作者 主题:Robo-Cab预测 (Read 10398 times)

0位成员和43位客人正在查看此主题。

线上 夹板

  • 经常贡献者
  • **
  • 帖子:999
  • 国家: b
回复:Robo-Cab预测
« 在以下问题上回复#100: 五月21,2019,02:16:56上午»
Robots 在路上 - how close 是 our driverless future? Rory Cellan-Jones Technology correspondent

//www.bbc.co.uk/news/technology-48334449

引用
正是在亚利桑那州凤凰城附近的高速公路上,我意识到完全无人驾驶的汽车可能是一个遥不可及的梦想。那是因为我们的Google Waymo机器人出租车似乎无法离开高速公路。

...

引用
美国弗吉尼亚理工大学交通研究所的研究员迈拉·布兰科(Myra Blanco)说,我们可能会在两到五年内看到地理区域内的无人驾驶汽车,但她对完全自动化持怀疑态度。

"这意味着要从山区,农村公路到城市一路走-这将花费更长的时间,可能要走几十年," she said.

正如这里多次指出的那样,也许是最棘手的问题之一:

引用
我远离亚利桑那州有条不紊的道路,与交通作家克里斯蒂安·沃尔玛(Christian Wolmar)站在伦敦市中心霍尔本地铁站外繁忙的十字路口。

他指出,行人会毫不犹豫地走在无人驾驶汽车的前面,因为他们知道他们已经编程了停车,结果将陷入僵局。

"一旦您设定了规则,即无人驾驶汽车必须有效地向街道上的任何行人行尸走肉,并且行人开始学习到这一点,那么我们街道上的整体力量平衡将会改变," he said.

"这个概念只是没有'保留混合用途街道的想法。"

但不必担心-世界上最重要的技术专家之一宣布它's imminent:

引用
在英国,总理菲利普·哈蒙德(Philip Hammond)也承诺"真正的无人驾驶汽车" will be 在路上s by 2021
  :-DD :-DD :-DD
 
注意他只是说"on the road" not "在公共道路上行驶"。虽然我认为他实际上说的是"真正的无人驾驶政府.....到2021年"  :-DD  :-DD  :-DD

 

离线 EEV博客

  • 管理员
  • *****
  • 帖子:32242
  • 国家: au
    • EEV博客
回复:Robo-Cab预测
« 在以下问题上回复#101: 五月21,2019,03:05:29上午»
引用
每天我开车流量时,都会看到一些情况,我认为汽车将如何应对。
人们曾经说过象棋程序永远不会击败一个大冠军,结果证明,只要您具有足够的计算能力,您就可以在1996年用令人失望的琐碎算法来做到这一点。

类比非常有缺陷。国际象棋在固定的比赛场地上有一组有限的小规则。越来越多的计算和明智的算法总是注定要赢。

自动驾驶汽车在几乎无限的一组规则(有限的一组固定道路规则,但当事物发生变化或出错时,还具有无限的可变性)下在无限大小的板上行驶。
 
以下用户感谢这篇文章: 布伦比

离线 魔法

  • 超级贡献者
  • ***
  • 帖子:2745
  • 国家: PL
回复:Robo-Cab预测
« 在以下回复#102: 五月21,2019,07:58:21上午»
引用
他指出,行人会毫不犹豫地走在无人驾驶汽车的前面,因为他们知道他们已经编程了停车,结果将陷入僵局。

"一旦您设定了规则,即无人驾驶汽车必须有效地向街道上的任何行人行尸走肉,并且行人开始学习到这一点,那么我们街道上的整体力量平衡将会改变," he said.

