungsaufgaben wie die Erkennung und Verfolgung von Objekten, die nach Angaben von L2D qualitativ hochwertige Anmerkungen erfordern, was es schwierig macht, sie zu skalieren.
Im Gegensatz dazu soll L2D die Entwicklung des „End-to-End“ -Lernens unterstützen, behaupten seine Schöpfer, die die Vorhersage von Aktionen (z. B. wenn ein Fußgänger die Straße überqueren könnte) direkt von Sensoreingaben (z. B. Kameramaterial) vorhersagen kann (z. B. Kameramaterial),
„Die KI-Community kann jetzt End-to-End-Selbstfahrermodelle aufbauen“, schrieb Yaak-Mitbegründer Harsimrat Sandhawalia und Remi Caden, Mitglied der KI für Robotics-Team bei Hugging Face, in einem Blog-Beitrag. „L2D möchte der größte selbstfahrende Datensatz von Open-Source sein, der die KI-Community mit einzigartigen und vielfältigen ‚Episoden“ für die Ausbildung von räumlicher Intelligenz von End-to-End-Intelligenz befähigt. „
Umarme Face und Yaak planen, in diesem Sommer mit L2D und Lerobot mit L2D und Lerobot ausgebildete Modelle zu „geschlossenen Schleifen“ -Tests durchzuführen. Die Unternehmen fordern die KI -Community auf, Modelle und Aufgaben einzureichen, auf denen die Modelle bewertet werden sollen, z.