Uber的工程博客(engineeringblog)剛剛發布了一篇文章,內容是基于Web工具,探索將自駕車研究的數據可視化。
這個很酷的技術背后,是已經囤積了超過一百萬英里的測試數據。數據驅動學習,一旦你有這么多的數據,就可以把它們混合放在虛擬環境中,讓AI來導航。計算機并不知道虛擬數據和真實數據的差別,同時,還可以調整數據,觀察異常事件或來進行多個模型的比較。
這篇博文只關注這些數據的可視化,并詳細介紹了其工具。這些工具都是基于網絡的,可以使新功能輕松協作和快速周轉。這些Web應用程序可以訪問GPU,實時交流等等。
這篇文章并沒有真正涉及到,如何通過把整個環境從整個背景中剝離出來,進一步增加數據的價值。由于所展示出來的工具的復雜性,一篇文章似乎也說不清楚。
例如,處理一個像游行或抗議這樣的背景,你會讓自動駕駛汽車像馬拉松比賽上的跑步者一樣自由跑嗎?很顯然不可能。
你能做的就是打開地圖,關閉了幾個主要街道,然后設置你的AI驅動汽車走動。當AI系統崩潰時,你會看到它對現實生活中從未見過的情況的反應。這就像一個思考實驗,可以產生有效的數據并改善人工智能。
更多資訊請關注汽車制造頻道