"这个概念只是没有'保留混合用途街道的想法。"
这将是一个严重的问题,不仅对于行人。驾驶员也违反规则或冒险以便更快到达某个地方,我从居住在欧盟的波兰人那里听说,'即使在这方面最坏的罪犯 :o
Meanwhile bots will pedantically obey every damn rule about yielding, speed limits etc and generally PLay it safe to avoid liability and bad PR. 那 是, until they become completely mainstream and VW starts making them ;) 但是在此之前,它们对于利用其天真性的人类驾驶员将始终处于不利地位。
那's why I say it'只能在人类驾驶员已经同样服从并且有足够的政治意愿通过和执行对机器人友好的交通法规的地区工作。
也许是强制性的"can't do that Dave" implant in every 正常 car :-DD
 

线上 0x死牛肉

  • 超级贡献者
  • ***
  • 职位:1541
  • 国家: 德
回复:Robo-Cab预测
« 在以下回复#103: 五月21,2019,09:33:11上午»
人们曾经说过象棋程序永远不会击败一个大冠军,结果证明,只要您具有足够的计算能力,您就可以在1996年用令人失望的琐碎算法来做到这一点。
类比非常有缺陷。国际象棋在固定的比赛场地上有一组有限的小规则。越来越多的计算和明智的算法总是注定要赢。
It'也许有人会注意到,曾经有人认为计算机比人下棋更好的问题将是创建人工智能的一个里程碑。随着国际象棋程序由于复杂的算法和数据库而变得越来越好,显然这是一种误解。因此决定踢足球将是模仿AI的更好目标,因为它模仿了生物的合作。一世'我不确定所有人是否都放弃了这个想法,但是我认为'很明显,您也可以构建一个不错的足球机器人,而无需离AI更近一步。实际上,在过去的十年左右的时间里,神经网络的硬件变得越来越便宜,因此即使神经网络的起源可以追溯到20世纪中期,它也已在商业上使用。现在,一些营销天才简单地宣布神经网络为AI,但是它'很明显,对几个脑细胞模型(!)的极其简化的模拟并没有'使其变得智能。
问题是很多"normal"人们为这个骗局而迷住了,实际上相信AI最近已经取得了长足的进步。确实,大多数人还是将数学,物理学,电子学和信息学视为某种魔术,因此可以'不能真正评估当前科学状态下的可能性,什么是不可行的't.
尽管如此,并非人类所做的一切都可以轻松模拟。场景越复杂,定义的规则越少,仿真实际上就越需要成为人工智能。没有人会否认算法可以处理驾驶的某些方面。甚至人类驾驶员也不完全"aware"大多数时候。它's the short moments of 知道的ness that are so hard to simulate.
« 上次编辑:2019年5月21日,09:35:55 am by 0x死牛肉 »
尝试是走向失败的第一步-荷马·辛普森(Homer J. Simpson)
 

离线 蜜蜂

  • 超级贡献者
  • ***
  • 职位:1667
  • 国家: SE
  • 业余爱好者
回复:Robo-Cab预测
« 在以下回复#104: 五月21,2019,10:39:40上午»
引用
每天我开车流量时,都会看到一些情况,我认为汽车将如何应对。
人们曾经说过象棋程序永远不会击败一个大冠军,结果证明,只要您具有足够的计算能力,您就可以在1996年用令人失望的琐碎算法来做到这一点。

类比非常有缺陷。国际象棋在固定的比赛场地上有一组有限的小规则。越来越多的计算和明智的算法总是注定要赢。

自动驾驶汽车在几乎无限的一组规则(有限的一组固定道路规则,但当事物发生变化或出错时,还具有无限的可变性)下在无限大小的板上行驶。
完全正确,国际象棋是所谓的完美信息游戏,但当时't只是一个类比,但作为其他事例的例子,在20到30年前,计算机就无法做到。自1996年Deep Blue赢得Kasparov以来,'已有20多年的历史了,计算机的功能也在以指数级的速度增长。过去的东西'如今,一切皆有可能,这对于许多人来说是不直观的,也许就是为什么这么多人认为自动驾驶汽车是不可能的。

It'也许有人会注意到,曾经有人认为计算机比人下棋更好的问题将是创建人工智能的一个里程碑。
是的,确切地说,有人说您需要完全的AI才能在象棋这样的游戏中击败人类(听起来很熟悉?)。转's out chess wasn'很难。驾驶可能是一个更棘手的问题,但是那里'这也没什么神奇的。

