首页 小编推荐正文

摘要:至于谁终究会在这场「旷日持久战」中胜出,咱们暂且不评论。今日想和咱们聊聊关于特斯拉和 Waymo 在技能层面的一两点差异。

资讯组织 Navigant Research 最近发布的陈述再次将两家公司面向风口浪尖。一个是在排名中垫底的特斯拉,另一个则是拔得头筹的 Waymo。至于评判规范,是依据每家公司在「愿景」、「商业化战略」、「协作方」、「量产方案」、「技能」以及「产品持久力」这几个方面的归纳体现打分排名。

(2019 主动驾驭领导力排行榜,来历:Navigant Research)

在上一年的陈述中,Waymo 和特斯拉的排名分别为第七位和第十二位。对 Waymo 而言,上一年开端的大规划商业化试运营应该是其抢先的重要原因。但特斯拉垫底就有点说不过去了,排名居然比苹果都低。在一些业内人士看来,这份陈述在成文的视角和办法论上略有误差,缺失了对「政府联系」和「数据」这两个重要规范的考量。

和政府搞好联系的重要性自不必说。一旦硬件完结商品化,软件就成了要害。实际上不能说是揾笨软件,而是「数据」。数据是驱动主动驾驭技能发展的「燃料」,或许如前英特尔首席履行官 Brian Krzanich 提出的观念,「数据是新的石油资源」。国际上最先进doskoinpo的人工智能也需求数据支撑——它依托汗牛充栋的数据将信息传化为下一步的举动。

明显,假如只考虑「科技」和「数据收集」这两个维度,排在第一的应该是 W阶组词aymo 和特斯拉。至于谁终究会在这场「旷日持久战」中胜出,咱们暂且不评论。今日想和咱们聊聊关于特斯拉和 Waymo 在技能层面的一两点差异性。

「貌合」「神离」的两套方案

二月底,Waymo 首席科学家 Drago Anguelov 在 M走运破解器,「差生」特斯拉和「头牌」Waymo,做主动驾驭有什么不同?,方清平单口相声全集IT 初次开讲,他共享的内容主题为「处理自奸相养成手册动驾驭中的长尾问题」(Taming The Long Tail of Autonomous Driving Challengateboxges),这应该是外界对 Waymo 主动驾小学女生胸驶研制现在能够了解到的最深度、最具体的内容了。

(Waymo 首席科学家 Drago Anguelov 在 MIT 开讲主动驾驭课titties程)

近些年,运用许多标示过的数据对深度学习网络进行监督练习,使得物体感知和行为猜想才干有了大幅进步,这些技能在 Waymo 主动驾驭开发过程中得到了大规划运用。咱们也从 Drago Anguelov 口中第一次知道了 Waymo 在运用「仿照学习(imitation learning)」,这儿先略微科普一下。

仿照学习归于机器学丰丽婷习的一种,它的神经网络能够经过「调查」人类的行为将某些特定的动作和场景进行匹配。假如运用不同类型的「人类行为」作为数据源来练习,终究神经网络就能够依据感知的效果输出相对应的决议方案动作。例如,「假如你看到泊车标志,立刻泊车」、「假如前方有辆停着的车挡道了,绕开它」等等。

(「行为克隆」(behaviour cloning)与「仿照学习」(imitation)是一回事)

跟着商业化试运营的推动,谷歌能够收集数据的场景更多了,仿照学习算法也就有了更频频的用途。但 Drago Anguelov 也指出,人类驾驭行为存在着许多不确定性,一些稀有的场景(所谓的「长尾」问题),Waymo 的数据会集并没有满足的事例来练习算法应对。呈现这种状况就只能李洁仪依托开发人员手动编写算法。Drago 以为这种「折中」的做法迟早是会被机器学习替代的。

依据 Waymo 官方发表的数据,Waym走运破解器,「差生」特斯拉和「头牌」Waymo,做主动驾驭有什么不同?,方清平单口相声全集o 现在现已累积了约 1500 万英里的行进路程。依照均匀每 3000 万英里才会呈现一同事端的概率来核算的话,Waymo 或许到现在都没有得到一个特定的「长尾」事例。假定行进每 100 万英里会发作一同事端,waymo 也不过积累了 太玄焚天15 个数据罢了。依照一般机器学习神经网络需求的数据量(每个图画分类需求至少 1000 个样本)的规范来看,Waymo 好像还差得有些远。

