
北京时间2月4日消息,谷歌母公司Alphabet周三称,其无人驾驶汽车项目将于本月晚些时候扩大测试区域至华盛顿州柯克兰市(Kirkland),这将是该公司进行无人驾驶汽车测试的第三座城市。
谷歌此前已在加利福尼亚州山景城总部进行了长达6年的无人驾驶汽车测试,并于去年夏天扩大测试至德克萨斯州奥斯丁市(Austin)。
谷歌发表声明称,扩大测试区域的原因之一是,这个位于美国西北部地区的新场地将可使其获得在“不同环境、交通模式和路况”下的无人驾驶汽车测试体验。柯克兰市的季节性降雨量很大,这意味着谷歌将可在潮湿天气条件下进行测试;另外,该市还处于丘陵地带,有利于谷歌测试传感器在不同角度和海拔高度的工作表现。
几周前谷歌已在柯克兰市北部地区使用一辆雷克萨斯RX450h SUV对方圆几英里的区域进行了测试,目的是绘制详细的街道地图。该公司称,其无人驾驶软件已完成了超过140万英里(约合225万千米)的自动驾驶测试。
华盛顿州州长杰·英斯利(Jay Inslee)对这种测试表示赞赏。他在谷歌发表的声明中说道:“我们盼望着能看到这种汽车上路,并希望了解有关无人驾驶汽车有朝一日如何改善安全性和缓解交通压力的更多信息。”
美国交通部上个月称其可能取消一部分车辆安全规定,从而允许更多无人驾驶汽车在美国道路上运行,目的是加快这种汽车的发展进程。
各大汽车制造商及以谷歌为首的科技公司都在争相开发和出售无人驾驶汽车,但这些公司一直都抱怨称,安全规定令其测试和最终部署受到了阻碍。
美国高速公路安全管理局(NHTSA)向汽车制造商表示,该局有意在整个行业内部对最多2500辆无人驾驶汽车进行豁免,使其不必接受一部分车辆安全标准的约束,为期最多两年,这将允许谷歌在美国道路上测试这种汽车。美国交通部长安东尼·福克斯(Anthony Foxx)上个月称,安全监管机构将在6个月内为无人驾驶汽车制定指导方针。
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。