美國當?shù)貢r間1月16日，全球自動駕駛領(lǐng)頭羊Waymo，發(fā)布了十年周年慶祝短視頻，并且在官方博客上發(fā)布了關(guān)于“Auto ML（Auto Machine Learning）”的文章，深度剖析了Auto ML與Google AI大腦，是如何幫助Waymo發(fā)展自動駕駛技術(shù)的。
在Waymo的官方推特上寫著：十年前的這個星期，“項目司機”正式成立，其使命是改善道路安全，使交通更加便利。從這個“登月”項目，到谷歌自動駕駛汽車項目，現(xiàn)在是Waymo，一起為下一個十年及更遠的將來而努力！
下面是關(guān)于Auto ML的文章，在Waymo，機器學習幾乎在自動駕駛系統(tǒng)的每個部分都扮演著關(guān)鍵角色。它幫助我們的汽車看清周圍的環(huán)境，理解世界，預(yù)測他人的行為，并決定他們下一步的最佳行動。
以感知為例，Waymo的系統(tǒng)采用了神經(jīng)網(wǎng)絡(luò)的組合，使Waymo的車輛能夠解讀傳感器數(shù)據(jù)、識別物體，并隨著時間的推移跟蹤它們，從而對周圍的世界有一個深入的了解。
創(chuàng)建這些神經(jīng)網(wǎng)絡(luò)通常是一項耗時的任務(wù)：優(yōu)化神經(jīng)網(wǎng)絡(luò)架構(gòu)，以達到自動駕駛汽車運行所需的質(zhì)量和速度，是一個復雜的微調(diào)過程，Waymo工程師可能需要數(shù)月時間來完成一項新任務(wù)。
現(xiàn)在，通過與來自Google AI大腦的研究人員合作，Waymo正在將前沿研究付諸實踐，以自動生成神經(jīng)網(wǎng)絡(luò)。更重要的是，這些最先進的神經(jīng)網(wǎng)絡(luò)比那些由工程師手工調(diào)整的神經(jīng)網(wǎng)絡(luò)質(zhì)量更高、速度更快。
為了將Waymo的自動駕駛技術(shù)應(yīng)用到不同的城市和環(huán)境中，需要針對不同的場景快速優(yōu)化Waymo的模型。Auto ML使Waymo能夠做到這一點，高效和連續(xù)地提供大量ML解決方案。
01遷移學習：使用現(xiàn)有的自動化架構(gòu)
Waymo和Google AI大腦的合作始于一個簡單的問題：Auto ML能否為汽車生成高質(zhì)量、低延遲的神經(jīng)網(wǎng)絡(luò)？
質(zhì)量衡量的標準是由神經(jīng)網(wǎng)絡(luò)產(chǎn)生的答案的準確性，延遲度量網(wǎng)絡(luò)提供答案的速度，也稱為推理時間。由于駕駛是一種活動，它要求車輛使用實時答案，并且考慮到系統(tǒng)的安全性，神經(jīng)網(wǎng)絡(luò)需要在低延遲的情況下運行。大多數(shù)網(wǎng)絡(luò)直接運行在Waymo的車輛上，結(jié)果少于10毫秒，這比部署在數(shù)千臺服務(wù)器上的數(shù)據(jù)中心中的許多網(wǎng)絡(luò)要快。
在原來的Auto ML論文（Learning Transferable Architectures for Scalable ImageRecognition PDF，獲取方式見文末），谷歌AI的員工能夠自動探索12000多個架構(gòu)解決CIFAR－10的經(jīng)典圖像識別任務(wù)：確定一個小形象代表十個類別之一，比如買一輛汽車、飛機、一只狗，等等。
在后續(xù)文章（NEURAL ARCHITECTURE SEARCH WITHREINFORCEMENT LEARNING
PDF，獲取方式見文末），他們發(fā)現(xiàn)了一個家庭的神經(jīng)網(wǎng)絡(luò)的構(gòu)建塊，稱為NAS單元，這可能是由自動構(gòu)建比手工網(wǎng)CIFAR－10和類似的任務(wù)。通過這種合作，Waymo的研究人員決定使用這些單元來自動構(gòu)建針對自動駕駛任務(wù)的新模型，從而將CIFAR－10上的知識轉(zhuǎn)移到汽車領(lǐng)域，第一個實驗是語義分割任務(wù)：識別激光雷達點云中的每個點，如汽車、行人、樹等。
圖一：一個NAS單元的例子，這個單元在神經(jīng)網(wǎng)絡(luò)中處理前兩層的輸入
為此，Waymo研究人員建立了一個自動搜索算法，在卷積網(wǎng)絡(luò)架構(gòu)（CNN）中探索數(shù)百種不同的NAS單元組合，為Waymo的激光雷達分割任務(wù)訓練和評估模型。當Waymo的工程師手工調(diào)整這些網(wǎng)絡(luò)時，只能探索有限數(shù)量的架構(gòu)，但是使用這種方法，可以自動探索了數(shù)百個架構(gòu)。
相比以前的人工微調(diào)優(yōu)化神經(jīng)網(wǎng)絡(luò)，Auto ML通過下面兩種方式來改進：
一些具有類似質(zhì)量的延遲顯著降低；
其他的則具有更高的質(zhì)量和類似的延遲。
初步成功后，Waymo將相同的搜索算法應(yīng)用于另外兩個與交通車道檢測和定位相關(guān)的任務(wù)，轉(zhuǎn)移學習技術(shù)也適用于這些任務(wù)，最后能夠在汽車上部署三個新訓練和改進的神經(jīng)網(wǎng)絡(luò)。
十年前的Waymo自動駕駛汽車（普銳斯）
12下一頁>（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
