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
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。