خبر
شرکت Hugging Face پلتفرم LeRobot خود را با افزودن داده‌های آموزشی برای ماشین‌های خودران گسترش داد
زمان مطالعه: 2 دقیقه
شرکت Hugging Face پلتفرم LeRobot خود را با افزودن داده‌های آموزشی برای ماشین‌های خودران گسترش داد
شرکت Hugging Face پلتفرم LeRobot خود را با افزودن داده‌های آموزشی برای ماشین‌های خودران گسترش داد
خبر
شرکت Hugging Face پلتفرم LeRobot خود را با افزودن داده‌های آموزشی برای ماشین‌های خودران گسترش داد
زمان مطالعه: 2 دقیقه

سال گذشته، شرکت Hugging Face، پلتفرم توسعه هوش مصنوعی، پروژه LeRobot را راه‌اندازی کرد که مجموعه‌ای از مدل‌های هوش مصنوعی متن‌باز، مجموعه‌های داده و ابزارهایی برای ساخت سیستم‌های رباتیک در دنیای واقعی ارائه می‌دهد. روز سه‌شنبه، Hugging Face با همکاری استارتاپ هوش مصنوعی Yaak، پلتفرم LeRobot را با افزودن یک مجموعه آموزشی برای ربات‌ها و خودروهایی که می‌توانند به‌صورت خودکار در محیط‌هایی مانند خیابان‌های شهری حرکت کنند، گسترش داد.

این مجموعه جدید که «یادگیری رانندگی» (L2D) نام دارد، بیش از یک پتابایت حجم دارد و شامل داده‌هایی از حسگرهایی است که روی خودروهای آموزشگاه‌های رانندگی در آلمان نصب شده‌اند. L2D داده‌های دوربین، GPS و «دینامیک خودرو» را از مربیان رانندگی و دانش‌آموزان در حال حرکت در خیابان‌هایی با مناطق در حال ساخت، تقاطع‌ها، بزرگراه‌ها و غیره ثبت کرده است.

مجموعه‌های آموزشی متن‌باز متعددی برای رانندگی خودکار وجود دارند که توسط شرکت‌هایی مانند Waymo (متعلق به آلفابت) و Comma AI ارائه شده‌اند. اما به گفته سازندگان L2D، بسیاری از این مجموعه‌ها بر وظایف برنامه‌ریزی مانند تشخیص و ردیابی اشیاء تمرکز دارند که نیازمند حاشیه‌نویسی‌های باکیفیت بالا هستند و به همین دلیل مقیاس‌پذیری آن‌ها دشوار است.

نمونه‌ای از داده‌های موجود در مجموعه داده L2D که توسط چندین حسگر ثبت شده است.
نمونه‌ای از داده‌های موجود در مجموعه داده L2D که توسط چندین حسگر ثبت شده است.
منبع تصویر: Hugging Face

در مقابل، سازندگان L2D ادعا می‌کنند که این مجموعه برای پشتیبانی از توسعه یادگیری «سرتاسری» طراحی شده است، که به پیش‌بینی اقدامات (مانند زمان عبور یک عابر پیاده از خیابان) به‌طور مستقیم از ورودی‌های حسگرها (مانند تصاویر دوربین) کمک می‌کند.

هارسیمرات سانداوالیا، هم‌بنیان‌گذار Yaak، و رمی کادن، عضوی از تیم هوش مصنوعی رباتیک در Hugging Face، در پست وبلاگی خود نوشتند: «جامعه هوش مصنوعی اکنون می‌تواند مدل‌های رانندگی خودکار سرتاسری بسازد. L2D با هدف تبدیل شدن به بزرگ‌ترین مجموعه داده متن‌باز رانندگی خودکار، با ارائه ‘قسمت‌های’ منحصربه‌فرد و متنوع، جامعه هوش مصنوعی را برای آموزش هوش فضایی سرتاسری توانمند می‌سازد.»

Hugging Face و Yaak قصد دارند تابستان امسال آزمایش‌های «حلقه بسته» واقعی را با استفاده از مدل‌های آموزش‌دیده توسط L2D و LeRobot انجام دهند که روی خودرویی با حضور راننده ایمنی مستقر خواهد شد. این شرکت‌ها از جامعه هوش مصنوعی دعوت کرده‌اند تا مدل‌ها و وظایفی را که مایلند این مدل‌ها روی آن‌ها ارزیابی شوند، مانند حرکت در میدان‌ها و فضاهای پارکینگ، ارائه دهند.

منبع: تک‌کرانچ

اشتراک گذاری:

آخرین مقالات پیشنهادی

دیدگاه‌ها

اشتراک در
اطلاع از
guest
0 Comments
قدیمی‌ترین
تازه‌ترین بیشترین رأی
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
دیتانید تو مراحل مختلف تحلیل داده می‌تونه به شما کمک کنه:
  1. امکان‌سنجی خواسته‌ها و تطبیق نیازمندی‌ها
  2. استخراج و تمیز کردن دادگان
  3. طراحی مدل‌های مناسب
  4. آموزش مدل براساس داده‌های به‌دست آمده
  5. استقرار مدل

آخرین اخبار

اخبار مشابه

روش جدید قابلیت اطمینان گزارش‌های تشخیصی رادیولوژیست‌ها را ارزیابی و بهبود می‌بخشد
به دلیل ابهام ذاتی در تصاویر پزشکی مانند اشعه ایکس، رادیولوژیست‌ها اغلب هنگام توصیف وجود یک آسیب‌شناسی خاص، مانند ذات‌الریه، از کلماتی مانند "ممکن ..
فناوری Web3 به ایجاد اطمینان و اعتماد در هوش مصنوعی کمک می‌کند
وعده هوش مصنوعی این است که زندگی همه ما را آسان‌تر خواهد کرد. و با این سهولت بزرگ، پتانسیل سود جدی نیز به همراه می‌آید. سازمان ملل متحد تخمین ...
نینا شیک(نویسنده): تأثیر هوش مصنوعی مولد بر تجارت، سیاست و جامعه
نینا شیک، سخنران و کارشناس برجسته در زمینه هوش مصنوعی مولد است که به دلیل کار پیشگامانه‌اش در تقاطع فناوری، جامعه و ژئوپلیتیک مشهور است...