Otonom sürüşü güvenli bir şekilde gerçekleştirmek, bir aracı yola çıkarmadan önce ortaya çıkabilecek her durum hakkında neredeyse sonsuz saat süren eğitim yazılımı gerektirir. Tarihsel olarak, özerklik şirketleri, algoritmalarını eğitmek için gerçek dünyadan çok sayıda veri topladılar, ancak bir sistemi yalnızca gerçek dünya verilerine dayalı uç vakalarla nasıl başa çıkacağını eğitmek imkansız. Sadece bu da değil, ilk etapta tüm bu verileri toplamak, sıralamak ve etiketlemek bile zaman alıyor.
Cruise, Waymo ve Waabi gibi çoğu sürücüsüz araç şirketi, gerçek dünyadan toplanan verilerle imkansız olan hız ve kontrol düzeyi ile algı modellerini eğitmek ve test etmek için sentetik verileri kullanır. Paralel Etki AlanıÖzerk şirketler için bir veri üretim platformu oluşturan bir girişim olan , sentetik verilerin vizyon ve algı sistemlerini güçlendiren yapay zekayı ölçeklendirmek ve onları fiziksel dünyanın öngörülemezliğine hazırlamak için kritik bir bileşen olduğunu söylüyor.
Başlangıç, liderliğindeki 30 milyon dolarlık bir B Serisini kapattı. March Capital, dönüş yatırımcıları Costanoa Ventures, Foundry Group, Calibrate Ventures ve Ubiquity Ventures’ın katılımıyla. Parallel Domain, gelişmiş sürücü destek sistemleri kuran bazı büyük OEM’lere ve çok daha gelişmiş kendi kendine sürüş sistemleri kuran otonom sürüş şirketlerine sentetik veriler sağlayarak otomotiv pazarına odaklanmıştır. Kurucu ortak ve CEO Kevin McNamara’ya göre, Parallel Domain artık dronlara ve mobil bilgisayar görüşüne doğru genişlemeye hazır.
TechCrunch’a konuşan McNamara, “İçerik üretimi için üretken yapay zeka yaklaşımlarını da gerçekten ikiye katlıyoruz” dedi. “Üretken yapay zekadaki bazı ilerlemeleri dünyalarımıza çok daha geniş çeşitlilikte şeyler, insanlar ve davranışlar getirmek için nasıl kullanabiliriz? Çünkü yine, buradaki zor kısım gerçekten, fiziksel olarak doğru bir işleyiciye sahip olduğunuzda, bir arabanın karşılaşması gereken milyonlarca farklı senaryoyu gerçekten nasıl oluşturacaksınız?
Başlangıç ayrıca McNamara’ya göre Kuzey Amerika, Avrupa ve Asya’da büyüyen müşteri tabanını desteklemek için bir ekip kiralamak istiyor.
Sanal dünya oluşturma
Parallel Domain’in sentetik verilerinin bir örneği. Resim Kredisi: Paralel Etki Alanı
Parallel Domain 2017’de kurulduğunda, girişim gerçek dünyadaki harita verilerine dayalı sanal dünyalar yaratmaya aşırı derecede odaklanmıştı. Son beş yılda Parallel Domain, dünya neslini arabalar, insanlar, günün farklı saatleri, hava durumu ve bu dünyaları ilginç kılan tüm davranışlarla doldurarak yeni nesillere katkıda bulundu. Bu, Paralel Etki Alanının önemli olduğu müşterilere olanak sağlar Google, Continental, Woven Planet ve Toyota Araştırma Enstitüsü — vizyon ve algı sistemlerini gerçekten eğitmek ve test etmek için ihtiyaç duyacakları dinamik kamera, radar ve lidar verileri oluşturmak için, dedi McNamara.
Parallel Domain’in sentetik veri platformu iki moddan oluşur: eğitim ve test. Eğitim sırasında müşteriler, modellerini eğitmek istedikleri üst düzey parametreleri (örneğin, %50 yağmur, %20 gece ve her sekansta bir ambulans ile otoyolda sürüş) tanımlayacak ve sistem yüzbinlerce örnek üretecektir. bu parametreleri karşılar.
Test tarafında Parallel Domain, müşterinin dünyadaki dinamik nesnelerin yerleşimini kontrol etmesine izin veren ve daha sonra belirli senaryoları test etmek için simülatörlerine bağlanabilen bir API sunar.
Örneğin Waymo, özellikle farklı özellikleri test etmek için sentetik verileri kullanmaya meraklıdır. hava koşulları, şirket TechCrunch’a söyledi. (Sorumluluk Reddi: Waymo, onaylanmış bir Parallel Domain müşterisi değildir.) Waymo, hava durumunu gerçek dünyada ve simülasyonda kat ettiği tüm mesafelere uygulayabileceği yeni bir mercek olarak görüyor, çünkü tüm bu deneyimleri keyfi hava durumuyla hatırlamak imkansız olacak. koşullar.
İster test ister eğitim olsun, Parallel Domain’in yazılımı bir simülasyon oluşturduğunda, simüle edilen her aracıya karşılık gelecek etiketleri otomatik olarak üretebilir. Bu, makine öğrenimi ekiplerinin zorlu verileri etiketleme sürecinden geçmek zorunda kalmadan denetimli öğrenme ve test yapmalarına yardımcı olur.
Parallel Domain, özerk şirketlerin eğitim ve test ihtiyaçlarının tamamı olmasa da çoğu için sentetik verileri kullandığı bir dünya öngörüyor. Günümüzde sentetik verilerin gerçek dünya verilerine oranı şirketten şirkete değişmektedir. Çok sayıda veri toplamak için tarihsel kaynaklara sahip daha yerleşik işletmeler, ihtiyaçlarının yaklaşık %20 ila %40’ı için sentetik verileri kullanırken, ürün geliştirme süreçlerinde daha erken olan şirketler, %20 gerçek dünyaya karşı %80 sentetik veriye güveniyor. McNamara’ya göre.
March Capital’in ortağı ve şu anda Parallel Domain’in yönetim kurulu üyelerinden biri olan Julia Klein, sentetik verilerin makine öğreniminin geleceğinde kritik bir rol oynayacağını düşündüğünü söyledi.
“Bilgisayarlı görü modellerini eğitmek için ihtiyaç duyduğunuz gerçek dünya verilerini elde etmek çoğu zaman bir engeldir ve bu verileri içeri alabilmek, bu verileri etiketlemek, gerçekten olabileceği bir konuma hazır hale getirmek açısından zorluklar vardır. kullanıldı, ”dedi Klein TechCrunch’a. “Parallel Domain ile gördüğümüz şey, bu süreci önemli ölçüde hızlandırmaları ve ayrıca gerçek dünya veri kümelerinde bile elde edemeyeceğiniz şeyleri ele almalarıdır.”