為了實現自主駕駛,幾乎每一個汽車廠商都為自家原型車配備了大型感測器和雷達陣列,而且需要在軟體層面熟悉交通規則。
有趣的是,來自英國的 Wayve 團隊,竟然只通過幾個攝像頭、一套衛星導航、以及短至 20 小時的培訓,就讓原本不熟悉英國道路的測試車學會了自主駕駛。
【Wayve 聯合創始人 Alex Kendall 和 Amar Shah。圖自:Wayve】
其實早在去年 7 月,兩人就已經將他們的控制硬體、攝像頭、計算機、以及人工智慧學習軟體,塞進了一臺基於雷諾 Twizy 打造的 StreetDrone 。
儘管它只是一輛不知道踏板和方向盤為何物的機器,但還是在短短 20 分鐘的時間內,學會了如何沿著一條無止境的道路去行駛。
更棒的是,系統無需告知 AI 去學習什麼,而是在出錯時向它發出通知。
每當需要人類駕駛者奪回方向盤的控制權,深度學習系統就會將之認作一次“失誤懲戒”,並試圖透過之前的相機畫面,反思下一次如何做到更好。
如果 AI 能夠在沒有認為干預的情況下順利行進下去,就會獎勵自己一顆虛擬餅乾,從而強化正確的駕駛措施。
【雖然配置簡單,但 Wayve 的深度學習技術很是新穎。圖自:Wayve】
團隊表示,在整個模型中傳播的“不確定性”,可以幫助其更快、更有效的學習。
在近日的測試中,Wayve 在未指定任何道路交通規則的情況下,對 AI 進行了相同的‘干預等於懲罰’訓練。
結果發現,它能夠自主地在 GPS 引導下,很好地沿著計劃中的路線行進。
儘管測試時速保持在相對較低的 11 英里/小時(18 公里/小時)左右,AI 還是隻需透過短時間的訓練,就能很好地知曉規避碰撞(識別道路上的其它汽車或騎行者)、在 T 型或十字路口讓行、以及綠燈通行。
【Urban Driving with End-to-End Deep Learning】
從影片來看,團隊在 AI 此前不熟悉的溼滑路面上進行了測試,圍繞劍橋周圍的幾個街區進行了實驗,結果發現 AI 可以在起點到終點的一路上,無需任何的人工介入。
為了實現自主駕駛,幾乎每一個汽車廠商都為自家原型車配備了大型感測器和雷達陣列,而且需要在軟體層面熟悉交通規則。
有趣的是,來自英國的 Wayve 團隊,竟然只通過幾個攝像頭、一套衛星導航、以及短至 20 小時的培訓,就讓原本不熟悉英國道路的測試車學會了自主駕駛。
【Wayve 聯合創始人 Alex Kendall 和 Amar Shah。圖自:Wayve】
其實早在去年 7 月,兩人就已經將他們的控制硬體、攝像頭、計算機、以及人工智慧學習軟體,塞進了一臺基於雷諾 Twizy 打造的 StreetDrone 。
儘管它只是一輛不知道踏板和方向盤為何物的機器,但還是在短短 20 分鐘的時間內,學會了如何沿著一條無止境的道路去行駛。
更棒的是,系統無需告知 AI 去學習什麼,而是在出錯時向它發出通知。
每當需要人類駕駛者奪回方向盤的控制權,深度學習系統就會將之認作一次“失誤懲戒”,並試圖透過之前的相機畫面,反思下一次如何做到更好。
如果 AI 能夠在沒有認為干預的情況下順利行進下去,就會獎勵自己一顆虛擬餅乾,從而強化正確的駕駛措施。
【雖然配置簡單,但 Wayve 的深度學習技術很是新穎。圖自:Wayve】
團隊表示,在整個模型中傳播的“不確定性”,可以幫助其更快、更有效的學習。
在近日的測試中,Wayve 在未指定任何道路交通規則的情況下,對 AI 進行了相同的‘干預等於懲罰’訓練。
結果發現,它能夠自主地在 GPS 引導下,很好地沿著計劃中的路線行進。
儘管測試時速保持在相對較低的 11 英里/小時(18 公里/小時)左右,AI 還是隻需透過短時間的訓練,就能很好地知曉規避碰撞(識別道路上的其它汽車或騎行者)、在 T 型或十字路口讓行、以及綠燈通行。
【Urban Driving with End-to-End Deep Learning】
從影片來看,團隊在 AI 此前不熟悉的溼滑路面上進行了測試,圍繞劍橋周圍的幾個街區進行了實驗,結果發現 AI 可以在起點到終點的一路上,無需任何的人工介入。