سال گذشته، هیوگینگ فیس (Hugging Face)، پلتفرم توسعه هوش مصنوعی، LeRobot را راهاندازی کرد، مجموعهای از مدلهای هوش مصنوعی، مجموعههای داده و ابزارهایی که به ساخت سیستمهای رباتیک دنیای واقعی کمک میکنند. روز سهشنبه، هیوگینگ فیس با استارتاپ هوش مصنوعی Yaak همکاری کرد تا LeRobot را با یک مجموعه آموزشی برای رباتها و خودروهایی که میتوانند در محیطهایی مانند خیابانهای شهر به طور خودکار حرکت کنند، گسترش دهد.
مجموعه جدید با نام یادگیری رانندگی (Learning to Drive - L2D)، بیش از یک پتابایت حجم دارد و شامل دادههایی از حسگرهایی است که روی خودروها در آموزشگاههای رانندگی آلمان نصب شدهاند. L2D دادههای دوربین، GPS و "دینامیک خودرو" را از مربیان رانندگی و دانشجویانی که در خیابانها با مناطق ساختوساز، تقاطعها، بزرگراهها و موارد دیگر حرکت میکنند، جمعآوری میکند.
تعدادی مجموعه آموزشی خودران باز از شرکتهایی از جمله Waymo متعلق به Alphabet و Comma AI وجود دارد. اما به گفته سازندگان L2D، بسیاری از این مجموعهها بر روی وظایف برنامهریزی مانند تشخیص و ردیابی اشیاء تمرکز دارند که نیاز به حاشیهنویسی با کیفیت بالا دارد و مقیاسبندی آنها را دشوار میکند.
در مقابل، سازندگان L2D ادعا میکنند که این مجموعه برای پشتیبانی از توسعه یادگیری "سرتاسری" طراحی شده است، که به پیشبینی اقدامات (به عنوان مثال، زمانی که یک عابر پیاده ممکن است از خیابان عبور کند) به طور مستقیم از ورودیهای حسگر (به عنوان مثال، فیلم دوربین) کمک میکند.
هارسیمرات ساندهاوالیا، یکی از بنیانگذاران Yaak و رمی کادن، یکی از اعضای تیم هوش مصنوعی برای رباتیک در هیوگینگ فیس، در یک پست وبلاگی نوشتند: "اکنون جامعه هوش مصنوعی میتواند مدلهای خودران سرتاسری بسازد." "هدف L2D این است که بزرگترین مجموعه داده خودران منبع باز باشد که جامعه هوش مصنوعی را با 'قسمتهای' منحصربهفرد و متنوعی برای آموزش هوش فضایی سرتاسری توانمند میکند."
هیوگینگ فیس و Yaak قصد دارند آزمایش "حلقه بسته" دنیای واقعی مدلهای آموزشدیده با استفاده از L2D و LeRobot را در تابستان امسال انجام دهند که روی یک وسیله نقلیه با راننده ایمنی مستقر شده است. این شرکتها از جامعه هوش مصنوعی میخواهند مدلها و وظایفی را که میخواهند مدلها روی آنها ارزیابی شوند، مانند مسیریابی در میدانها و فضاهای پارکینگ، ارسال کنند.