
北京时间3月1日消息,据科技网站AppleInsider报道,谷歌无人驾驶汽车过去曾卷入多起交通事故,不过在这些交通事故中,其他车辆司机都负全责。但是,在本月早些时候发生在加利福尼亚州的一起交通事故中,谷歌无人驾驶汽车需要承担部分责任。
有媒体当地时间周一报道,向加利福尼亚州机动车辆管理局(以下简称“DMV”)提交的文件披露了这次交通事故。文件显示,一辆采用无人驾驶技术的雷克萨斯RX450h在山景城与一辆公交车相撞。
报告显示,当时,无人驾驶的雷克萨斯试图并入车道,并避开前方道路上的沙袋。它显然通过后视镜“看到”了公交车,并“断定”它会停车或减速,但公交车并未停车或减速。
好在当时两辆车速度都很慢,雷克萨斯时速仅为2英里,公交车时速为15英里。事故没有造成人员伤亡,报告只是称雷克萨斯受到损伤。
在有关这次交通事故的消息“触网”后,谷歌解释了原因,称“有人驾驶汽车每天都会发生类似事故。这是驾驶活动中协商的经典案例——我们尝试相互预测对方行为。在这次交通事故中,我们显然负有责任,因为如果我们的汽车不出现在那里,就不会造成两车相撞。随车测试人员认为公交车会停车或减速,使我们的汽车并入车道,并认为两车之间距离足够大”。
谷歌无人驾驶汽车示意图
谷歌无人驾驶汽车曾遭遇17起交通事故,但据称这些交通事故责任全在对方,使得发生在2月14日的这起事故,成为谷歌无人驾驶汽车负部分责任的首起交通事故。
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。