無人車又卷入了一起車禍。不過這一次,它成了受害者。
當?shù)貢r間周五下午一點左右,山景城的一個十字路口,綠燈亮起 6 秒鐘后,一輛 Google 無人駕駛測試車雷克薩斯 RX450h 起步。沒等他穿過路口,右側一輛商務車無視紅燈開了過來,和雷克薩斯結結實實地撞在了一起。Google 無人車右側嚴重損毀。
幸運的是,無人車上的乘客和商務車司機都沒有受傷。目前消息來看,此次事故的主要責任方應該是商務車司機。
Google 官方表示將會在本月底公布事故詳細信息。回溯以往的消息,這次極有可能是 Google 無人車遭遇的最嚴重的一次車禍。
今年 2 月底,Google 的另一輛無人車在變道時誤判了后方大巴司機的駕駛行為,它本以為司機會減速等待它變道,實際情況卻正好相反。兩者發(fā)生輕微的刮蹭,無人車撞到了大巴的一側車身,前護欄、車輪和傳感器受損。
Google 多次通過官方渠道用數(shù)據(jù)和案例證明粗心大意的人類在開車這件事上有多么不靠譜。比如說,94% 的車禍是由于司機的不當操作引起的,路怒、無耐心、精力不集中等是司機的通病。無人車就沒有這種毛病,它擁有 360 度的視角去監(jiān)視路況,規(guī)避行人,不會路怒,不會失去耐心。綠燈亮起后數(shù)秒鐘起步可以部分說明這個問題。
關于無人車的守規(guī)矩我們前幾天乘坐福特無人車兜風的時候,已有體驗。改裝后的蒙迪歐在左轉時監(jiān)測到后方有行人通過馬路來了個急剎車:
它絕對是我見過的最禮貌的司機。見到行人,車子會早早地停下來,直到行人完全離開車道才開始啟動;在變道之前會打轉向燈,轉向燈幾秒后才會變道;加速減速平穩(wěn)流暢,也會在適合的情況下以限速速度前進。
然而當無人車遇到有情緒會分心的人類司機,情況就會變得復雜起來。這也是在今后很長一段時間內(nèi)會存在的問題,無人車和人類司機并行在城市街頭,對交通規(guī)則的遵守,對駕駛行為和路人、非機動車的預判,兩者會存在巨大的差異。
即便現(xiàn)有的交通法規(guī)會對無人車和人類司機一視同仁,但兩者對于法規(guī)的解讀卻各有不同。在無人車一統(tǒng)天下之前,人類難以預測的行為帶給 Google、Uber、福特等無人駕駛探路者的挑戰(zhàn)可能比無人駕駛所涉及的機器視覺、傳感技術本身更有難度。
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術,實現(xiàn)AI視頻實時流式生成的重大突破。該技術通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎幾何知識對培養(yǎng)AI空間智能的重要價值。