【听讲座】前英特尔中国研究院首席科学家吴甘沙:无智能不驾驶
2017-03-14 19:42
309 查看
「时来天地皆同力,运去英雄不自由。」——罗隐
「我们倾向于高估一项新技术的短期效应,而低估它的长期影响」——吉姆·哈珀曼
「认识你的时代,带领你的时代」——钱穆
未来十年是智能驾驶的黄金时代。
机器的感知和认知(理解):
激光雷达(Google):
优点:精准
缺点:贵
基于视觉(Tesla):车周边有超声波传感器,车上面有摄像头。
优点:成本低。
缺点:(Tesla事故)视觉方案会对光照比较敏感,有些意外的情况没有事先被数据库收录。比如之前没有识别横着的大卡车撞了上去。
解决方案:用双目摄像头重构立体世界。【即不用识别它是什么东西,而是去建模知道前面有障碍物。不用认出它。
AI目前的问题:
无限提升准确率,大规模的标注数据如何获取?
预训练,迁移学习,在线学习+自监督学习
嵌入式部署:实时性,模型大小和计算量
图像压缩,模型压缩,级联算法,减少region proposal
多任务网络
同时识别人,路,障碍等等
认路的司机:不会迷路。(定位问题)XJBD战术
高精度定位(RTK)
惯性
视觉里程计(位移积分):比如西直门立交桥,很多GPS是没法工作的。
同步的建图和定位(SLAM):最开始是机器人的定位。激光雷达贵,所以可以用基于视觉的SLAM
视觉参照物定位:比如识别交通标志,然后跟地图中的交通标志的绝对位置进行映射。
老司机:开得好,开的不肉,有社会性,竞争性
判断态势
评估他方的动机,预测行为
合理获得路权
所以此时传统的监督学习是不够的,要从监督学习到强化学习(泛强化学习,也可以是RNN,MDP),比如利用RNN推理动态物体的特征。与环境的互动,露出一个头,看看其他车的反应诸如此类。
用的方法是:模拟/仿真和强化学习。
基于模拟器的测试:成本低,可以无线测试【AlphaGo也是】
从动态角度去理解视频(现有的手段都是把视频拆成一些帧),从中推导出运动动态
预测学习
Lecun现在把机器学习分为: 监督学习, 强化学习,预测学习(代替无监督学习),通过当前这一帧去预测下面一帧
吴甘沙说了几句话觉得还不错:
「我们倾向于高估一项新技术的短期效应,而低估它的长期影响」——吉姆·哈珀曼
「认识你的时代,带领你的时代」——钱穆
未来十年是智能驾驶的黄金时代。
老司机眼里的智能驾驶
新司机:懂规则,不撞。机器的感知和认知(理解):
激光雷达(Google):
优点:精准
缺点:贵
基于视觉(Tesla):车周边有超声波传感器,车上面有摄像头。
优点:成本低。
缺点:(Tesla事故)视觉方案会对光照比较敏感,有些意外的情况没有事先被数据库收录。比如之前没有识别横着的大卡车撞了上去。
解决方案:用双目摄像头重构立体世界。【即不用识别它是什么东西,而是去建模知道前面有障碍物。不用认出它。
AI目前的问题:
无限提升准确率,大规模的标注数据如何获取?
预训练,迁移学习,在线学习+自监督学习
嵌入式部署:实时性,模型大小和计算量
图像压缩,模型压缩,级联算法,减少region proposal
多任务网络
同时识别人,路,障碍等等
认路的司机:不会迷路。(定位问题)XJBD战术
高精度定位(RTK)
惯性
视觉里程计(位移积分):比如西直门立交桥,很多GPS是没法工作的。
同步的建图和定位(SLAM):最开始是机器人的定位。激光雷达贵,所以可以用基于视觉的SLAM
视觉参照物定位:比如识别交通标志,然后跟地图中的交通标志的绝对位置进行映射。
老司机:开得好,开的不肉,有社会性,竞争性
判断态势
评估他方的动机,预测行为
合理获得路权
所以此时传统的监督学习是不够的,要从监督学习到强化学习(泛强化学习,也可以是RNN,MDP),比如利用RNN推理动态物体的特征。与环境的互动,露出一个头,看看其他车的反应诸如此类。
展望
系统需要一个可预期的置信度
高置信度下的自动驾驶的可靠性:需要一辆车开500年。用的方法是:模拟/仿真和强化学习。
基于模拟器的测试:成本低,可以无线测试【AlphaGo也是】
黑盒子-》可解释性
对抗神经网络,通过生成一些fake例子,来欺骗神经网络。从weak AI 到 stronger weak AI
融合基于深度学习的车感和背景知识/尝试,基于迁移学习的举一反三,基于贝叶斯的逻辑/因果推理从动态角度去理解视频(现有的手段都是把视频拆成一些帧),从中推导出运动动态
预测学习
Lecun现在把机器学习分为: 监督学习, 强化学习,预测学习(代替无监督学习),通过当前这一帧去预测下面一帧
介绍了一下自己的公司
最后吴甘沙介绍了一下他现在的创业公司:驭势。然后展示了一下完全的无人驾驶汽车长什么样。里面没有方向盘,完全是类似于一个吧台或者房间。吴甘沙说了几句话觉得还不错:
相关文章推荐
- 【听讲座】蚂蚁金服首席科学家漆远:人工智能驱动的金融生活服务
- 北大AI公开课 第四讲:吴甘沙 无智能不驾驶
- 阿里云量子技术首席科学家施尧耘:机器智能必将超越人类智能,量子智能一定是AI
- 北大 AI 公开课第4讲:吴甘沙-智能驾驶,有多少AI可以重来(新智元专访:中国Mobileye何在)
- 从微信AI首席顾问到金融文档智能,一位中科院计算机科学家AI产品化实践
- ADAS高级智能驾驶的今天和明天
- 【智能驾驶】人工智能如何推动自动驾驶?这五种方法你必须知道
- 英特尔首席技术官:人机智能鸿沟将于2050年消失
- 吴军清华讲座:数据为王和机器智能的时代
- 京东DNN Lab首席科学家:用深度学习搞定80%的客服工作
- Oculus 首席科学家谈人机交互的未来
- 微软挖走Cray首席科学家 HPC成新的增长领域
- 【世界知名量子科学家加盟阿里】施尧耘出任阿里云量子技术首席科学家
- 微软BI开拓者(WINDBI)发布会暨商务智能讲座
- 报名 | 智能制造:困惑中前行讲座
- 自动驾驶——未来智能交通的畅想
- 英特尔首席工程师吴甘沙:一切弯路都是直路
- 这个人就是吴恩达(Andrew Ng),百度新任首席科学家
- 智能配线系统技术高峰论坛PPT讲座主要内容
- 著名物理学家张翼成担任百分点科技首席科学家