随着国际象棋程序由于复杂的算法和数据库而变得越来越好,显然这是一种误解。因此决定踢足球将是模仿AI的更好目标,因为它模仿了生物的合作。
几乎不。深蓝战胜卡斯帕罗夫的举动令大多数人感到惊讶。 IBM公司 's approach was brute 对于ce using the traditional algorithms, which came as a disappointment because chess had been so over hyped that people believed that surely you would need some major breakthrough in AI to be able to solve it. Turns out the old algoritms were 够好了, they just needed a little bit extra computing power. 要解决Go,您需要神经网络,这是向前迈出的一大步(但是仍然是旧技术突然有了足够的计算能力,使其实际上变得有用)。

机器人足球被认为不需要完整的AI。当然可以'很有挑战性,但是'不是游戏本身需要很多"thinking",它需要一个非常敏捷的机器人,这在机械上是一项艰巨的任务。建立一支足球机器人队需要多种技能,这对一群学生来说是一个很好的挑战。

没有人会否认算法可以处理驾驶的某些方面。甚至人类驾驶员也不完全"aware"大多数时候。它's the short moments of 知道的ness that are so hard to simulate.
没有人试图制造出完整的AI来驾驶汽车(除非您听Musk讲)。在每辆汽车中都具有自我意识的AI会是疯狂和不道德的,没有人会创造出完整的AI。自动驾驶汽车将不是人工智能,它将是能够自动解决大多数驾驶问题的笨拙机器。人类将能够更好地完成某些驾驶任务,但是自动驾驶汽车将能够更好地完成其他驾驶任务。而且's not about who's best, it'关于获得自动驾驶汽车"good enough"以便在公共道路上值得信赖。 (嗯,一个明确声明的目标是降低交通事故发生率,因此在这方面必须要好得多。)
« 最后编辑:五月21,2019,11:42:02通过apis »
 

离线 蜜蜂

  • 超级贡献者
  • ***
  • 职位:1667
  • 国家: SE
  • 业余爱好者
回复:Robo-Cab预测
« 回复#105: 五月21,2019,11:31:35上午»
引用
美国弗吉尼亚理工大学交通研究所的研究员迈拉·布兰科(Myra Blanco)说,我们可能会在两到五年内看到地理区域内的无人驾驶汽车,但她对完全自动化持怀疑态度。

"这意味着要从山区,农村公路到城市一路走-这将花费更长的时间,可能要走几十年," she said.
即和我一样'我一直在说,大多数专家都在说。
 

线上 Nctnico

  • 超级贡献者
  • ***
  • 帖子:20216
  • 国家: nl
    • NCT发展
回复:Robo-Cab预测
« 在以下回复#106: 五月21,2019,12:12:30下午»
引用
美国弗吉尼亚理工大学交通研究所的研究员迈拉·布兰科(Myra Blanco)说,我们可能会在两到五年内看到地理区域内的无人驾驶汽车,但她对完全自动化持怀疑态度。

"这意味着要从山区,农村公路到城市一路走-这将花费更长的时间,可能要走几十年," she said.
即和我一样'我一直在说,大多数专家都在说。
在瑞典,他们已经在公共道路上有一辆无人驾驶的自驾卡车(没有'甚至没有司机的空间)。
//edition.cnn.com/2019/05/15/tech/einride-self-driving-trucks/index.html
有小谎言,有大谎言,然后示波器的屏幕​​上有东西。
 

离线 蜜蜂

  • 超级贡献者
  • ***
  • 职位:1667
  • 国家: SE
  • 业余爱好者
回复:Robo-Cab预测
« 在以下回复#107: 五月21,2019,12:35:04下午»
在瑞典,他们已经在公共道路上有一辆无人驾驶的自驾卡车(没有'甚至没有司机的空间)。
//edition.cnn.com/2019/05/15/tech/einride-self-driving-trucks/index.html
是啊,我've SEen that, but it'我相信这是一次非常有限的审判。它只遵循一条预编程的路线,并且'(当局将速度限制为5 km / h)。尽管如此,在许多卡车运输应用中,将驾驶限制在一些预编程的路线上还是可以接受的。
 

