根据几年前乐观的预测，今天驾驶的汽车本身应该在我们的车库里。但是，随着自动驾驶出租车的采用和消费者随着车辆中更复杂的驾驶援助系统的增加而增加，我们可能会接近一些转折点。基于HELM.AAI的硅谷是一家驾驶公司，它将开发用于驾驶员帮助系统和完全自主工具的软件。本文引用：该公司提供了一个基本模型，以预测在道路上自动驾驶汽车的目的和途径计划，并使用生成的AI来创建合成训练数据，以准备许多可能出错的事情的车辆。 IEEE Spectrum与创始人兼CEO NG HELM.AI的Vladislav Voroninski进行了交谈，以创建公司合成数据来训练和验证自动驾驶汽车系统。 Helm.aai如何使用生成AI帮助建造自动驾驶汽车？ Vladislav Voroninsky：我们使用生成AI进行模拟。所以，由于规格您已经注意到了很多实际数据，您是否可以根据这些数据模仿新情况？您希望在实际提供新内容的同时，尽可能地创建数据。我们可以从任何相机或传感器创建数据，以增加这些数据集的差异并解决最大的培训和验证。我知道您使用Vidgen创建视频和WorldGen数据来创建其他类型的传感器数据。不同的汽车公司仍然依靠不同的型号？ Voroninski：我们的客户绝对是不同型号的杂物。并不是每个人都想看到所有事情。相机相对便宜，而LiDAR系统更昂贵。但是，我们实际上可以训练采用相机数据并模仿封面输出的外观。这可能是省钱的一种方式。即使只是一个视频，也有一些情况在您实时开车时很少或几乎无法获得，或者太危险了。因此，我们可以使用生成AI来创建非常，veRY高质量的视频数据，在这些情况下，实际数据通常没有差异。这也是一种节省数据收集成本的方法。如何创建这种优势的异常情况？您说...“现在在路上放一个袋鼠，现在在路上放一个斑马”？ Voroninsky：有一种方法可以在这些模型上进行杂志并使它们异常 - 这实际上是集成控制模型模型的一种方法。这可以使用文本或直接图像或不同类型的几何输入来完成。可以清楚地确定这些情况：如果汽车制造商已经有了他们所知道的列表，则可以 - 引用基础模型来产生这些情况。您还可以进行更多测量的对象，并在探索或仿真过程中进行一些随机分组，可用于测试您的自主堆栈驾驶在各种情况下。视频数据的一个好处是，这仍然是自动驾驶的基本模式，您可以是接受了更多来自驾驶的视频数据培训。因此，当涉及到罕见的天体类别时，Maayou确实在许多不同的数据集中找到了它们。因此，如果您有一个在动物园中驱动动物的视频，它会帮助驾驶员系统在路上识别袋鼠吗？ Voroninsky：当然，这种类型的数据可用于训练理解系统以了解不同的对象类别。它也可以用于模仿传感器数据，将这些项目纳入驾驶场景。我的意思是，很少有人在现实生活中看到袋鼠在路上。甚至在视频中。但这很容易进入您的脑海，对吗？如果您真的看到它，您将非常快地理解它。生成AI的优点是，如果[模型]在不同情况下暴露于不同的概念，则可以将这些概念与新颖情况相结合。它可以在IBMORE情况下观察它，然后对驾驶的理解。您如何对合成进行质量控制数据？您如何确保客户和真实的好？ Voroninski：您可以获得一些数字秤来检查真实数据和合成数据之间的相似性。一个例子是您获得了一系列真实数据，然后您将获得旨在模拟它的合成数据的集合。您可以适合分发两个的可能性。然后，您可以根据数字比较这种可能性的分布之间的距离。其次，我们可以验证合成数据对于解决某些问题很有用。您可以说：“我们将解决这种强烈的情况。您只能使用模拟数据。您可以验证Kunwa数据的使用将解决问题并提高这项工作的准确性而无需培训真实数据。是否有任何对手说合成数据对自主驱动系统的开发产生了巨大影响。