リモコンカーをトレーニングして自動運転できるようにする
数百ドルとありふれた道具、そして少しの忍耐力さえあれば、RCカーをトレーニングして自動運転させることができます。その方法についてはこちらのビデオをご覧ください。
Created on July 7|Last edited on February 17
Comment
」の翻訳です。
OpenAIジュークボックスプロジェクトで音楽を生成したり、StarGANで愛らしい動物を合成したり、静止画像にゴージャスな照明効果を作成するなど、W＆Bの楽しいプロジェクトをたくさん見てきました。
しかしある問題がありました。それは、誰かの家のリビングをレーストラックに変えることを想定していなかったことです。ありがたいことに、この問題は、現在は解決しました。
同僚のArmand du Parc Locmaria氏が、レースカーをトレーニングして自動運転させるために、自宅の数平方フィートのスペースを犠牲にしてくれました。
今後数週間でこのプロジェクトに関するもっと技術的な記事を追加する予定です。しかし、このビデオの内容やテストドライブのプロジェクトをやってみようという方のために、データセットとコードを共有したいと考えました。
暫定的に私たちがお伝えしなければならないと感じた2つのことがあります。1つ目は、車をトレーニングするための一般的な戦略です。2つ目は、トレーニング中のArmandの小さな発見で、これは、ご自身で試してみる場合のトラブルシューティングに役立つ可能性があります。
では…自動運転させるために、おもちゃの車をどのようにトレーニングするかです。Armandは、2種類の戦略を検討しました。1つ目は、カメラをオンにして車を運転し、その運転をトレーニングデータとして使用することでした。つまり、彼が操縦するかのように車が動くようにすることです（模倣学習）。しかし、彼はよりシンプルでエレガントなソリューションをトレーニングの技術に選びました。それは、車のカメラから画像を撮り、コースの中心にラベルを付ける方法です。車の目的は、常にコースの中心に向かい、ソファや壁などの障害物から離れることです。
車は自動で運転していましたが、かなり貧弱でした。何回も壁にぶつかっていたとArmandは言います。場合によってはそれが予想されますし、結局のところ、モデルは複数の反復と再トレーニングが必要なものです。しかし、彼がW&B ダッシュボード でモデル予測を確認し始めたとき、モデルのパフォーマンスが低下していないことに気が付きました。コースの中心を特定するのは確かにうまくいっていました。この段階で、問題はコードやモデルではなく、ハードウェアにあったことが分かりました。
この車のGPUは、BERTをトレーニングするようなマシンではありませんでした。（ビデオをご覧いただくと、使用していたものがわかります）。問題は、トレーニングしたニューラルネットのレイヤーが多すぎることと、カメラのフレームレートが高すぎることの両方でした。事実上、モデルが正しい予測をしていても、車が十分に素早い反応をしていなかったことを意味します。車は、本質的にあまりにも多くの画像に対応できていなかったのです。
これを発見して安心しました。これは、彼のアプローチが広く機能しており、さらに、追加のトレーニングデータを収集したりラベルを付けたりする必要はなかったということを意味します。フレームレートを下げ、NNレイヤーをいくつか削除すると、車のパフォーマンスが劇的に向上しました。ただし、モデルの動作についてのインサイトが多ければ多いほど、モデルの説明とデバッグが容易になりプロジェクトの成果が向上します。
お読みいただきありがとうございます。後ほどこのプロジェクトについて、より技術的な説明を行いたいと考えています。
Add a comment
Iterate on AI agents and models faster. Try Weights & Biases today.