
CNET科技资讯网 3月29日 国际报道:受益于无人驾驶汽车的兴起,全球的科研人员正在谋划一个没有交通信号灯与道路堵塞的未来。
交通信号灯有一天会在我们的城市中变得无足轻重吗?研究人员说,由于无人驾驶汽车的出现,这样的未来是可能来到的。
谷歌、奔驰和Delphi等公司正在开发无人驾驶汽车。现在,智能感应器、信息娱乐仪表板和巡航控制部件不断出现,而自动驾驶汽车超越了这些概念,完全用计算机代替了司机。
谷歌是无人驾驶汽车的拥护者,该公司声称,自动驾驶汽车的安全性超过了人驾驶。
安全性不是唯一的问题,如果自动驾驶汽车普及,我们可能堵在路上的时间会大大减少。
来自麻省理工学院,瑞士理工学院和意大利国家研究委员会的研究人员提出了“光流量”(Light Traffic)的概念,它能够让无人驾驶汽车无需等待通过交通繁忙的路口。
“光流量”使用感应器与无人驾驶汽车通讯,在汽车达到之前预留出通过的时间节点。这种系统使得汽车能够保持一个 安全距离,从而实现无缝通过路口。
这套系统可以灵活修改,可用于骑自行车和行人的交通管理。
麻省理工“可感应城市实验室”主任Carlo Ratti表示:“交通繁忙的路口是一个异常复杂的空间,因为你在同一地段有两股车流,我们的系统将重点由交通流量层面转移到了车辆层面。最终,这是一个更有效的体系,因为当有通过的节点,汽车会迅速通过路口。”
开发人员认为,这套系统可以很大程度避免“停停走走”的场面出现,也将有利于汽油燃烧带来的环境污染。
总的来说,新系统将十字路口的交通流量增加了一倍,改善了城市交通。
麻省理工“可感应城市实验室”科学家Paolo Santi表示:“认识到自动驾驶汽车对城市层面的影响非常重要。现在的道路 有几十年的的生命周期,新技术的出现肯定会对道路产生影响。”
本月初,谷歌表示,无人驾驶汽车让美国政府在停车,道路基础设施与公共交通上面花费更少的钱。
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。