抛弃汽車本身?前Uber首席科學家完全在仿真模拟中進行人工智能駕驶...
制造無人駕驶汽車是一项迟钝而昂贵的营業。颠末多年的尽力和数十亿美元的投資，這项技能仍處于试點阶段。拉克尔·乌尔塔森（Raquel Urtasun）認為她可以做得更好。2021 年，因為對行業的迟钝成长感触懊丧，乌尔塔森在主持了 Uber（一家叫車辦事公司）的主動駕驶鑽研事情四年以後，分開了 Uber 并建立了本身的公司，名為 Waabi。“@今%Du5O3%朝大大%yKiak%都@主動駕驶的技能线路都太慢，以致于没法获得前進，”乌尔塔森说，她把重要精神投入了無人駕驶汽車行業和多伦多大學中。“咱們必要一個彻底分歧的方案。”
公司如今流露了乌尔塔森押注的有争议的主動駕驶汽車新捷径，该捷径最大的創意是？丢弃汽車自己！
在曩昔的六個月里，Waabi 公司一向在創建一個超等真正的虚拟仿真情况，称為 Waabi 世界。Waabi 筹算几近彻底在仿真摹拟中举行人工智能駕驶員的練習，而不是在真正的車辆中。他們規劃，在最後一轮微调以前，人工智能不會在真實門路上的真實車辆长進行测试。
問题是，一小我工智能要想學會處置真實門路的繁杂环境，就必需表露在它可能碰到的各信用卡換現金,類場景中。這就是為甚麼在曩昔的十年里，無人駕驶汽車公司累计活着界各地的街道上行驶了数百万英里。
一些公司，如 Cruise 和 Waymo，已起頭在美國一些简略的都會情况中测试無人駕驶車辆，但希望依然迟钝。“為甚麼咱們尚未看到這些试點的扩大呢？為甚麼那些車不是無處不在呢？”乌尔塔森問道。
乌尔塔森斗胆而自傲地担當了 Waabi 公司的卖力人，该公司不但没有對其技能举行門路测试，乃至连汽車都没有。但經由過程防止耗费大部門研發本钱在真實街道上测试软件，她但愿打造一個比竞争敌手更快、更經濟的人工智能駕驶員，從而给全部行業带来急需的鞭策。
虚拟駕驶員
该公司其實不是第一家開辟虚拟實際世界来测试主動駕驶软件的企業。在曩昔的几年里，仿真摹拟已成為無人駕驶汽車公司的支柱。但問题是，仅凭摹拟技能是不是足以帮忙業界降服技能困難，使得無人駕驶成為可行的選项。
“今朝尚未報酬主動駕驶汽車打造‘黑客帝國’，”Zoox（主動駕驶汽車草創公司，2020 年被亚马逊收购）的結合開創人兼 CTO 杰西·莱文森（Jesse Levinson）说。
究竟上，几近所有的主動駕驶汽車公司如今都以某種情势利用摹拟技能。它加速了测试速率，向人工智能模子展现比现實門路上更遍及的場景，并低落了本钱。但大大都公司将仿真摹拟與真實世界的测试连系在一块兒，凡是是在真實門路和虚拟門路之間往返切换。
“Waabi 世界”将摹拟的操纵晋升到了另外一個条理。這個虚拟世界自己是由人工智能天生和節制的，人工智能充任了駕驶锻練和情况监视體系——辨認人工智能駕驶員的弱點，然後從新安插虚拟情况来测试它們。
“Waabi 世界”能同時傳授多小我工智能駕驶員分歧的能力，然後将他們组合成一套技術。乌尔塔森说，這一切都是不中断地產生，而且不必要人類介入。
小几率事務
無人駕驶汽車公司利用仿真摹拟来测试節制車辆的神經收集若何處置小几率事務——好比一個自行車快递員在前面變道插队，一辆跟天空同样色彩的卡車盖住了路，或一只鸡過马路——并举行响應的自我调解。
“當你碰到一個很少產生的小几率事務時，必要数千英里的門路才能准确测试它，”西德·甘地（Sid Gandhi）说，他在 Cruise 公司從事摹拟事情，该公司已起頭在旧金山的某些門路上测试全主動駕驶汽車。
這是由于小几率事務，或叫长尾事務，可能在一千次中只產生一次。他说：“當咱們尽力解决长尾問题時，咱們将愈来愈少地依靠于實際世界的测试。”
每次 Cruise 公司進级其软件時，它城市運行数十万次仿真摹拟来测试它。据甘地说，该公司将按照他們的汽車碰到贫苦的特定實際环境天生数千個場景，并调解细節以涵盖一系列潜伏的場景。它還可使用来自其汽車的真實摄像頭数据，使摹拟加倍真實。
