Kan man missa en förstaplats med 28 tusendelar – och ändå vara glad.
Självklart.
När AWS DeepRacer var över hade alla fem i Raced Exceptions – som laget hette från InExchange – stora breda leenden på läpparna. Den hårfina marginalen från vinst var retlig, men överkomlig. Kvintetten var märkbart exalterad. Det här var ett kul gemensamt projekt som gav många värdefulla insikter i Machine Learning (ML).
Johan Frenning, development manager på InExchange, talade innan om att oavsett hur AWS DeepRacer än slutade skulle han och övriga lagmedlemmar gå därifrån “många kunskaper och erfarenheter rikare”.
Förhandsanalysen var mitt i prick.
– Det här var jättekul. Jag tror att alla varit glada och peppade. Vi har pratat ihop oss och skrattat väldigt mycket, bekräftar Vasko Poposki, teamleader för account management.
Laget bestod i övrigt av Niklas Augustsson (DevOps), Moa Rintakoski (UX-designer) och Anton Eklund (quality assurance, accounts payable). Genom att slå sina kloka huvuden ihop lyckades det sammansvetsade InExchange-gänget skapa flera reinforcement learning models. En av dessa modeller producerade på träningen dagens bästa varvtid, 10,007, men eftersom RC-bilens framfart var oberäknerlig med dessa instruktioner, valdes en annan pålitligare modell när det var skarpt läge.
Med då gick det långsammare. Raced Exceptions noterade 10,225. Det var 28 tusendelar sämre än vinnartiden, 10,197, som Skövde Exception Throwers (Skövde kommun) slog till med. Kampen i Science Park Skövdes konferenslokal var med andra ord infernaliskt jämn.
Mycket matematik
Tävlingsfönstren, på tre minuter vardera per lag, var kulmen på projektet. DeepRacer-eventet, som Skövde Science Park anordnade i samarbete med Amazon Web Services, startade halvannat dygn tidigare när det aktuella kontot blev tillgängligt för InExchange och övriga sju konkurrenter.
Från den sekunden började jakten på rätt kombination.
– Man vet, som sagt, vilka parametrar man har in. Men sedan måste man göra diverse beräkningar på den datan. Det är väldigt mycket matte involverad för att få ett så bra resultat som möjligt, konstaterar Vasko Poposki.
Vilket har varit det svåraste?
– Det svåra är att förstå vad alla inställningar översätter i och alla kombinationer av inställningar. Det var fruktansvärt många. Man hinner helt enkelt inte lära sig vad allting resulterar i.
Vasko tänker till någon sekund och tillägger:
– Framför allt ligger det en svårighet i översätta det hela till den fysiska bilen. Det rimmade inte alltid med den simulerade som vi ser på datorn. Där kan bilen köra jättebra, men när den riktiga bilen kördes efter samma modell har den gått lite hur som helst.
Teknik som kommer
AWS DeepRacer krönte Science Park Skövdes speciella AI-månad (mAI). Bilracingen var en lekfull avslutning inom ett teknikområde med oändlig potential.
Kan lärdomarna från denna utmaning implementeras i det vanliga jobbet?
– Teoretiskt ja, fastslår Vasko Poposki.
– Det är inget vi gör aktivt just nu, men absolut. Någon gång kommer vi säkert snudda vid den här typen av teknik.
Johan Frenning äger samma uppfattning.
– Vi har inget användningsområde som vi ser här och nu i vår verksamhet, men ju mer man kan bygga kunskap och medvetenhet om det så kommer säkerligen dessa innovationsidéer att dyka upp där det kan vara till användning.
– Och det gäller inte bara Machine Learning. Det gäller allt som händer runt omkring. Vi som utvecklare har på vårt bord att hålla oss ajour med det som händer. Därför är det jättekul att göra sådana här grejer, fortsätter Johan.
Humöret var på topp i laget efteråt. Möjligheten att under arbetstid sätta tänderna i ett häftigt tävlingsmoment kändes som ett privilegium.
– Det är roligt att göra något annat ibland, att testa nya områden och sysselsätta sig med något vi inte brukar hålla på med, summerar Vasko Poposki.
Bildtext: Raced Exceptions blev tvåa i AWS DeepRacer. I laget ingick (stående) Vasko Poposki, Johan Frenning och Niklas Augustsson samt (knästående) Moa Rintakoski och Anton Eklund.
Videofoto: SIMON WALLIN, InExchange
