谷歌无人驾驶汽车测试:6年发生11起交通事故
5月12日消息,谷歌周一披露信息称,自该公司6年前开始测试其无人驾驶技术以来,这种汽车已经造成了11起轻微事故。
在谷歌发布这项数据以前,美联社报道称该公司已向加利福尼亚州政府发出通知称,自去年9月以来已发生与其无人驾驶汽车有关的3次碰撞事故,当时谷歌必须上报所有事故成为了该公司在公共道路上测试这种汽车的正式法律规定。
据悉,卷入事故的汽车中有三辆是谷歌改装的雷克萨斯SUV。谷歌为了实现汽车“自主驾驶”,给这些汽车装上了感应器和计算装置。汽车零件供应商德尔福的两辆测试汽车中一辆卷入第四起事故。
谷歌和德尔福称它们的汽车不是事故中的过错方,而且这些事故都是非常小的事故。
谷歌无人驾驶汽车项目主管克里斯·厄姆森(Chris Urmson)称,所有11次事故的规模都很小,仅造成了“轻度伤害,无人受伤”,而且是在总长170万英里(约合274万千米)的测试中发生的,其中使用无人驾驶模式的行驶总长为近100万英里(约合161万千米)。他还指出:“这些事故中没有一次是因无人驾驶汽车而引起的。”
根据美国高速公路安全管理局(NHTSA)的规定,美国针对“仅造成财产伤害的碰撞事故”(property-damage-only crashes)制定的全国标准约为每驾驶10万英里0.3次。谷歌无人驾驶汽车行驶170万英里发生11桩事故的比例为每驾驶10万英里0.6次,但该公司官员指出,每年最多有500万次轻微事故并未向当局上报,因此很难以此为标准进行衡量。
好文章,需要你的鼓励
论文提出CAST框架,通过多智能体系统把任务成败的粗略反馈转化为逐步动作的详细批评理由,训练出更懂节制的批评模型,再用它优化执行策略,让8B小模型在可靠性指标上反超120B大模型,提升智能体在真实动态环境中的稳定表现。
论文提出NavMCP框架,用意图、观察、记忆三条通道把VLM推理与导航基础模型NFM结合,解决具身问答中长距离探索问题,在多个基准和真实机器狗测试中均取得最优效果。
研究发现教师模型批改学生生成内容时噪声率高达50%,但学生依然能进步。作者发现真正起作用的是压制学生自己低概率词,据此提出无需外部监督的OPSA方法,在AIME24等数学测试上带来最高307%的提升。
PaperGym提出一套把科研论文转化为AI训练环境的方法,解决科研计划生成缺乏可验证奖励的难题,通过问题答案分离降低评分标准泄露,结合自蒸馏与强化学习两阶段训练,让小模型在多个基准上超越更大规模的商业模型。