인텔 랩, 'Grand Theft Auto'를 사용하여자가 운전 차량 운행

모든 비디오 게임 중에서 당신은 운전자의 에드를 누군가 보여줄 것입니다. 그랜드 테 프트 오토 그 목록의 맨 위에 있지 않을 수도 있습니다. 그러나 독일의 인텔 연구소 (Intel Labs)와 독일 다름슈타트 대학 (Darmstadt University)의 한 팀은 비디오 게임을 사용하면 물체를 식별 할 때 탁월한 정확성을 제공한다는 사실을 발견했습니다.

이 백서에 발견 된 내용을 발표 한 팀은이 게임이 실제 운전 시나리오에 대한 정확한 시뮬레이션을 제공함을 발견했습니다. 이 데이터는 실제 세계에서자가 운전하는 자동차가 운전하고 안전하게 항행 할 때 사용할 수 있습니다.

자가 운전 차량은 거리에서 운전할 때 보행자, 가로등 기둥 및 벽과 같은 물체를 식별하는 방법을 "배우는"데 도움이되는 객체 식별 데이터를 사용합니다. 일반적으로 자동차 제조업체는 자동차 대시 보드에서 녹화 된 비디오로이 데이터를 생성합니다. 그들은 시스템을 통해 기계 학습을 사용하여 결국 각 객체가 어떻게 생겼는지에 대한보다 광범위한 아이디어를 구축하면서 수동으로 객체를 식별하고 식별합니다.

사용 그랜드 테 프트 오토, 팀은이 프로세스를 훨씬 더 효과적으로 자동화 할 수있었습니다. 팀은 게임 내에서 유사한 비디오를 녹화 할 수 있었지만 동일한 거리 물체를 대표하는 자산을 더 빠르게 식별 할 수있었습니다. 실사 가상 세계는 식별 된 객체가 실제 객체가 어떻게 생겼는지에 대한 정확한 아이디어를 시스템에 제공한다는 것을 의미합니다.

컴퓨터는 단 몇 초 만에 자동으로 개체를 식별 할 수 있습니다. 일반적으로 녹화 된 비디오로 이미지 당 약 2 시간이 소요됩니다. 실행중인 프로세스는 다음과 같습니다.

"인위적인 환경을 통해 우리는 조명과 기후 환경에서 상당한 양의 변화로 쉽게 주석이 달린 데이터를보다 큰 규모로 수집 할 수 있습니다"라고 Alireza Shafaei 박사는 말했다. 브리티시 컬럼비아 대학의 학생 MIT 기술 검토.

Shafaei는 비디오 게임이 세계를 보는 데 도움이되도록 컴퓨터를 교육 할 수있는 방법을 자세히 설명한 논문에서 연구 내용을 발표했습니다. "우리는이 합성 데이터가 실제 데이터를 교육에 사용하는 것보다 거의 비슷하거나 때로는 더 나은 것으로 나타났습니다."

자가 운전 차량은 많은 양의 데이터를 사용하며 이러한 기술은 사물을 계속 유지하는 데 필수적입니다. AT & T는 자동 운전 차량을 염두에두고 설계된 새로운 5G 셀룰러 네트워크를 시험하기 시작했습니다.이 네트워크는 대기 시간이없는 운전자가없는 자동차를 피하기 위해 중요한 데이터에 우선 순위를 매길 수 있습니다. 그러나이 모든 데이터는 비용이 들지만 연구원들이 자동차가 해킹에 취약 할 수 있다고 경고하면서 비용이 발생했습니다. 무차필 자동차는 큰 데이터 세트에 새로운 가능성을 열어 주지만 모든 것을 처리하는 방법에 대한 문제가 최우선 과제입니다.