Google搜寻技术加持，Waymo自驾车物体辨识能力再升级

Waymo借助Google的搜寻技术，能从历史自驾车驾驶日志中，快速地搜寻任何曾遇过的物体，解决方法是利用类似Google相簿，搜寻猫或是狗等特定物体的技术。Waymo的自驾车总共已经行驶超过3,000万公里，累积可搜寻的物体种类达数十亿个。

Waymo使用机器学习来侦测和分类不同类型的物体和道路特征，神经网络能够辨识物体以及对应的行为，像是慢跑者或是骑自行车的人，在交通号志部分，Waymo自驾车也可以辨识红绿灯颜色，以及临时摆设的路标。

Waymo从实际路驾中，收集了丰富的感测器日志，但是这同时也带来的巨大的挑战，因为要配对这些自驾车感测器捕捉到的物体，就像是海底捞针一样困难。过去Waymo仰赖启发式方法以解析不同特征的资料，当要日志中搜寻路上骑滑板车的人，便需要借由特定高度，以及物体行进时速等特征进行搜寻，但这样的特征还是太过模糊，因为有不少物体具有相同属性。

而现在Waymo的内容搜寻技术，将这类资料探勘的问题当作一种搜寻问题来解决，Waymo解释，新方法的核心原理是知识转移，从已经解决的问题，取得能够解决相关问题的知识。在Google相簿中，可以让用户找出所有跟狗相关的照片，应用在Waymo的情境中，便是从驾驶日志中，找出所有曾遇到狗的影像。

利用内容搜寻方法，Waymo工程师可以透过各种方式搜寻驾驶日志，进行相似性搜寻、细分超精细分类的物体，也能以文字搜寻场景。相似性搜寻便是以图像在驾驶日志中寻找相似的物体，当Waymo工程师想要改进判断仙人掌植被的模型，就能以随意一张仙人掌图像，搜寻自驾车观测到真实世界中，外观类似仙人掌的物体，并以这些资料训练模型。

图像搜寻模型将每一个Waymo驾驶日志中的物体，像是公园长椅或是垃圾桶，转换成为嵌入，目的是要能够简单地比较各物体的相似度，Waymo提到，利用属性为每个物体创建嵌入，并部署类似Google即时嵌入相似度比对服务的程序，可有效率地查询驾驶日志，在几秒钟找出与查询相似的物体。

由于单一类型的物体，可能有各种外观与类型，像是路上的塑料袋或是遗失的裤子等，Waymo利用超精细搜寻以寻找特定类别的物体，该搜寻系统的后端是分类机器学习模型，可以帮助内容搜寻工具在特定图像中搜寻特定物体类别，能够对汽车品牌、型号，甚至是特殊品种的狗，执行超精细搜寻。

Waymo利用内容搜寻技术，自动标记驾驶日志中的数十亿个物体，大幅提升资料标记的品质与速度，有了更多的训练资料，Waymo就能更全面的辨识路上的各种物体与场景。