據(jù)《華爾街日?qǐng)?bào)》報(bào)道,迫于加州機(jī)動(dòng)車輛管理局(DMV)的新法規(guī)要求,搜索巨頭谷歌的無人駕駛汽車將被迫添加物理控制裝置——方向盤和剎車制動(dòng)裝置,迫使谷歌對(duì)其原型車進(jìn)行重新設(shè)計(jì)。
加州機(jī)動(dòng)車輛管理部門本周發(fā)布新規(guī),要求司機(jī)必須能夠?qū)υ诠驳缆飞闲惺沟钠嚥扇?ldquo;直接物理控制”。無疑,這對(duì)于傳說中“不再需要方向盤、油門或制動(dòng)踏板”的谷歌無人駕駛汽車是個(gè)打擊,意味著谷歌必須在其原型車上添加方向盤和剎車踏板系統(tǒng)。
在今年5月份,谷歌公布了自己的無人駕駛汽車模型:小小的雙座外觀,而且前臉采用了卡通笑臉設(shè)計(jì),看上去的確很萌。關(guān)鍵是谷歌在此車設(shè)計(jì)中省去了物理駕駛控制系統(tǒng),代之以軟件控制按鍵出現(xiàn)。
谷歌公司表示,他們將的遵守即將在9月中旬生效的這項(xiàng)加州法規(guī),公司一位發(fā)言人表示,“添加了這些附加裝置后,我們的司機(jī)可以在測試過程中安全操控?zé)o人駕駛性能。如果有必要,他們同時(shí)可以對(duì)車輛實(shí)施控制。”
《華爾街日?qǐng)?bào)》稱,谷歌將在下月于加州公路上測試這一添加了方向盤和制動(dòng)踏板的原型車。
谷歌的無人駕駛汽車計(jì)劃,只是公司包括多個(gè)項(xiàng)目在內(nèi)的“探月”工程項(xiàng)目中的一個(gè)。而其他項(xiàng)目則來自公司的Google X實(shí)驗(yàn)部門,包括谷歌眼鏡,以及旨在向特殊地區(qū)提供Wi-Fi連接的互聯(lián)網(wǎng)氣球項(xiàng)目。自2010年以來,谷歌公司已公開致力于汽車項(xiàng)目研發(fā)。
今年5月,谷歌創(chuàng)始人謝爾蓋·布林(Sergey Brin)公布了無人駕駛汽車原型產(chǎn)品。他當(dāng)時(shí)稱,谷歌該項(xiàng)目旨在數(shù)年后,將無人駕駛汽車打造成為比“有人駕駛汽車”更安全的設(shè)備。據(jù)悉,谷歌的無人汽車能夠以每小時(shí)25英里的速度前進(jìn),并且能夠快速機(jī)動(dòng)地繞開障礙物。布林當(dāng)時(shí)稱,谷歌無人駕駛汽車在整個(gè)測試中尚未發(fā)生過碰撞。
據(jù)悉,加州機(jī)動(dòng)車輛管理局同時(shí)還針對(duì)無人駕駛車輛制定了其他限制。谷歌汽車項(xiàng)目安全主任羅恩·梅德福特(Ron Medford)在今年早些時(shí)候曾向加州車輛管理部門提出申請(qǐng),打算測試其他類型的無人駕駛車輛,比如無人駕駛摩托車和卡車,但遭到拒絕。政府部門稱,他們?cè)跓o人駕駛技術(shù)測試方面,打算先采取“小步走”的謹(jǐn)慎策略。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。