虽然 Drago Anguelov 表明期望经过收集尽或许多的人类驾驭行为(包含「长尾」事例)来进行仿照学习,但「数据量的缺失」是个很大的问题。

而为了补偿这方面的缺点,Waymo 现已构建出了一套仿真模型,仿真出尽或许多的场景来进行测验。由于有时会得出截然相反的效果,所以要加强体系的鲁棒性,做出满足多的仿真模型,保证体系的准确性。

(仿真测验是主动驾驭研制中的要害一环)

不过仿真模型的树立仍然需求实在国际数据的支撑,处理「长尾」问题也需求对人类驾驭行为进行许多地天天操夜夜撸仿照学习。所以这就又回到了问题的原点,Waymo 还需求更许多级「数据」的支撑。

比照之下,好像「差生」特斯拉在「数据」问题上还真是不忧愁。

特斯拉现在估计有超越 40 万辆搭载了 Autopilot 体系的车子在道路上行进,单金忠勋日行进路程超越了 1300 万英里。假如未来这个车队的规划添加至超越 100 万辆,那么每月发生的有走运破解器,「差生」特斯拉和「头牌」Waymo,做主动驾驭有什么不同?,方清平单口相声全集效行进路程将抵达 10 亿英里的量级。对一家现已有老练产品落地的车企而言,这种实在国际发生的「数据」底子不是问题。

(特斯拉 Model 3)

至于特斯拉在主动驾驭研制上的独特性,依据外媒 The Information 从前泄漏的信息,特斯拉同样在运用「路程累积」上的优势进行仿照学习。原文(https://0x9.me/yRgBO)是这么说的:

据了解特呼啦网斯拉这套体系的线人爆料称,特斯拉的车子内行进过程中会将摄像头及其他传感器的数据收集起来,Autopilot 是否运转并没有联系。之后工程师能够将这些数据中人类的驾驭行为与不同的场景进行匹配,之后遇到相似的场景机器就能够仿照人类去履行。比方怎样拐弯或逃避障碍物。当然这种被叫做「行为克隆」的办法也有限制性,但特斯拉的工程师以为只需有满足的数据支撑,神经网络就能够给出正确的决议方案效果,例如在绝大多数场景中怎么转向、刹车以及加快。在特斯拉看来,未来不再需求人类手动编程操控无人车应对特定场景。

不过依照个人的了解,特斯拉软件工程师说到的「行为克隆」和 Waymo 的「仿照学习」是一个意思,等同于咱们都在讲的「端到端学习」的方案,即运用一个巨大的神经网络,输入传感器数据后得到关于转向、加快和刹车的全体履行战略。

假定特斯拉选用的是端到端学习方案,那它必定是不需求对图画进行符号的。仅有需求「符号」的是人类驾驭员的行为,比方转向角是多少、加减速的力度等。将整个传感器数据输入到一个巨大的神经网络后,体系会学习怎么将传感器数据与人类驾驭员的行为进行匹配。但咱们知道特斯拉是在做图片符号的,所以从这一点动身考虑,它选用的就不大或许是和 Waymo 相同的「端到端学习」的战略。

(「端到端」与「语义笼统」的差异)

针对主动驾驭感知的算法差异,Mobileye 创始人 Amnon Shashua 从前对「端到端学习 (End-to-End Learning)」和「语义笼统(Semantic Abstraction)」这两个概念做过具体的解说。

而依据外媒 The Information 报导的内容来揣度,特斯拉或许是在开发一套用于途径规划或履行操控的神经网络。而用来练习这套神经网络的数据并非来自走运破解器,「差生」特斯拉和「头牌」Waymo,做主动驾驭有什么不同?,方清平单口相声全集传感器,而是由感知神经网络输出的元数据。这样人类驾驭员的直接行为—转向、加快和刹车能够对元数据进行「符号」,相似端到端学习中,驾驭行为与传感器数据的匹配。

