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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。