离线 斯克兰先生

  • 超级贡献者
  • ***
  • 帖子:9746
  • 国家: 00
  • 展示迷
回复:Robo-Cab预测
« 在以下回复#108: 五月21,2019,12:43:43下午»
有了这些线索,似乎总有人会感觉到人工神经网络和生物神经网络之间的根本区别,就好像生物智能'使用适当硬件并对其进行优化的结果。似乎通常还假设某种东西必须大致相当于人类的智能才能被称为智能。
 

线上 0x死牛肉

  • 超级贡献者
  • ***
  • 职位:1541
  • 国家: 德
回复:Robo-Cab预测
« 在以下回复#109: 五月21,2019,02:43:33下午»
是的,确切地说,有人说您需要完全的AI才能在象棋这样的游戏中击败人类(听起来很熟悉?)。转's out chess wasn'很难。驾驶可能是一个更棘手的问题,但是那里'这也没什么神奇的。
在复杂的现实世界环境中驾驶(即人类驾驶员可以处理的环境)与掌握具有固定规则的游戏是完全不同的任务。

几乎不。
实际上,自90年代中期以来,很多人都说过类似"Robocup是下一个AI挑战" .
http://theconversation.com/why-football-not-chess-is-the-true-final-frontier-for-robotic-artificial-intelligence-62296
//medium.com/syncedreview/having-notched-impressive-victories-over-human-professionals-in-go-atari-games-and-most-recently-30b88ee363e9

要解决Go,您需要神经网络,这是向前迈出的一大步(但是仍然是旧技术突然有了足够的计算能力,使其实际上变得有用)。
很难说Go不能'仅仅因为没有人管理(到目前为止)而被传统算法击败。反正'仍然是一个非常明确的环境,具有非常严格的规则并且没有实时要求(像棋一样基于回合),因此像在人类层面踢足球这样的事情实际上更具挑战性。

几乎不。
机器人足球被认为不需要完整的AI。当然可以'很有挑战性,但是'不是游戏本身需要很多"thinking",它需要一个非常敏捷的机器人,这在机械上是一项艰巨的任务。建立一支足球机器人队需要多种技能,这对一群学生来说是一个很好的挑战。
当然,第一步是使用具有小区域和简化规则的微型小型机器人。然而,实时需求以及每时每刻几乎无穷无尽的可能性使这一挑战比象棋或围棋更接近自动驾驶。在人类运动员的水平上踢足球当然也是一个机械/机器人问题,并且通过简化机器人,比赛环境和规则,该问题可能会减少到某种程度,而算法无法解决。但是,Robocup的最终目标是建立一支独立的机器人团队,以击败人类世界冠军团队。
实际上,可能没有人知道算法是否仍然可以做到这一点,但我对此表示怀疑。尽管如此,在具有清晰规则的密闭空间中,足球赛当然是一个非常明确的挑战,因此,与现实世界中的交通场景(在道路交通不佳的冰雹天气下,主要城市的高峰时间)相比,自动驾驶的复杂性要低得多。

没有人试图制造出完整的AI来驾驶汽车(除非您听Musk讲)。
好吧,在人类驾驶水平上的人工智能 需要像人类驾驶员一样应付现实环境中的所有可能情况。恕我直言,无论谁否认这一点,都低估了复杂性。

在每辆汽车中都具有自我意识的AI会是疯狂和不道德的,没有人会创造出完整的AI。
自我意识是一个完全不同的问题。当然,在这一点上,我猜想如果没有自我意识甚至没有可能实现真正的AI,这个星球上没有人能够回答。此外,关于自我意识没有黑白两分。动物也具有不同水平的自我意识。再说一遍'实际上很难证明自我意识。您可以轻松地对机器人或程序进行编程以假装自我意识,但是很难证明黑匣子AI是否完全自我意识或假装自己。

自动驾驶汽车将不是人工智能,它将是能够自动解决大多数驾驶问题的笨拙机器。
不,这在现实世界中永远无法可靠地发挥作用。虽然可以在受限的环境中工作,但事实并非如此'真正帮助实现真正的自动驾驶。

