Waymo, uma subsidiária da Alphabet, introduziu uma nova abordagem para treinar seus veículos autônomos usando o modelo Gemini, um grande modelo de linguagem multimodal (MLLM) do Google. O modelo irá melhorar a navegação dos carros autônomos e permitir-lhes lidar melhor com situações rodoviárias complexas.
Fonte da imagem: waymo.com
Em um novo artigo de pesquisa, Waymo definiu seu desenvolvimento como um “modelo multimodal ponta a ponta para direção autônoma” (EMMA), que processa dados de sensores e ajuda os robotáxis a tomar decisões sobre a direção da viagem, evitando obstáculos. De acordo com o The Verge, a Waymo há muito enfatiza sua vantagem estratégica devido ao acesso à pesquisa científica na área de inteligência artificial (IA) do Google DeepMind, anteriormente propriedade da empresa britânica DeepMind Technologies.
O novo sistema EMMA representa uma abordagem fundamentalmente diferente para a formação de veículos autónomos. Em vez dos sistemas modulares tradicionais que separam as funções em percepção, planejamento de rotas e outras tarefas, o EMMA oferece uma abordagem unificada que permitirá que os dados sejam processados de forma holística, ajudará a evitar erros que ocorrem durante a transferência de dados entre módulos e melhorará a adaptação a estradas novas e desconhecidas. condições em tempo real.
Um dos principais benefícios da utilização de modelos MLLM, em particular Gemini, é a sua capacidade de generalizar o conhecimento obtido a partir de grandes quantidades de dados obtidos na Internet. Isto permite que os modelos se adaptem melhor a situações inusitadas na estrada, como o aparecimento inesperado de animais ou trabalhos de reparação. Além disso, os modelos treinados no Gemini são capazes de “cadeia de raciocínio”. É uma técnica que ajuda a dividir problemas complexos em etapas sequenciais e lógicas, melhorando a tomada de decisões.
Apesar dos seus sucessos, a Waymo reconhece que o EMMA tem as suas limitações. Por exemplo, o modelo ainda não suporta o processamento de dados 3D de sensores como lidar ou radar devido à alta complexidade computacional. Além disso, o EMMA só pode processar um número limitado de quadros de imagem por vez. Ressalta-se que serão necessárias mais pesquisas para superar todas essas limitações antes da plena implementação do modelo em condições reais.
A Waymo também reconhece os riscos associados ao uso do MLLM para dirigir veículos autônomos. Modelos como Gêmeos podem cometer erros ou “alucinar” em tarefas simples, o que obviamente é inaceitável na estrada. No entanto, espera-se que novas pesquisas e melhorias na arquitetura de modelos de IA para condução autônoma superem esses problemas.