اجتذبت إيما أحدث نموذج لقيادة Waymo متعددة الوسائط المستقلة من Waymo اهتمامًا واسعًا من هذه الصناعة. تم تصميم نموذج EMMA على نموذج اللغة Gemini الكبير من Google عن طريق دمج البيانات متعددة الوسائط (مثل صور الكاميرا والبيانات النصية) يتمتع هذا النموذج بأداء ممتاز في المهام الحرجة مثل التنبؤ بالمسار والكشف عن الكائنات وفهم خريطة الطريق. للتنمية المستقبلية لتكنولوجيا القيادة المستقلة.
في الآونة الأخيرة ، أصدرت Waymo رسميًا نموذجًا لأبحاث الذكاء الاصطناعى يسمى "نموذج القيادة المستقل متعدد الوسائط الشاملة" (EMMA). تم تدريب النموذج خصيصًا وضبطه لتكنولوجيا القيادة المستقلة ، حيث يستفيد من معرفة Gemini الواسعة لفهم سيناريوهات الطرق المعقدة بشكل أفضل. تفاصيل Waymo تفاصيل فلسفة التصميم والمزايا التقنية للنموذج في ورقة البحث المنشورة وتستكشف مزايا وعيوب الأساليب الشاملة الخالصة.

وقال Waymo إن نموذج EMMA يعتمد على الجوزاء ، ويستفيد تمامًا من قدراته للتركيز على مهام القيادة المستقلة مثل تخطيط الحركة والكشف عن الكائنات ثلاثية الأبعاد. يوضح هذا النموذج قدرات هجرة المهمة الجيدة في مهام القيادة المستقلة المتعددة. أشار Waymo إلى أن EMMA قد تحسنت بشكل كبير من الأداء في التنبؤ بالمسار ، والكشف عن الكائنات ، وفهم خريطة الطريق ، مقارنة بتدريب النماذج الفردية لكل مهمة.
تُظهر نتائج بحث Waymo أن بناء EMMA يوفر اتجاهًا بحثًا واعدًا لمجموعة من مهام القيادة المستقلة الأساسية في المستقبل. وقال دراجو أنجويلوف ، نائب رئيس ورئيس البحوث في وايمو: "توضح إيما القدرات القوية وأهمية النماذج المتعددة الوسائط في مجال القيادة المستقلة ، ونتطلع إلى زيادة استكشاف أساليب ومكونات متعددة الوسائط في بناء أكثر تنوعًا و نظام القيادة القابل للتكيف. "
أداء إيما أيضًا بشكل جيد في قدرتها على معالجة إدخال الكاميرا الخام والبيانات النصية. يمكن أن يولد العديد من مخرجات القيادة وتحسين كفاءة التخطيط الشامل من خلال إنشاء مساحة لغة موحدة ، والاستفادة الكاملة من قدرات المعرفة والتفكير العالمية في Gemini.
أكد Waymo أن أهمية هذا البحث لا تقتصر على تطبيق المركبات ذاتية الحكم ، ولكن أيضًا يوسع قدرات الذكاء الاصطناعي في البيئات الديناميكية المعقدة من خلال تطبيق تقنيات الذكاء الاصطناعي المتقدمة على المهام في العالم الحقيقي.
النقاط الرئيسية:
تم تصميم نموذج EMMA للتدريب على القيادة المستقلة ، باستخدام المعرفة الجوزاء لفهم سيناريوهات الطرق المعقدة.
بالمقارنة مع النماذج التقليدية ، تُظهر إيما أداءً أكثر كفاءة على أغراض المهمة المهمة.
لا يتم تطبيق نتائج البحث فقط على القيادة المستقلة ، ولكن أيضًا قم بتوسيع إمكانات تطبيق الذكاء الاصطناعي في البيئات الديناميكية.
باختصار ، يمثل إصدار نموذج EMMA تقدمًا كبيرًا في مجال تقنية القيادة المستقلة. توفر تكنولوجيا الذكاء الاصطناعي.