人类将能够更好地完成某些驾驶任务,但是自动驾驶汽车将能够更好地完成其他驾驶任务。而且's not about who's best, it'关于获得自动驾驶汽车"good enough"以便在公共道路上值得信赖。 (嗯,一个明确声明的目标是降低交通事故发生率,因此在这方面必须要好得多。)
A dumb machine will never be 够好了 to be entrusted with people'e生活在公共道路上。
尝试是走向失败的第一步-荷马·辛普森(Homer J. Simpson)
 

离线 EEV博客

  • 管理员
  • *****
  • 帖子:32242
  • 国家: au
    • EEV博客
回复:Robo-Cab预测
« 在以下回复#110: 五月21,2019,02:44:08下午»
引用
每天我开车流量时,都会看到一些情况,我认为汽车将如何应对。
人们曾经说过象棋程序永远不会击败一个大冠军,结果证明,只要您具有足够的计算能力,您就可以在1996年用令人失望的琐碎算法来做到这一点。

类比非常有缺陷。国际象棋在固定的比赛场地上有一组有限的小规则。越来越多的计算和明智的算法总是注定要赢。
自动驾驶汽车在几乎无限的一组规则(有限的一组固定道路规则,但当事物发生变化或出错时,还具有无限的可变性)下在无限大小的板上行驶。
完全正确,国际象棋是所谓的完美信息游戏,但当时't只是一个类比,但作为其他事例的例子,在20到30年前,计算机就无法做到。自1996年Deep Blue赢得Kasparov以来,'已有20多年的历史了,计算机的功能也在以指数级的速度增长。过去的东西'如今,一切皆有可能,这对于许多人来说是不直观的,也许就是为什么这么多人认为自动驾驶汽车是不可能的。

没有人说他们是"impossible".
但是它们目前存在缺陷,并且将持续很长时间,条件的无限可变性实际上可以保证这一点。
您关于国际象棋的陈述肯定是一个类比,否则'毫无意义。
许多(大多数?)人犯了一个巨大的错误,因为自动驾驶汽车虽然现在可以完成令人印象深刻的事情,但完美的实现还需要几年的时间。但这不'在无尽的竞争环境中像开放式的复杂问题那样工作,像自动驾驶汽车将经久不衰。聪明的人确实理解这一点,这就是为什么为什么只有当他们拥有自己的专用车道时,或者一旦他们成为道路上的大多数时,才真正谈论到它们的原因。

It'人形机器人也是如此。人们看到了波士顿动力公司的机器人等,并认为完美只有几年的路程。差远了。
 

离线 EEV博客

  • 管理员
  • *****
  • 帖子:32242
  • 国家: au
    • EEV博客
回复:Robo-Cab预测
« 在以下问题上回复#111: 五月21,2019,02:53:21下午»
人类将能够更好地完成某些驾驶任务,但是自动驾驶汽车将能够更好地完成其他驾驶任务。而且's not about who's best, it'关于获得自动驾驶汽车"good enough"以便在公共道路上值得信赖。 (嗯,一个明确声明的目标是降低交通事故发生率,因此在这方面必须要好得多。)
A dumb machine will never be 够好了 to be entrusted with people'e生活在公共道路上。

在采用自动驾驶汽车方面,感知将非常重要。
人们期望计算机能够提供更高的完美度,而当人们开始死于自动驾驶汽车时(就像过去一样),公众舆论就不会友好了。
还有这样的说法"但自驾车在统计上更安全"不会积水,人赢了't care, they'长期以来,我仍然会更加信任人类。
 

线上 0x死牛肉

  • 超级贡献者
  • ***
  • 职位:1541
  • 国家: 德
回复:Robo-Cab预测
« 在以下方面回复#112: 五月21,2019,03:05:58下午»
人们期望计算机能够提供更高的完美度,而当人们开始死于自动驾驶汽车时(就像过去一样),公众舆论就不会友好了。
还有这样的说法"但自驾车在统计上更安全"不会积水,人赢了't care, they'长期以来,我仍然会更加信任人类。
在头几次死亡之后,地狱会下雨。
尝试是走向失败的第一步-荷马·辛普森(Homer J. Simpson)
 

