
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
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。