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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。