离线 斯克兰先生

  • 超级贡献者
  • ***
  • 帖子:9746
  • 国家: 00
  • 展示迷
回复:Robo-Cab预测
« 在以下回复#113: 五月21,2019,03:37:55下午»
在头几次死亡之后,地狱会下雨。
虽然我怀疑你're right that's的确很可笑。驾驶员在驾驶中相当糟糕。我们的传感器阵列充其量是平均水平,容易被环境因素淹没。我们的反应时间很糟糕,最糟糕的部分可能是我们没有'正确了解我们自己的能力和局限性。全世界每年有数百万人死于交通事故,仅在美国,每年就有40000人过不去路。我们似乎接受这一点,那么为什么自动化系统要保持不现实的标准呢?出于同样的原因,我们很可能一开始就喜欢开车。公众不是'非常善于理解统计数据和我们自己的局限性。我们'我相信即使它杀死了我们,我们也可以做得更好。
 

离线 蜜蜂

  • 超级贡献者
  • ***
  • 职位:1667
  • 国家: SE
  • 业余爱好者
回复:Robo-Cab预测
« 在以下方面回复#114: 五月21,2019,03:54:13下午»
没有人说他们是"impossible".
但是它们目前存在缺陷,并且将持续很长时间,条件的无限可变性实际上可以保证这一点。
它们将永远不会是完美的,这就是现实生活中不可预测且无限变化的条件的本质(人类都不是)。甚至Waymo首席执行官都说过"自治总是会有一些限制"。您将始终能够指出无人驾驶汽车无法做到的情况'与人类一样好(因为我们的工作方式截然不同)。但是他们不'为了安全和有用,在所有任务上都必须和人类一样好。

您关于国际象棋的陈述肯定是一个类比,否则'毫无意义。
我没'并没有说过国际象棋和驾驶是类似的,但是认为机器不可能用国际象棋打败人的概念类似于关于机器不可能在公共道路上安全驾驶的概念。

许多(大多数?)人犯了一个巨大的错误,因为自动驾驶汽车虽然现在可以完成令人印象深刻的事情,但完美的实现还需要几年的时间。但这不'在无尽的竞争环境中像开放式的复杂问题那样工作,像自动驾驶汽车将经久不衰。
我认为巨大的错误是假设它必须是完美的。它只必须具有成本效益,并且"good enough"。人类驾驶员也不是完美的。

聪明的人确实理解这一点,这就是为什么为什么只有当他们拥有自己的专用车道时,或者一旦他们成为道路上的大多数时,才真正谈论到它们的原因。
当然,拥有专用车道会使事情变得容易得多。我会参与开发自动驾驶汽车的人非常聪明'不要这么快就解雇他们在做什么。

It'人形机器人也是如此。人们看到了波士顿动力公司的机器人等,并认为完美只有几年的路程。差远了。
从机械的角度看,波士顿动力机器人令人印象深刻,但要把这种机器人与人体进行比较,它们还有很长的路要走。我们拥有200多个骨骼,360个关节,650个线性致动器,庞大的传感器阵列以及大量的并行计算能力,'经过数百万年的优化。它 '要花费很多时间和金钱才能实现目标。 (这就是为什么机器人足球很难,而不是因为游戏策略很困难。)
 

离线 蜜蜂

  • 超级贡献者
  • ***
  • 职位:1667
  • 国家: SE
  • 业余爱好者
回复:Robo-Cab预测
« 在以下方面回复#115: 2019年5月21日,下午04:49:40»
实际上,自90年代中期以来,很多人都说过类似"Robocup是下一个AI挑战" .
http://theconversation.com/why-football-not-chess-is-the-true-final-frontier-for-robotic-artificial-intelligence-62296
//medium.com/syncedreview/having-notched-impressive-victories-over-human-professionals-in-go-atari-games-and-most-recently-30b88ee363e9
足球的策略部分是't hard, it'创造了可以匹配艰苦人类的机械机器人。正如我在上一篇文章中所写,我们有200多个骨骼,360个关节,650个线性致动器,庞大的传感器阵列以及大量的并行计算能力,'经过数百万年的优化。它 '要花费很多时间和金钱才能实现目标。

或用您链接到的第一篇文章的话:
"踢足球所涉及的任务虽然比象棋或围棋对人类更直观,但对机器人来说却是一大挑战。必须解决迄今为止难以想象的复杂技术问题:在跑步时计时踢球,在刺眼的阳光下识别球,在潮湿的草地上跑步,为机器人提供足够的能量以进行45分钟的比赛,甚至还包括用于建造机器人的材料。机器人在激烈的比赛中无法解体。要解决的其他问题将定义未来我们与机器人一起生活的重要方面:当机器人与人类玩家发生碰撞时,谁能承受多大的损失?如果人类犯规,机器人会犯规吗?"

