data-v-4d3e2fd7>本文来自微信公众号:血钻故事(ID:xuezuangushi),作者:哲空空,题图来自:视觉中国要驱散眼前回忆,我又何能为力?——阿加莎·克里斯蒂01.纳卡冲突的底牌2020年10月,多事之秋。这边厢,美国选战正酣,惊奇不断;那边厢,阿塞拜疆与亚美尼亚大动刀枪,漫天飞弹。阿塞拜疆和亚美尼亚这俩国家,知名度一般,多数人要在地球仪上扒拉半天,才能窥见。但国际形势,往往牵一发而动全身,两个小国在外高加索一隅互丢炸弹,已足以震撼环球。美剧《权力的游戏》,有句经典台词:权力存于人心,惑人把戏,如暗影游墙,即便小小的身躯,也能投下巨大的阴影。我们不禁要问,阿塞拜疆与亚美尼亚...... Last article READ

「我要出轨了」!伯克利的这个AI,可以预测机器人何时将脱离

  金磊发自凹非寺

  量子位报道公众号 QbitAI

  「脱离」 (disengagement),在自动驾驶系统中是一个重要的指标。

  是指当自动驾驶汽车遇到故障,脱离自动驾驶模式,改为人类驾驶员接管车辆的情况。

  很多人认为「脱离」次数越少,就能说明一个自动驾驶系统能力越强。因此,以往的研究都会把「脱离」当作是故障来排除掉。

  但最近,UC 伯克利的研究人员却「以毒攻毒」,直接用这样的数据来训练机器人,预测未来何时将发生脱离事件

  研究人员称它为LaND——从「脱离」中学会导航。

  研究人员表示,通过这样的方法得到的结果,要比传统的强化学习、模仿学习都要强。

  「开」着小车取数据

  老规矩,先来看下训练数据。

  既然伯克利的这项研究是想「以毒攻毒」,那么就必须收集出现故障时的那些数据。

  于是,研究人员用一辆Clearpath Jackal机器人做测试。

  先让这个机器人自己在路上「跑」,若是遇到如下三种情况则视为出故障,即开到人行道的两侧或撞到草丛等物体。

  当出现故障的情况后,机器人就会进入「脱离」状态,人类研究员便用遥控器,把它重新置于有效位置,以便让它再次自主行进。

  然后研究人员把在这些过程中,从机器人摄像头等传感器获取的图像等数据收集起来,作为训练数据。

  投喂到神经网络做预测

  拿到数据,就要开始训练了。

  目的就是用这些数据,来预测机器人在未来是否会脱离

  具体的神经网络长这样。

  神经网络先使用MobileNetV2,对输入的图像观测值进行处理,紧接着是一系列的全连接层

  这些图像层的输出,将作为递归神经网络LSTM的初始隐含状态(hidden state),依次处理机器人未来的每一个动作,并输出相应的预测脱离概率。

  预测可视化的结果如下:

  在众多可选路径中,颜色越深(红),则表明脱离的概率越高。

  性能优于传统方法

  最后,研究人员拿这种「以毒攻毒」的方法,与其它两种传统方法做对比,分别是模仿学习强化学习

  在对比实验中,三种方法所采用的数据都是一致的,实验结果如表所示。

  非常明显,当机器人在 2.3 公里长、从未走过的人行道中行进时,强化学习方法平均每 2 米就会脱离一次,模仿学习则是平均每 13.4 米就会脱离一次。

  而伯克利提出的「以毒攻毒」方法,效果非常显著——平均每 87.5 米才会脱离一次。

  作者介绍

  这项研究的作者均来自 UC 伯克利。

  Gregory Kahn

  论文一作叫 Gregory Kahn,是 UC 伯克利 EECS 的一名博士生。主要研究目标是开发算法,使机器人能够在现实世界中操作。

  Pieter Abbeel

  Pieter Abbeel 是这项研究的另一位作者,目前在 UC 伯克利担任 BAIR 实验室的联合主任。

  他的研究致力于建立更加智能的系统,其实验室推动了深度强化学习、深度模仿学习、深度非监督式学习、迁移学习、元学习、学会学习,以及研究人工智能对社会的影响。

  参考链接:

  

  论文地址:

  

  每经编辑赵庆     10 月 18 日早间,特斯拉对外事务副总裁陶琳发布微博表示,有网友问为什么 Model 3 的更新和美国不同步,国内和国外不同步,在汽车生产行业是常态,特别是新工厂和新产品,传统车厂一般需要较长时间甚至一年以上才能实现同步生产。上海工厂的体量越来越大,同时要让中国消费者享受到最具性价比的产品,不可能照搬美国供应链,而本地新供应链需要更多时间来进行工程验证和相应爬坡工作。   大家问我们多久,现在确实无法回答,因为需要工程供应链等完全验证完成,产品经过检验完全合格才能正式推向市场。而这其中有一些环节其实并不完全掌握在特斯拉的手上。一旦准备充分成熟,就会对市场公布。  ......Next article READ