您的位置::名爵娱乐网 >> 假音人

丰田无人驾驶汽车背后的策划者说AI仍有路要走蜜雪薇琪

时间:2022年07月28日

丰田无人驾驶汽车背后的策划者说AI仍有路要走

毫无疑问,让汽车自行驾驶是人工智能最具雄心的商业应用。该研究项目在2004年DARPA城市挑战赛中被付诸实践,然后被商业计划书采纳,首先被Alphabet所采用,后来被大型汽车制造商所接受。

整个行业范围内的努力使许多世界上最好的机器人技术家吸尽了风头,并使竞争对手的公司大肆进行数十亿美元的收购它还掀起了一轮大肆宣传的浪潮,遍历了更雄心勃勃的截止日期-最著名的截止日期是由Alphabet的谢尔盖·布林在2012年提出的,其完全自动驾驶技术将在2017年准备就绪。这些截止日期都被错过了。

令人振奋的大部分灵感来自于一种神奇的奇迹,这种奇迹是一种新型的AI通过玩游戏,识别面部表情和音译而实现的。深度学习擅长于涉及模式识别的任务,这是对基于规则的旧式AI技术的特殊挑战。但是,现在看来,深度学习不会很快掌握驾驶方面的其他智力挑战,例如预测人类可能会做什么。

一开始就参与其中的机器人专家包括丰田研究院首席执行官吉尔·普拉特,他曾是国防高级研究计划局的项目经理。和沃尔夫勒姆·伯加德,为TRI的自动驾驶技术的副总裁和总裁IEEE机器人与自动化学会。二人在加州帕洛阿尔托的TRI办公室与IEEE Spectrum的Philip Ross进行了交谈。

为了清楚起见,本次采访已进行了浓缩和编辑。

IEEE Spectrum:人工智能如何处理自动驾驶问题的各个部分?

吉尔·普拉特:无人驾驶汽车需要三种不同的系统:首先是感知,然后是预测,然后是计划。

到目前为止,最成问题的是预测。这并不是对其他自动驾驶汽车的预测,因为如果所有汽车都实现了自动驾驶,那么这个问题将更加简单。您如何预测人类将要做什么?深度学习现在很难学习。

频谱:您能用惊人的感知来弥补预测中的弱点吗?

Wolfram Burgard:是的,这就是汽车公司的基本做法。照相机提供语义,激光雷达提供距离,雷达提供速度。但是,所有这些都带来了问题,因为有时您会从不同的角度看待世界-这就是视差。有时您不知道该像素属于哪个范围估计。这可能会使关于是喷涂在卡车侧面的人还是实际的人的决定变得复杂。

有了深度学习,就可以保证,如果您在这些网络上投入足够的数据,它将最终起作用。但是事实证明,自动驾驶汽车所需的数据量远远超过了我们的预期。

频谱:深度学习的局限性何时显现?

普拉特:思考深度学习的方法是它确实是高性能的模式匹配。您将输入和输出作为训练对;您说这张图片应该导致那个结果;而您只需一次又一次地执行数十万,数百万次。

我认为这是大多数人因深度学习而沦为逻辑上的谬论。我们用大脑做的很多事情都可以被认为是模式匹配:“哦,我看到了这个停车标志,所以我应该停下来。” 但这并不意味着所有的智能都可以通过模式匹配来完成。

“我问自己,如果所有这些汽车都具有自动驾驶功能,那么它们将不得不承受多大程度的撞车事故?”

—吉尔·普拉特,丰田汽车研究所

例如,当我开车时,我看到一位母亲在拐角处牵着一个孩子的手,试图过马路,我很确定她不会在红灯和马路旁过马路。根据我作为人的经验,我知道母亲和孩子不会那样做。另一方面,假设有两个十几岁的孩子-蓝头发,滑板和不满的样子。难道他们要乱穿马路?我看着那个,你看着那个,在你的脑海中,他们马上会乱跑的可能性比握着孩子的母亲的瞬间要高得多。这并不是说您已经看到100,000例幼儿,而是您了解成为青少年或母亲牵着孩子的手是什么意思。

您可以尝试伪造这种情报。如果您专门针对这样的数据训练神经网络,则可以对其进行模式匹配。但是您必须知道要这样做。

Spectrum:所以您说的是,当您用模式识别代替推理时,投资的边际收益会很快下降吗?

普拉特:绝对正确。不幸的是,我们还没有能力去思考,所以我们不知道该怎么做。我们一直在尝试使用深度学习的锤子锤打更多的钉子-我们说,好吧,让我们输入更多的数据和更多的数据。

Spectrum:您是否可以训练深度学习系统来识别青少年,并为该类别指定乱穿马路的高倾向?

布尔加德:人们一直在这样做。但是事实证明,您想出的这些试探法极难调整。而且,有时启发式方法是矛盾的,这使得基于规则设计这些专家系统变得极其困难。这就是深度学习方法的优势所在,因为深度学习方法以某种方式编码了一种观察模式的方式,例如,这里是一个功能,而另一处是另一个功能;这是关于可用参数的绝对数量。

我们对自动驾驶AI的各个组件的分离简化了AI系统的开发甚至学习。一些公司甚至考虑使用深度学习从头到尾完全完成工作,而根本没有任何结构—从根本上说,直接将感知映射到行动。

普拉特:有些公司已经尝试过了。Nvidia确实尝试过。通常,发现它不能很好地工作。因此,人们将问题划分为多个模块,我们在其中了解每个模块的功能,并尝试使每个模块都能正常工作。一些模块最终更像我们所讨论的专家系统,在这里我们实际对事物进行编码,而其他模块最终更像是机器学习。

Spectrum:那么,下一步是什么—即将出现什么新技术?

