Tesla og Waymo bruger syntetiske data til at træne perceptionsmoduler

Virksomheder som Tesla og Waymo bruger syntetiske data genereret af Diffusion-modeller til at træne deres perceptionsmoduler. Disse syntetiske data kan give en række komplekse kørselsscenarier, såsom ekstremt vejr og pludselige forhindringer, for at hjælpe modellen med at generalisere bedre. Derudover kan disse data også simulere high-fidelity LiDAR punktskyer, radardata eller billeder under forskellige lysforhold for at kompensere for manglen på rigtige data. På denne måde kan disse virksomheder reducere deres afhængighed af mærkede data og yderligere forbedre ydeevnen af ​​deres modeller.