江苏龙网

  1. 首页 > 资讯 > 科技 > >

#驾驶#去了达摩院，修得真自动驾驶？( 三 )



创始人George Hotz是一位软件天才、黑科 ， 曾在2007年破解第一代iPhone ， 2009年破解iPhone 3GS ， 以及后来破解索尼PS3、PSN 。 曾在特斯拉AP团队工作过 ， 于2015年成立自己的人工智能公司comma.ai ， 专注于自动驾驶 ， 利用神经网络和机器学习研发了openpilot系统 ， 通过手机作为感知传感器和计算单元 ， 实现L2.5级别自动驾驶 。 用户只需采购几百刀的设备 ， 即可将几款指定车型变为L2.5级别自动驾驶车辆 。
不过自动驾驶不同于考试 ， 达到高分是不够的 ， 终极目标需要的是无限逼近满分才行 ， 毕竟汽车本质上是一台高速移动的"危险机器" ， 一个小错误都可能以生命为代价 。
所以整个自动驾驶行业 ， 从之前的硬件竞争 ， 逐渐转变为了机器学习竞争 。 也就是说 ， 谁能更好更快地训练自动驾驶AI ， 谁就具有真正的优势和技术壁垒 。 达摩院发布的自动驾驶仿真路测平台 ， 就是为此服务的 。
车辆所需的训练数据 ， 来源无外乎两类：模拟器、实际道路 。
一般来说 ， 车辆在初期训练阶段都是在模拟器中进行的 ， 优势在于可以24小时不停地进行学习 ， 从而大幅提升基础自动驾驶能力 。 但问题在于 ， 模拟器中虽说可以针对不同的道路环境进行自定义设置 ， 但仍然比不上实际道路的复杂状况 ， 也就是在模拟器中训练完成 ， 犹如应试教育毕业的学生 ， 与社会仍然存在脱节 。
#驾驶#去了达摩院，修得真自动驾驶？
文章图片

（图来自亿欧）
如果采用实际道路数据 ， 效果会好很多 ， 但是实际道路数据需要大量行驶在普通公开道路的车辆 ， 而到达这个级别的车辆只有一个：特斯拉 。
根据2月底举行的Scaled Machine Learning Conference（大型机器学习研讨会）中 ， 特斯拉AI和视觉负责人Andrej Karpathy分享了最新的数据 ， 在AP启用状态下共行驶了30亿英里 ， NOA（Navigate On Autopilot）启用状态下里程超过10亿英里 ， 自动变道执行超过20万次 ， 高级智能召唤使用次数超过120万次 。
特斯拉自家的大型计算机集群项目Dojo可以将这些数据筛选整合 ， 基于真实的路测信息对AP算法（神经网络）进行无监管训练和优化升级 。 但这样级别的规模和早于市场很多年的规划 ， 不是哪个自动驾驶企业都能做到的 ， 无论是售出车辆规模还是软件团队进度 。 例如投入自动驾驶长达十几年之久的谷歌团队Waymo至今的路测里程不过2000万英里而已 。
多家研究机构表示 ， 自动驾驶车辆需要积累177亿公里的实际路测数据 ， 才能保证自动驾驶的安全性 。 这样就进入了死循环 ， 自动驾驶的能力不够 ， 产品力就不足以有吸引力 ， 那么市场中行驶的自家车辆就少 ， 而使用模拟器训练又无法与实际路测训练竞争 。
所以达摩院发布的自动驾驶仿真路测平台就派上用场了 。
该平台能够将现实的路况信息通过其他手段收集 ， 并融合进模拟器环境中 ， 也就是说神经网络系统能够得到比一般模拟器更加真实的训练 ， 能够接近路测数据级别 。 该平台甚至通过算法模拟人类的不确定 ， 对车辆进行随机干预 ， 模拟各种现实中奇怪的驾驶习惯以及场景 。 并且由于性能强劲 ， 传统极为复杂的场景需要仅1个月时间 ， 而在达摩院这套平台中 ， 仅需30秒即可完成复杂场景的构建和测试准备 ， 每天可支持场景构建数量达百万级别 。 整体训练效率相比普通模拟器将提升百万倍 。
这无疑对于其他自动驾驶企业来说 ， 是个天大的喜讯 。
不过值得注意的是 ， 这个平台就像一个高级培训班 ， 能够获得多少提升 ， 还要看自己的算法优劣 。 因为本身深度学习本身并不复杂 ， 一个略微懂Python的朋友也能够自己玩 ， 比如Chares 2.0系统就是国外一个博主自己针对GTA5游戏 ， 编写的自动驾驶软件 ， 经过半年多的训练优化 ， 已经能够在游戏中实现相对不错的效果 。


推荐阅读


上一篇：公司@300万违约金背后，武汉封城影像记录第一人经历了什么？ | 风眼前线

下一篇：『半价』联想第二次找罗永浩带货：半价ThinkPad？