“这就是机器学习的问题……当你使用机器学习算法并将其应用于一百万张图像时,它会寻找这些像素与图像之间的像素化统计相关性,”卡明斯说。“你实际上不知道像素是否遵循停车标志的形状……或者他们是否发现了另一种可以被视为停车标志的统计模式。”
Model S车标_停车_驾驶室
摘要来自:《无人驾驶距离走进现实还有多远?》
【易车摘要频道】下列精选内容摘自于《无人驾驶距离走进现实还有多远?》的片段:
现在,大多数车辆都配备了2级ADAS系统,该系统能够自主转向,加速和制动,但所有这些车辆仍然需要一个细心的人在方向盘后面。这一切都很好,但是一个名为“幻像制动”的新问题正在使车辆紧急停车,因为道路上不存在的幻影障碍物。“我们不知道为什么计算机视觉系统会检测到人眼看不到的障碍物,”卡明斯解释说。它仍然是开发安全有效的自动驾驶系统的一块尖锐岩石。
“这是人工智能的核心问题,”卡明斯说。“我们没有模型...我们没有办法在数据中找到这些错误的关联和相关性。虽然我们几乎不知道为什么会发生幻影制动,但我们确实对这些系统如何驾驶汽车了解很多。
无人驾驶系统如何驾驶?
卡明斯开发了自己的框架——称为技能、知识、规则、专业知识(SKRE)模型——来解码自主系统和人类如何在他们的环境中做出决策。她把这个想法比作一组楼梯,了解如何在最顶端完成某项任务。以下是该模型如何应用于自动驾驶系统。
→技能
想想你第一次学习如何驾驶的时候:字面技能本身就是掌握的基本组成部分。“当你学习驾驶汽车时,你需要学习如何在路上的两条白线之间保持的技能,”卡明斯说。然而,虽然将您的车辆保持在车道之间至关重要,但在驾驶汽车时,这只是一项表面技能。
→规则
继续我们的学习驾驶类比,在这种情况下,您可以将车辆保持在线路之间,而不会从任何一侧发出砰砰声。随着这种迅速成为第二天性,它释放了精神带宽,专注于实际的道路规则;当然,当你在驾驶室打瞌睡时,有很多东西需要学习,但到目前为止,其中大多数可能已经成为第二天性。