Thema:
Re:USA: einheitliche Regelung für Robotaxis flat
Autor: Abe
Datum:25.11.24 23:39
Antwort auf:Re:USA: einheitliche Regelung für Robotaxis von KO

>Hmm, was waren das den für "Experten"?
>Mehr Systeme sind immer besser.


Offensichtlich ist es eben nicht so.
Ein autonomes System lernt schneller und effektiver, wenn die Daten Quellen einheitlich sind.
Der Ansatz von Tesla ist eben die Verarbeitung von Bildinformationen mehrere Kameras.

Zusätzliche Systeme wie LIDAR und Radar, auch wenn sie in manchen Situationen exaktere Daten liefern, machen das autonome System nicht besser, sondern verlangsamt es weil es deutliche komplizierter ist diese unterschiedlichen Datenquellen unter einen Hut zu bringen. Zudem müssen die Daten für die KI auch vereinheitlicht werden (Stichworten Datenharmonisierung)

>Wenn es zwei Systeme gibt die ähnliche Infos liefern und diese widersprüchliche Ergebnisse liefern nimmt man halt das "schlechtere". Der Lidar Sensor sagt, das Objekt ist 5m entfernt, die Bild Sensoren 10m so sind es am Ende 5m.

Ich glaube nicht dass die KI so arbeitet.
Ein Mensch kann auch nur schlecht abschätzen, ob ein Objekt jetzt 20cm oder 30cm von ihm entfernt ist, aber er erkennt trotzdem, wann er stehenbleiben muss, damit er nicht dagegen rennt. Und dafür reichen eben auch 2 Kameras! Und genauso funktioniert eben auch FSD.

Das sieht man gut beim HIFI Park Assistenten, den jeder Tesla mit seinen 7 Kameras only nutzen kann. Damit bekommt man beim Rangieren eine wirklich gute 360 Grad Ansicht mit einer Echtzeit PointCloud ums Auto rum, die sehr exakt die Umgebung darstellt und das mit schnöden Kameras und nicht mit aufwändigen Lidars und Radars.

>Die Frage ist nur noch ob man diese höhere Genauigkeit braucht. Vielleicht ist ja die Tesla Software einfach so gut das es unnötig ist.

Ich gehe mal davon aus. Zudem ja mehrere Kameras auch ein räumliches Bild errechnen können. Die Abstände lernt die KI eben über die Bildinformationen.

>Ändert aber trotzdem nichts daran das Lidar genauere Tiefen Informationen liefern kann.

Ich bestreite ja gar nicht, dass Lidar und Radar in bestimmen Situationen um Welten besser sind als schnöde Kameras, aber eine KI damit zusätzlich zu füttern ist offensichtlich schwierig und aufwändig und offensichtlich nicht notwendig!

Ich finde leider die Videos nicht mehr auf YouTube, daher hab ich ChatGTP gefragt:

---------------> Meine Frage: Lernt eine KI besser mit nur einer Datenquelle als mit mehreren?

Ob eine KI besser mit einer einzigen Datenquelle oder mit mehreren Datenquellen lernt, hängt von verschiedenen Faktoren ab. Hier sind die wichtigsten Überlegungen:

Vorteile einer einzigen Datenquelle
- Konsistenz und Qualität:
- Mit einer einzigen Datenquelle ist die Datenqualität oft besser kontrollierbar. Es gibt weniger Risiko von Konflikten oder Inkonsistenzen zwischen unterschiedlichen Quellen.
- Einfachere Verarbeitung:
- Eine einzelne Datenquelle reduziert den Aufwand für die Datenvorbereitung, Normalisierung und Integration, was den Trainingsprozess effizienter machen kann.

Gezielte Spezialisierung:
Wenn die KI für eine spezifische Aufgabe trainiert wird, kann eine hochwertige, spezialisierte Datenquelle oft bessere Ergebnisse liefern, da sie gezielt auf das Problem zugeschnitten ist.


Vorteile mehrerer Datenquellen
- Vielfalt und Generalisierung:
- Durch mehrere Datenquellen kann die KI ein breiteres Spektrum an Informationen aufnehmen, was die Generalisierungsfähigkeit verbessert. Das ist besonders wichtig, wenn die KI in verschiedenen Szenarien oder mit unterschiedlichen Datentypen arbeiten soll.
- Robustheit gegen Verzerrungen:
- Daten aus nur einer Quelle können Biases enthalten, die das Modell beeinträchtigen. Mehrere Datenquellen können helfen, solche Verzerrungen zu minimieren.

Erweiterte Anwendungsbereiche:
Wenn die KI aus verschiedenen Quellen lernt, kann sie flexibler auf neue oder unbekannte Aufgabenstellungen reagieren, da sie auf eine breitere Wissensbasis zurückgreift.

Herausforderungen bei mehreren Datenquellen

Datenharmonisierung:
Daten aus unterschiedlichen Quellen müssen häufig in ein einheitliches Format gebracht und aufeinander abgestimmt werden, was komplex und ressourcenintensiv sein kann.

Qualitätsunterschiede:
Quellen können unterschiedlich zuverlässig oder aktuell sein, was die Qualität des Modells beeinträchtigen könnte.

Rechenaufwand:
Das Verarbeiten und Trainieren mit größeren, heterogenen Datensätzen erfordert mehr Rechenleistung und Speicher.



Fazit
Eine KI lernt besser mit mehreren Datenquellen, wenn:

- sie für vielseitige oder generalisierte Aufgaben entwickelt wird,
- Verzerrungen in den Daten ein Risiko darstellen, und
- die Quellen qualitativ hochwertig und gut harmonisierbar sind.

Für spezialisierte Aufgaben oder begrenzte Szenarien kann eine einzelne, hochwertige Datenquelle jedoch effizienter und effektiver sein. Der optimale Ansatz hängt also stark von den spezifischen Zielen und Anforderungen des Modells ab.

Tesla ist führend beim autonomen Fahren, da ist unglaublich viel Expertise am Start, ich glaube nicht, dass die sowas aufbauen nur weil ein dummer CEO ihnen vorschreibt, dass das alles nur mit Kameras funktionieren muss. Die sind ÜBERZEUGT, dass Kameras ausreichen um ein funktionierendes System an den Start zu bringen.


< Frameset laden | antworten >
Impressum | Nutzungsbedingungen | Datenschutzerklärung | | Mobile Apps | maniac-forum.de