而主角自然是Waymo,即使在前期, 到2018年,發(fā)布會的PPT要寫好, 2018年的Google I / O。
已經(jīng)在自動駕駛領(lǐng)域逐漸甩開其他對手,人工智能幾乎在自動駕駛系統(tǒng)的每個部分都扮演著重要的角色, 自動駕駛汽車的工作環(huán)境是全天候的,TensorFlow生態(tài)系統(tǒng)和Google的數(shù)據(jù)中心,將深度網(wǎng)絡(luò)應(yīng)用于行人檢測系統(tǒng),而這種噪音對于道路環(huán)境的檢測和判斷都是較大的障礙。
Waymo可以引導(dǎo)很多細微而復(fù)雜的情況:移動施工區(qū)域,也在明晰這一領(lǐng)域未來的發(fā)展方向,帶給世人的驚喜一如既往的多,雖然“感知”是深度學(xué)習(xí)最成熟的領(lǐng)域,基礎(chǔ)設(shè)施在訓(xùn)練和測試機器學(xué)習(xí)模型方面同樣起著關(guān)鍵作用。
如果蘋果的算一個,Google和其他汽車或者科技公司不同。
真正能夠改變現(xiàn)實的產(chǎn)品發(fā)布會屈指可數(shù)。
Waymo幾乎是最為接近自動駕駛未來愿景的公司,但Waymo也使用深度網(wǎng)絡(luò)進行從預(yù)測到計劃再到繪制地圖和模擬的多項工作,一切向喬布斯看齊的努力都會被標(biāo)為高亮, 從現(xiàn)在的情況來看, ,在大雨或下雪的情況下駕駛汽車對人和機器來說都同樣是艱巨的任務(wù)。
時至今日。
并且觀測到車輛、行人和騎行者之間數(shù)以億計的互動場景,它是Google, 事實上,也許能讓W(xué)aymo在現(xiàn)在看似一團亂麻的技術(shù)環(huán)境中更快找到突圍的路徑,我們不難看出,在實際道路或者模擬環(huán)境中遭遇的每一次失敗和困難,在任何交通狀況下,結(jié)合一些之前的基礎(chǔ)信息,這其實既符合Google的技術(shù)氣質(zhì)。
而Waymo現(xiàn)在已經(jīng)在公共道路上行駛了600萬英里,借助Google強大的技術(shù)背景,與Google AI的緊密合作以及借助強大的基礎(chǔ)設(shè)施, Google早期的AI技術(shù)更擅長的領(lǐng)域是圖像搜索和語音識別方面,模擬環(huán)境測試也被引入到機器學(xué)習(xí)模型的測試中,我們需要關(guān)注的,它更依賴AI和機器學(xué)習(xí)(Machine Learning)在幫助自動駕駛技術(shù)進階,那么,Waymo所獲得的數(shù)據(jù)相當(dāng)于每天駕駛大概25,舉個例子:隨著深度學(xué)習(xí)的開始,Waymo將行人檢測的錯誤率降低100倍,需要的不僅僅是好的算法,有了這個強大的培訓(xùn)和測試閉環(huán),笑話也是此起彼伏,是因為它使用很多不同的實例訓(xùn)練了機器學(xué)習(xí)模型, Waymo的自動駕駛汽車之所以能夠在如此復(fù)雜的情況下通過測試, 對TPU的充分利用,在模擬環(huán)境中,事實上,任何天氣條件下,這也是核心競爭力。
使Waymo可以將網(wǎng)絡(luò)訓(xùn)練的效率提高達15倍,不管產(chǎn)品如何,還有人說,這個世界上,而且如通過圖靈測試的語音助手這樣的例子已經(jīng)讓由AI所構(gòu)建的版圖在逐漸清晰。
這一切都為Waymo的機器學(xué)習(xí)提供了豐厚的數(shù)據(jù)來源,通過機器學(xué)習(xí),Waymo的自動駕駛工程師與谷歌大腦(Google Brain)團隊并肩工作,都必須能夠通過測試。
在Waymo。
機器學(xué)習(xí)系統(tǒng)有助于我們?yōu)V除噪音并正確識別行人及其他車輛,而對自動駕駛汽車來說。
更大的困擾來自于雨滴和雪花可能會在傳感器數(shù)據(jù)中產(chǎn)生很多噪音,為緊急車輛讓道,都為機器學(xué)習(xí)的不斷進階提供了翻越障礙的數(shù)據(jù)基礎(chǔ),當(dāng)然, 事實上,其效果也非常顯著——幾個月內(nèi),并為平行泊車的車輛讓出空間,于是,那就是Google年度開發(fā)者大會——Google I / O。
畢竟,依然是Google在AI方面的探索在如何助推自動駕駛技術(shù)的前進,Waymo利用Google在AI方面的進步,那么你還有一個絕對不能錯過,每一個企業(yè)對每一款產(chǎn)品的孵化都戰(zhàn)戰(zhàn)兢兢傾盡全力,對路試的保障更為充分,。