
据《华尔街日报》报道,迫于加州机动车辆管理局(DMV)的新法规要求,搜索巨头谷歌的无人驾驶汽车将被迫添加物理控制装置——方向盘和刹车制动装置,迫使谷歌对其原型车进行重新设计。
加州机动车辆管理部门本周发布新规,要求司机必须能够对在公共道路上行使的汽车采取“直接物理控制”。无疑,这对于传说中“不再需要方向盘、油门或制动踏板”的谷歌无人驾驶汽车是个打击,意味着谷歌必须在其原型车上添加方向盘和刹车踏板系统。
在今年5月份,谷歌公布了自己的无人驾驶汽车模型:小小的双座外观,而且前脸采用了卡通笑脸设计,看上去的确很萌。关键是谷歌在此车设计中省去了物理驾驶控制系统,代之以软件控制按键出现。
谷歌公司表示,他们将的遵守即将在9月中旬生效的这项加州法规,公司一位发言人表示,“添加了这些附加装置后,我们的司机可以在测试过程中安全操控无人驾驶性能。如果有必要,他们同时可以对车辆实施控制。”
《华尔街日报》称,谷歌将在下月于加州公路上测试这一添加了方向盘和制动踏板的原型车。
谷歌的无人驾驶汽车计划,只是公司包括多个项目在内的“探月”工程项目中的一个。而其他项目则来自公司的Google X实验部门,包括谷歌眼镜,以及旨在向特殊地区提供Wi-Fi连接的互联网气球项目。自2010年以来,谷歌公司已公开致力于汽车项目研发。
今年5月,谷歌创始人谢尔盖·布林(Sergey Brin)公布了无人驾驶汽车原型产品。他当时称,谷歌该项目旨在数年后,将无人驾驶汽车打造成为比“有人驾驶汽车”更安全的设备。据悉,谷歌的无人汽车能够以每小时25英里的速度前进,并且能够快速机动地绕开障碍物。布林当时称,谷歌无人驾驶汽车在整个测试中尚未发生过碰撞。
据悉,加州机动车辆管理局同时还针对无人驾驶车辆制定了其他限制。谷歌汽车项目安全主任罗恩·梅德福特(Ron Medford)在今年早些时候曾向加州车辆管理部门提出申请,打算测试其他类型的无人驾驶车辆,比如无人驾驶摩托车和卡车,但遭到拒绝。政府部门称,他们在无人驾驶技术测试方面,打算先采取“小步走”的谨慎策略。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。