然後，工程師可以扭轉門路結構，改换分歧類型的車辆，或扭轉行人的数目。最後，Cruise 公司利用本身的主動駕驶算法来節制仿真摹拟中的其他車辆，使它們做出真正的反响。
甘地说，用這類合成数据举行测试比利用真實数据快 180 倍，也廉價数百万美元。
甘地说，Cruise 還在實驗除旧金山之外其他美國都會的虚拟場景，以便在真實汽車開到這些處所以前，就在摹拟街道上测试其主動駕驶软件。
其他公司也認為，仿真摹拟是練習和测试主動駕驶人工智能的关頭步调。莱文森说：“在不少方面，摹拟现實上比现實駕驶更有效。”总部位于英國的主動駕驶汽車公司 Wayve 也在瓜代举行摹拟测试和真實門路测试。
该公司一向在伦敦忙碌的街道上测试本身的汽車，但車里一向有平安員。Wayve 公司的首席科學家杰米·肖顿（Jamie Shotton）说，摹拟不但經由過程低落测试本钱加快了主動駕驶汽車的成长，并且還可使测试加倍靠得住，這是由于摹拟仿真更易屡次反复测试。
他说：“一次樂成摹拟的关頭是不竭尽力增长其實際性和多样性。”
即使如斯，在声称仅靠摹拟能有多猛進展方面，Waabi 公司跨越了其别人。和 Cruise 同样，Waabi 的虚拟世界也是基于真實傳感器的数据，包含雷达和相機，它用這些数据来建立真實世界場景的数字孪生。
然後，Waabi 摹拟人工智能駕驶員看到的傳感器数据——包含可能會讓摄像頭胡涂的滑腻曲面的反射，能讓激光雷达失效的废气和烟雾——使虚拟世界尽量真實。
但 Waabi 世界的关頭脚色是它的神同样的駕驶锻練。當人工智能駕驶員學會處置一系列情况時，另外一小我工智能模子则學會發明它的弱點，并天生特定的場景来测试這些弱點。
现實上，Waabi 世界讓一小我工智能匹敌另外一個，智能锻練進修若何經由過程設置特定挑疆場景讓智能司機失败，而智能司機则進修若何降服這些挑战。乌尔塔森说，跟着人工智能駕驶員的前進，很難找到可能失败的案例。“你必要把它表露在数百万乃至数十亿個場景下，才能發明其缺點。”
乌尔塔森認為，在一個多样化的tải kubet về ios,摹拟中練習司機，更貼切地复制了人們進修新技術的方法。她说：“每搓泥膏, 次咱們履历一些事變時，咱們就會從新调解咱們的大脑。”
在仿真摹拟中讓人工智能與本身或敌手成百万次地匹敌，這已成為一種很是壮大的技能。這就是 DeepMind 团队練習其人工智能玩围棋和星際争霸遊戲的方法；這也是人工智能呆板人在虚拟遊樂腰椎間盤突出膏藥, 場進修的方法，好比 DeeMind 的 XLand 和 OpenAI 的捉迷藏，它們經由過程不竭试错，進修根基但通用的技術。
葉黃素,
但在摹拟中赐與人工智能举措自由的一個错误谬误是，它可以學會操纵實際世界中看不到的缝隙。OpenAI 的捉迷藏呆板人學會了經由過程团队互助来避讓或寻觅别人。但他們也在摹拟中發明了一些小妨碍，得以讓人工智能违反物理學，比方飞到空中或将物體推過墙壁。
企業必要确保其摹拟成果足够正确，以阻拦其人工智能駕驶員進修如许的坏習气。神經收集老是會學會操纵虚拟世界和實際世界之間的差别，乌尔塔森说：“他們晓得若何做弊。”
乌尔塔森暗示，该公司已開辟出了权衡真實和虚拟駕驶情况之間差别并能這類差别其尽量小的法子。她尚未流露這项技能的细節，但暗示 Waabi 規劃颁布该项事情。
仅利用仿真摹拟，Waabi 能走多远将取决于 Waabi 世界到底有多真實。“仿真摹拟正在變得愈来愈好，以是你可以在實際中學到而在摹拟中没法學到的工具會愈来愈少，”莱文森说，“但我認為，要過很长一段時候才這類差别會消散。”
“在摹拟和真實世界的测试之間连結公道的均衡很首要，”肖顿说，“對任何一家主動駕驶公司来讲，终极的磨練都是，在具备真實設备的任何繁杂环境下，能将其技能平安地利用于門路上。”
乌尔塔森原则上赞成。“咱們依然必要举行實際世界的测试，”她说，“但這要少很多。”
不管產生甚麼，乌尔塔森都對峙認為近况不克不及延续下去。“每小我都在做一样的事變，虽然咱們尚未解决薑膏,這個問题，”她说，“咱們必要一些能加速這個過程的工具。咱們必要一向采纳這類新的思惟方法。”
頁:
[1]