माउंटेन व्यू, कैलिफ़ोर्निया - गूगल की सेल्फ-ड्राइविंग स्पिन-आउट, वेमो ने पाया है कि स्वायत्त वाहनों (एवी) के प्रदर्शन को नियंत्रित करने वाले सिद्धांत बड़े भाषा मॉडल (एलएलएम) के समान हैं।
अनुसंधान से पता चलता है कि प्रशिक्षण डेटा और कम्प्यूटेशनल संसाधनों को बढ़ाने से सीधे एवी प्रदर्शन में वृद्धि होती है। यह खोज एक पावर-लॉ संबंध का सुझाव देती है, जहां प्रदर्शन में सुधार प्रशिक्षण कंप्यूट और डेटासेट आकार के पैमाने के साथ सहसंबद्ध होते हैं।
वेमो का शोध एवी और एलएलएम के बीच प्रमुख अंतरों पर प्रकाश डालता है। जबकि एलएलएम अक्सर बड़े मॉडल आकार से लाभान्वित होते हैं, एवी अपेक्षाकृत छोटे मॉडल के साथ इष्टतम प्रदर्शन प्राप्त कर सकते हैं, बशर्ते उन्हें काफी अधिक डेटा पर प्रशिक्षित किया जाए।
यह अंतर्दृष्टि एवी विकास में डेटा संग्रह रणनीतियों और मॉडल आकार चयन के लिए महत्वपूर्ण निहितार्थ रखती है। एवी में छोटे मॉडल आकार कम विलंबता पैदा कर सकते हैं, जो स्केल किए गए प्रशिक्षण डेटासेट आकार और कंप्यूट के माध्यम से ऑनबोर्ड सिस्टम प्रदर्शन में सुधार करते हैं।
वेमो के पास वर्तमान में 500,000 घंटों की ड्राइविंग का डेटा है और वह ड्राइविंग सिमुलेशन के लिए अपने 'कारक्राफ्ट' वर्चुअल वर्ल्ड का उपयोग करता है। कंपनी कई शहरों में काम करती है, और इस साल दस शहरों में विस्तार करने की योजना है।
वेमो का मानना है कि डेटा और मॉडल की गुणवत्ता और आकार को समृद्ध करने से बेहतर एवी प्रदर्शन होगा। यह निष्कर्ष डेवलपर्स को एवी क्षमताओं में सुधार करने का एक स्पष्ट रास्ता प्रदान करता है।