普拉特:如果我知道答案,我们会做的。[笑声]

Spectrum:您说过,如果路上的所有汽车都实现自动化,那么问题就很容易了。为什么不通过自动驾驶来解决问题,而只允许自动驾驶汽车呢?

普拉特:这意味着要限制运营设计领域。这包括地理环境,即汽车应进行自动化的位置;它包括天气,它包括交通水平,它包括速度。如果汽车的行驶速度足够慢,可以避免碰撞而又不会冒尾部碰撞的危险,那么这将使问题变得更加容易。电动手推车在世界某些地方仍在交通拥挤的情况下运作,看来效果还不错。人们了解到这辆车可能会在意外的时候停车。我的怀疑是,这就是我们在城市中看到4级自治的地方。它将处于较低的速度。

“我们现在处于深度学习时代,我们不知道会发生什么。”

—丰田研究所,丰田研究院

毫无疑问,这是在运营设计领域的一个亮点。高速公路上还有另一个高速行驶的公路,因为通往高速公路的通道非常有限。但不幸的是,偶尔仍有碎屑横穿马路,天气变差。典型的例子是有人不负责任地将床垫绑在汽车的顶部,然后掉下来。你会怎样做?答案是,即使对于人类,也发生了可怕的事情。

频谱:边做边学,学习第一批汽车,第一批飞机,第一批蒸汽锅炉,甚至第一批核反应堆。然后我们冒风险;为什么不是现在?

普拉特:与时代有关。在汽车起飞的时代,发生了各种各样的事故,妇女死于分娩,各种疾病肆虐;生活的预期特征是发生了坏事。期望已经改变。现在,由于进行了所有的学习,OSHA规则,UL电器规范,所有建筑标准和药品,因此死于某些怪胎事故的机会非常低。

此外,我们认为这非常重要,我们认为,当发生车祸时,对驾车人士的同理心是公众接受的重要因素。我们不确定这一点,这只是我们的推测。我开车,打了个电话。可能是我犯了那个错误并遭受了沉重的打击。我认为当其他人犯错时,人们会更宽容,并且会发生可怕的崩溃。对于自动驾驶汽车,我们担心这种同情心不会存在。

丰田的Platform 4自动驾驶测试车。

照片:丰田

丰田汽车正在使用 基于雷克萨斯LS的Platform 4自动驾驶测试车辆为其“司机”项目开发4级自动驾驶功能。

光谱:丰田正在建立一个名为Guardian的系统来备份驾驶员,并建立一个更具未来派意义的系统Chauffeur来替换驾驶员。司机将如何成功?它必须比人类加守护者更好!

普拉特:在我们与该领域其他人的讨论中,我们谈论了很多。标准是什么?它是一辆基本汽车上的人吗?还是有人在其中装有主动安全系统的汽车?人们会认为足够好吗?

这些系统将永远不会是完美的-总是会发生一些事故,无论我们如何努力尝试,仍然有可能会发生一些死亡事故。人们愿意说在什么门槛上可以吗?

频谱:您是最早警告不要大肆宣传自动驾驶技术的顶尖研究人员之一。您看到如此多的其他玩家没有看到什么?

普拉特:首先,就我个人而言,在DARPA工作期间,我从事的是机器人技术,而不是汽车。所以我有点局外人。我从一个全新的角度来看它,这很有帮助。

其次,[当我2015年加入丰田公司时]我加入了一家非常谨慎的公司-尽管我们已经取得了巨大的飞跃-以普锐斯混合动力系统为例。即便如此,总的来说,丰田公司的理念仍然是改善-每天都在不断改善汽车。这种护理意味着我在做出预后之前,必须对这件事进行非常深入的思考。

最后一部分:对我来说这是一项新工作。我签署合同后的第一天晚上,我感到了这不可思议的责任。我整夜无法入睡,所以我开始乘以10来乘以10。汽车平均可持续使用10年,而我们的可持续使用20年,但我们称之为10。它们每年的行驶里程为10,000英里。乘了这一切,你会得到10到10次,每年英里我们的地球,一个非常大的数量的舰队。我问自己,如果所有这些汽车都具有自动驾驶功能,那么他们将不得不承受多大程度的撞车事故?答案是如此之好,以至于我知道这将花费很长时间。那是五年前。

Burgard:我们现在处于深度学习时代,我们不知道会发生什么。我们仍在利用现有技术取得进步,它们看起来非常有前途。但是梯度并不像几年前那么陡峭。

普拉特:没有什么可以告诉我们这是不可能完成的。我对此应该很清楚。仅仅因为我们不知道该怎么做并不意味着就不能做到。

三环链往复疲劳测试机

便携式肖氏硬度计

电子试验机供应商

焊接强度拉力试验机

100N微机制动器缓解弹簧试验机

友情链接