Waymo: Leis de escalonamento de veículos autônomos espelham modelos de linguagem grandes, enfatizando dados e computação

Editado por: Veronika Radoslavskaya

Mountain View, Califórnia - A Waymo, spin-off de direção autônoma do Google, descobriu que os princípios que regem o desempenho de veículos autônomos (AVs) são semelhantes aos de modelos de linguagem grandes (LLMs).

A pesquisa indica que o aumento dos dados de treinamento e dos recursos computacionais melhora diretamente o desempenho dos AVs. Essa descoberta sugere uma relação de lei de potência, onde as melhorias no desempenho se correlacionam com o dimensionamento da computação de treinamento e os tamanhos dos conjuntos de dados.

A pesquisa da Waymo destaca as principais distinções entre AVs e LLMs. Embora os LLMs frequentemente se beneficiem de tamanhos de modelo maiores, os AVs podem atingir o desempenho ideal com modelos relativamente menores, desde que sejam treinados com dados significativamente maiores.

Essa visão tem implicações importantes para as estratégias de coleta de dados e a seleção do tamanho do modelo no desenvolvimento de AVs. Tamanhos de modelo menores em AVs podem levar a uma latência menor, melhorando o desempenho do sistema embarcado por meio do tamanho do conjunto de dados de treinamento escalonado e da computação.

A Waymo atualmente possui dados cobrindo 500.000 horas de direção e usa seu mundo virtual 'Carcraft' para simulações de direção. A empresa opera em várias cidades, com planos de expansão para dez cidades este ano.

A Waymo acredita que enriquecer a qualidade e o tamanho dos dados e modelos levará a um melhor desempenho dos AVs. Essa conclusão fornece aos desenvolvedores um caminho claro para melhorar as capacidades dos AVs.

Fontes

  • DCD

Encontrou um erro ou imprecisão?

Vamos considerar seus comentários assim que possível.

Waymo: Leis de escalonamento de veículos a... | Gaya One