盖世汽车资讯|研究人员开发AI技术 帮助自动驾驶汽车在陌生环境中导航
盖世汽车讯 据外媒报道 ， 加州大学伯克利分校的AI研究人员表示 ， 他们开发了一种AI技术 ， 可帮助自动驾驶汽车在陌生的现实世界中行驶 ， 并且其性能优于送货机器采用的导航方法 。 该导航系统名为LaND（Learning to Navigate from Disengagements） ， 学习脱离（Disengagement）事件的导航系统 ， 然后预测何时会发生系统脱离情形 。
本文插图
（图片来源：https://venturebeat.com）
脱离是指自动系统遇到具有挑战性的条件 ， 必须将控制权交还给人工操作员的情形 。 在衡量自动驾驶汽车系统的能力方面 ， 脱离事件是一个备受争议的指标 ， 有人称其已经过时 。 AI研究人员通常将脱离视为故障排除或导航系统调试的信号 ， 但LaND却将其作为训练数据的一部分 。
工程师们表示 ， 通过此种方式 ， 可以让机器人从测试过程中收集的数据集中学习 。 虽然其他系统直接从机载传感器收集的训练数据中学习 ， 但研究人员表示 ， 这可能需要大量的标注数据 ， 而且成本更高 。
研究人员表示 ， “研究结果表明 ， LaND可以成功地在各种真实的人行道环境中学习导航 ， 其表现优于模仿学习和强化学习方法 。 如果机器人能够成功地学习执行动作 ， 避免出现脱离情形 ， 将能成功地完成预期任务 。 重要的是 ， 传统的强化学习算法使用特定任务奖励功能 ， 与传统的强化学习算法不同 ， 我们的方法根据脱离信号 ， 推断任务 ， 甚至不需要知道任务是什么 。 然而 ， 与标准的强化学习算法类似 ， 我们的方法也在不断改进 ， 会强化避免解除的行为 。 ”LaND利用强化学习 ， 而非寻求奖励 ， 将系统脱离事件作为直接从输入传感器学习的方式 ， 同时考虑方向盘角度 ， 以及是否启用自动模式等因素 。
该团队通过在人行道上驾驶机器人 ， 收集训练数据 ， 来打造LaND 。 当机器人驶入街道、车道或其他布满障碍物的环境时 ， 由人类安全驾驶员陪同机器人重新设定路线 ， 或在短时间内接管驾驶 。 在这一训练期间 ， 研究人员共收集了近35000个数据点 ， 生成了近2000个系统脱离场景 。
【盖世汽车资讯|研究人员开发AI技术 帮助自动驾驶汽车在陌生环境中导航】初步实验表明 ， 与深度强化学习算法和模仿学习的常用方法之一行为克隆相比 ， 系统脱离之前 ， LaND在人行道上行驶的距离更长 。 研究人员称 ， 未来 ， LaND可与现有导航系统 ， 尤其是导航模仿学习方法相结合 。 研究如何让机器人在需要人工干预时 ， 提醒操作人员 ， 可以降低成本 。
推荐阅读
- 处女座|2021年汽车及零部件行业薪酬数据报告
- |【贝壳成都资讯】居住服务者为职业发展而来，渴求社会尊重
- 长春汽车工业高等专科学校|职校生成抢手资源，低学历的打工人就不配拿高工资吗?
- |【贝壳成都资讯】共建居住行业高质量就业体系
- 职业教育|教育资讯栏：新时代高等职业教育发展智库举办“智库论坛”（众客进取）
- 拆解一切问题|恐怖！墨西哥一州长办公室附近汽车中惊现十具尸体
- 汽车|1句核心观点，让别人秒懂你的意思
- 三星堆|资讯：成都小伙用华为手表跑三星堆青铜虎，迎接2022
- 蔚来汽车|每天车闻：蔚来汽车在美公开招聘，沃尔沃品牌体验中心开业
- 蔚来汽车|蔚来回应在美招聘属正常行为？蔚来在美国招人是要开美国市场了？