在自动驾驶中,机械部分是'这是一个问题,因为人类和计算机都驱动着我们已经知道如何制造的相同类型的机器(例如汽车)。

要解决Go,您需要神经网络,这是向前迈出的一大步(但是仍然是旧技术突然有了足够的计算能力,使其实际上变得有用)。
很难说Go不能'仅仅因为没有人管理(到目前为止)而被传统算法击败。反正'仍然是一个非常明确的环境,具有非常严格的规则并且没有实时要求(像棋一样基于回合),因此像在人类层面踢足球这样的事情实际上更具挑战性。
足球策略真的不是'很难。比国际象棋难的一个原因是搜索空间很大 许多 比国际象棋更大,所以只增加一点计算能力就不会'很快就会生效。当然,他们仍然在Alpha Go中使用一些传统技术,但实际上,神经网络才是关键。

实际上,可能没有人知道算法是否仍然可以做到这一点,但我对此表示怀疑。
让'从策略的角度看一下计算机在不完美的信息游戏中的表现,这比足球要困难得多。
编辑:抱歉,我打算发布此更新的后续视频(我'请将下面的旧版本留给感兴趣的人)

Tihis是2018年的更早视频:


没有人试图制造出完整的AI来驾驶汽车(除非您听Musk讲)。
好吧,在人类驾驶水平上的人工智能 需要像人类驾驶员一样应付现实环境中的所有可能情况。恕我直言,无论谁否认这一点,都低估了复杂性。
自驾车不会't need "像人类驾驶员一样应付现实环境中的所有可能情况".

自动驾驶汽车将不是人工智能,它将是能够自动解决大多数驾驶问题的笨拙机器。
不,这在现实世界中永远无法可靠地发挥作用。虽然可以在受限的环境中工作,但事实并非如此'真正帮助实现真正的自动驾驶。
"True"自动驾驶是一条红鲱鱼,这甚至意味着什么?人类也要在受限的环境中行驶;我们只沿着特定的道路行驶,我们尝试遵循明确的规则,有时(很多时候)惨败,需要其他人的帮助才能摆脱困境。

人类将能够更好地完成某些驾驶任务,但是自动驾驶汽车将能够更好地完成其他驾驶任务。而且's not about who's best, it'关于获得自动驾驶汽车"good enough"以便在公共道路上值得信赖。 (嗯,一个明确声明的目标是降低交通事故发生率,因此在这方面必须要好得多。)
A dumb machine will never be 够好了 to be entrusted with people'e生活在公共道路上。
除了,它们已经是。人们已经在公共道路上没有驾驶员的情况下进行测试。
« 最后编辑:五月21,2019,05:21:50 pm通过apis »
 

离线 斯克兰先生

  • 超级贡献者
  • ***
  • 帖子:9746
  • 国家: 00
  • 展示迷
回复:Robo-Cab预测
« 在以下方面回复#116: 五月21,2019,04:51:32下午»
我们可以限制点引号和答复的点数吗?这不'不能真正使线程清晰易读。
 

离线 蜜蜂

  • 超级贡献者
  • ***
  • 职位:1667
  • 国家: SE
  • 业余爱好者
回复:Robo-Cab预测
« 在以下问题上回复#117: 五月21,2019,05:36:54下午»
我们的传感器阵列充其量是平均水平,容易被环境因素淹没。我们的反应时间很糟糕,最糟糕的部分可能是我们没有't properly 知道的 of our own capabilities and limitations. Worldwide millions of people die in traffic each year and in the US alone 40000 people meet their untimely end each year.
与无人驾驶汽车相比,这绝对是正确的,我们只能使用眼睛和耳朵(方向盘和加速度/振动可能会反馈一些)。一台计算机可以使用激光雷达,雷达,也可以使用在光谱的热区中看到并且没有死角的摄像机。那(事实是计算机没有'不能分散注意力/醉酒/困倦等),我认为可以肯定的是,自动驾驶汽车将能够大大减少交通事故。
 

