2014年国际消费类电子产品展览会(CES)在美国拉斯维加斯拉开了帷幕。而随着停车和拥挤的交通已经成为两大最单调乏味的驾驶状况,在展会上,汽车设备供应商为我们展示了怎样减轻司机在停车时负担的过程。
在无人驾驶汽车演示区,法雷奥(Valeo)为我们展示了一台配备其新技术的路虎揽胜极光(Range Rover Evoque)停车的过程。站在一旁的工作人员只需点击控制一款iPhone应用,路虎揽胜就会开始沿一行汽车向前行驶,寻找停车位。当它发现一个空车位时,就会自动开过去,然后掉转方向盘,倒车停入空位。它甚至能够自动正位,向前行驶一点然后再倒车,以确保与其两侧汽车的距离均匀。
而在停车过程中,该无人驾驶汽车完全独立行驶,并未预先设定路线。法雷奥指出,尽管这次只演示了汽车如何倒车泊入停车位,它还可以进行平行泊车或机头向内停放入库,而且后两者的操作实际要比倒车入库更容易。
该汽车配有12个超声波传感器,前面和后面各装有6个,前护栅上安装有一台激光扫描仪和四个摄像头。而这些摄像头和超声波传感器设备目前都可在路虎揽胜汽车上找到。
此外,法雷奥还为这台无人驾驶汽车添加了一个CPU,用以分析传感器数据并确定进入停车位的最佳路线,以及转向、制动、加速的控制。该CPU并未超过标准汽车发动机控制器的大小。
虽然法雷奥也可以将该控制系统嵌入一把遥控钥匙中,但对司机而言,智能手机应用是启动该系统的一种便捷方式。在演示中,法雷奥通过WiFi连接将手机与汽车联通,而且任何通信协议都是可行的。
同时,这项功能也可以很容易地拓展出另一种功能,即可操纵汽车自动从停车位驶出,来到车主面前。法雷奥为宝马提供了一些这方面的技术,使得宝马i3的自动停车功能成为可能。至今为止,还没有哪家汽车制造商宣布过其已研发出无人驾驶停车功能。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。