गले का चेहरा ऑटोमोटिव ऑटोमेशन के उद्देश्य से एक बड़े डेटासेट के साथ बुधवार को अपने लेरोबोट प्लेटफॉर्म के विस्तार की घोषणा की। ऑनलाइन आर्टिफिशियल इंटेलिजेंस (एआई) और मशीन लर्निंग (एमएल) रिपॉजिटरी ने कहा कि डेटासेट एआई स्टार्टअप याक के सहयोग से बनाया गया था। डब्ड लर्निंग टू ड्राइव (L2D), डेटासेट को तीन साल की अवधि में 60 इलेक्ट्रिक वाहनों (EVS) पर स्थापित सेंसर के एक सूट से एकत्र किया गया था। ओपन-सोर्स डेटासेट का उद्देश्य डेवलपर्स और रोबोटिक्स समुदाय को ऑटोमोबाइल उद्योग के लिए स्थानिक खुफिया समाधान बनाने के लिए सक्षम करना है।
हगिंग फेस L2D डेटासेट को Lerobot में जोड़ता है
में एक ब्लॉग भेजाकंपनी ने नए एआई डेटासेट को विस्तृत किया, इसे “ऑटोमोटिव डोमेन के लिए एक खुली-खट्टे स्थानिक खुफिया जानकारी बनाने के उद्देश्य से दुनिया का सबसे बड़ा मल्टीमॉडल डेटासेट कहा।” संपूर्ण डेटासेट आकार में 1pb (एक पेटाबाइट) से अधिक है, और तीन वर्षों के लिए 30 जर्मन शहरों में ड्राइविंग स्कूलों द्वारा संचालित 60 ईवी पर स्थापित सेंसर सूट का उपयोग करके एकत्र किया गया था। एकत्र किए गए डेटा में स्थिरता सुनिश्चित करने के लिए समान सेंसर का उपयोग किया गया था।
Lerobot प्लेटफॉर्म को पिछले साल ओपन-सोर्स एआई मॉडल, डेटासेट और साथ में टूल के संग्रह के रूप में लॉन्च किया गया था जो डेवलपर्स को एआई-संचालित रोबोटिक्स सिस्टम बनाने में मदद कर सकते हैं।
डेटासेट चलाने के लिए सीखना
फोटो क्रेडिट: गले लगाना चेहरा
डेटासेट में नीतियों को विशेषज्ञ नीतियों और छात्र नीतियों के दो समूहों में विभाजित किया गया है। पूर्व में ड्राइविंग प्रशिक्षकों से डेटा शामिल है जबकि बाद में शिक्षार्थी ड्राइवरों से आता है। हगिंग फेस ने कहा कि विशेषज्ञ नीति में शून्य ड्राइविंग गलतियाँ हैं और इसे इष्टतम माना जाता है, जबकि छात्र नीति में ज्ञात उप-इष्टतमता है। दोनों समूहों में ड्राइविंग कार्यों के लिए प्राकृतिक भाषा निर्देश शामिल हैं।
प्रत्येक समूह में सभी ड्राइविंग परिदृश्य हैं जो यूरोपीय संघ (ईयू) में ड्राइविंग लाइसेंस प्राप्त करने के लिए पूरा करने के लिए आवश्यक हैं। इनमें से कुछ ड्राइविंग कार्यों में ओवरटेकिंग, राउंडअबाउट हैंडलिंग और ट्रैक ड्राइविंग शामिल हैं।
L2D डेटा को कैप्चर करने के लिए इस्तेमाल किए जाने वाले सेंसर सूट का विस्तार करते हुए, हगिंग फेस ने कहा कि 60 किआ नीरो ईवी मॉडल में से प्रत्येक को छह आरजीबी कैमरों से सुसज्जित किया गया था, जो वाहन की गतिशीलता को पकड़ने के लिए वाहन स्थान और मानचित्रण, एक जड़त्वीय माप इकाई (IMU) के लिए वाहन के आसपास के वाहन के आसपास के वाहन को पकड़ने के लिए। सभी डेटा को टाइमस्टैम्प के साथ कैप्चर किया गया था।
विशेष रूप से, डेटासेट का उद्देश्य डेवलपर्स और रोबोटिक्स वैज्ञानिकों की मदद करना है, जो एंड-टू-एंड सेल्फ-ड्राइविंग एआई मॉडल का निर्माण करते हैं, जिनका उपयोग अंततः पूरी तरह से स्वायत्त वाहन प्रणालियों के निर्माण के लिए किया जा सकता है।
हगिंग फेस ने इस बात पर प्रकाश डाला कि L2D डेटासेट को चरणबद्ध तरीके से जारी किया जाएगा, जहां प्रत्येक क्रमिक रिलीज़ एक्सेस में आसानी सुनिश्चित करने के लिए पिछली रिलीज़ का एक सुपरसेट होगा। मंच भी समुदाय को एक सुरक्षा चालक के साथ डेटासेट के बंद लूप परीक्षण के लिए मॉडल प्रस्तुत करने के लिए आमंत्रित कर रहा है। यह गर्मियों में 2025 में शुरू होगा।