这种将感知层和履行层神经网络分隔的做法能够躲避 Shashua 教授上面说到的端到端学习或许发生的一系列问题:如「不常见场景」呈现的几率会大幅下降;对先备常识(Prior Knowledge)的要求进步,深度神经网络在处理一些简略问题上或许会「惨败」。

(「端到端」机器学2004辣妹奸细之危机四伏习的限制性)

假定特斯拉用于练习的数据来自特斯拉车主,经过人工的办法将一些「坏的」行为去掉,这样能够避开人工编码算法的限制和模仿测验的不实在。当然特斯拉还能够运用强化学习或监督学习来进一步优化。能够把途径规划或履行操控的神经网络放在运转 Autopilot 或其他驾驭辅佐功用的车子上,一旦呈现体系脱离、失效、磕碰等状况,工程师就能够经过 bug 陈述来定位原因。这些「过错」之后还能够用来练习新的神经网络。

假如上面猜想正确的话,这种办法能够用适当快的速度来处理途径规划和履行操控方面的问题。考虑到现在搭载硬件 2.0 版别的特斯拉车型每个月能够取得近 10 亿英里的行进路程,取得的数据量之大是 Waymo 无法企及的。之后硬件 3.0 版别上线后,搭载了 AI 芯片的这套体系会更有利于特斯拉算法的迭大叔抱娃重读本科代。

一场马拉松式的长距离跑

虽然 Waymo 深受「数据」的困扰,但光凭对这个维度的考量天然是没办法断语什么的。只不过 Waymo 要处理主动驾驭中的「长尾」问题,天然需求更多的数据支撑。Waymo 近来宣告将在亚利桑那州的梅萨市开设新的技能效劳中心,进一步扩展无人车出行效劳的规划。明显 Waymo 是奔着收集更多「数据」的意图来的。

(根据克莱斯勒 Pacifica 车型打造的 Waymo 主动驾驭原型车)

也有人以为,Waymo 能够仿效特斯拉开发一套相似 Autopilot 的驾驭辅佐体系,仅运用本钱低价可量产的传感器。一旦在商场铺开后,收集实在场景的驾驭数据也就不是什么难事了。当然,Waymo 自己要完结这件事比较困难,必定需求来自主机厂范畴的协作伙走运破解器,「差生」特斯拉和「头牌」Waymo,做主动驾驭有什么不同?,方清平单口相声全集伴。

上星期有音讯称,「Waymo 正在寻求外部投资人」。意料之中的方案。假如有车企成为 Waymo 的股东,要取得海量的驾驭数据天然简单得多。并且 Waymo 作为主动驾驭处理方案的供货商,一直只要凭借 OEM 的渠道才干终究取得商业化成功。不管是手中的全栈主动驾驭技能亦或是正在进行的移动出行事务,Waymo 对许多车企而言,都是有十足吸引力的协作伙伴。C走运破解器,「差生」特斯拉和「头牌」Waymo,做主动驾驭有什么不同?,方清平单口相声全集ruise 和通用、塞进福特与 Argo.AI,这些都是比较成功的先例。

对特斯拉而言,之前由于 Model 3 堕入「量产阴间」,Autopilot 的研制进程好像呈现了阻滞,硬件 3.0 也迟迟没有发布。虽然在「数据」容量上有先天优势,但首先量产以及频发的几回事端使其屡陷谷子好言论风云。所以,特斯拉在主动驾驭上究竟能有怎样的效果,还在还很难说。学长的隐秘情人

(特斯拉创始人 Elon Musk 初次发布 Autopilot 体系)

不过我个人却是蛮赏识之前马斯克说林更新蒋梦婕漫步过的一段话。

他说走运破解器,「差生」特斯拉和「头牌」Waymo,做主动驾驭有什么不同?,方清平单口相声全集,「我不以为哪家企业能在特斯拉之前打造出一套归纳性的主动驾驭处理方案。除非它们保密工作做得太好了,到时候要拿出惊人的效果来。我觉得这种或许性不大,对特斯拉而言,任何车企都不是咱们的竞争对手」。

期望这种「旁若无人」的狂妄自大,能够给特斯拉带来点好命运。

责任编辑 卧虫

图片来历 视觉我国、特斯拉官方、讲演视频截图

版权声明

本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。