谷歌無人駕駛汽車測試:6年發(fā)生11起交通事故
5月12日消息,谷歌周一披露信息稱,自該公司6年前開始測試其無人駕駛技術(shù)以來,這種汽車已經(jīng)造成了11起輕微事故。
在谷歌發(fā)布這項數(shù)據(jù)以前,美聯(lián)社報道稱該公司已向加利福尼亞州政府發(fā)出通知稱,自去年9月以來已發(fā)生與其無人駕駛汽車有關(guān)的3次碰撞事故,當(dāng)時谷歌必須上報所有事故成為了該公司在公共道路上測試這種汽車的正式法律規(guī)定。
據(jù)悉,卷入事故的汽車中有三輛是谷歌改裝的雷克薩斯SUV。谷歌為了實現(xiàn)汽車“自主駕駛”,給這些汽車裝上了感應(yīng)器和計算裝置。汽車零件供應(yīng)商德爾福的兩輛測試汽車中一輛卷入第四起事故。
谷歌和德爾福稱它們的汽車不是事故中的過錯方,而且這些事故都是非常小的事故。
谷歌無人駕駛汽車項目主管克里斯·厄姆森(Chris Urmson)稱,所有11次事故的規(guī)模都很小,僅造成了“輕度傷害,無人受傷”,而且是在總長170萬英里(約合274萬千米)的測試中發(fā)生的,其中使用無人駕駛模式的行駛總長為近100萬英里(約合161萬千米)。他還指出:“這些事故中沒有一次是因無人駕駛汽車而引起的。”
根據(jù)美國高速公路安全管理局(NHTSA)的規(guī)定,美國針對“僅造成財產(chǎn)傷害的碰撞事故”(property-damage-only crashes)制定的全國標準約為每駕駛10萬英里0.3次。谷歌無人駕駛汽車行駛170萬英里發(fā)生11樁事故的比例為每駕駛10萬英里0.6次,但該公司官員指出,每年最多有500萬次輕微事故并未向當(dāng)局上報,因此很難以此為標準進行衡量。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,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。
同濟大學(xué)團隊開發(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)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時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等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。