线上 0x死牛肉

  • 超级贡献者
  • ***
  • 职位:1541
  • 国家: 德
回复:Robo-Cab预测
« 在以下回复#118: 2019年5月21日,下午06:04:53»
足球的策略部分是't hard, ...
谁在谈论战略?它'有关玩家判断情况并实时做出决定的信息。

或用您链接到的第一篇文章的话:
"必须解决迄今为止难以想象的复杂性的技术问题:在跑步时计时踢球,在刺眼的阳光下识别球,r [...]"
在自动驾驶中,机械部分是'这是一个问题,因为人类和计算机都驱动着我们已经知道如何制造的相同类型的机器(例如汽车)。
即使在摘自樱桃的报价中,您也留下了有关时间和对象识别的这些陈述。另外,与人比赛的人形足球机器人(因为这是目标!)必须预测人的行为-就像自动驾驶汽车一样。它'只是汽车的复杂度要高得多,因为人类和动物以及不与汽车进行交互的可能性非常多。


足球策略真的不是'很难。比国际象棋难的一个原因是搜索空间很大 许多 比国际象棋更大,所以只增加一点计算能力就不会'很快就会生效。
您仍然会忽略,与任何现实世界的移动场景相比,即使采用固定移动规则的大量转弯也是小菜一碟。

让'从策略的角度看一下计算机在不完美的信息游戏中的表现,这比足球要困难得多。
再说一次'一个虚拟环境,不会发生任何意外情况。抛开计算机是否完全执行图像分析并且运动控制是非常基本的:还明确定义了每个单元的动作等。'实时,但距离现实世界的复杂性非常非常遥远。

自驾车不会't need "像人类驾驶员一样应付现实环境中的所有可能情况".
当然必须。否则,整个事情是毫无意义的,必须将其限制在与现实世界可能发生交互作用的受限区域内,而该限制范围应限制在愚蠢的汽车可以处理的范围内。

"True"自动驾驶是一条红鲱鱼,这甚至意味着什么?人类也要在受限的环境中行驶;我们只沿着特定的道路行驶,我们尝试遵循明确的规则,有时(很多时候)惨败,需要其他人的帮助才能摆脱困境。
人类可以遵循规则,但也可以决定何时应该更好't。如果有什么东西挡住了车道,驾驶员将能够以明智的方式做出反应。一辆哑巴的汽车只会停下来阻止交通。现在,如果汽车不能让救护车通过,那么即使这样也会导致死亡。

人类将能够更好地完成某些驾驶任务,但是自动驾驶汽车将能够更好地完成其他驾驶任务。而且's not about who's best, it'关于获得自动驾驶汽车"good enough"以便在公共道路上值得信赖。 (嗯,一个明确声明的目标是降低交通事故发生率,因此在这方面必须要好得多。)
可以添加一些计算机可以更好地处理的事情,例如刹车辅助,而无需更换驾驶员。替代人类驾驶员的自动驾驶汽车在各个方面都必须至少与人类驾驶员一样好。

除了,它们已经是。人们已经在公共道路上没有驾驶员的情况下进行测试。
相信's not even true. I'm not 知道的 of any tests on public roads without a human driver who 能够 take over at any time. And if this driver 是 not 100% focused, this 能够 result in a 德ad pedestrian as we've learned.
尝试是走向失败的第一步-荷马·辛普森(Homer J. Simpson)
 

离线 蜜蜂

  • 超级贡献者
  • ***
  • 职位:1667
  • 国家: SE
  • 业余爱好者
回复:Robo-Cab预测
« 在以下问题上回复#119: 五月21,2019,07:38:35下午»
足球的策略部分是't hard, ...
谁在谈论战略?它'有关玩家判断情况并实时做出决定的信息。
听起来对我来说是实时策略的定义。

或用您链接到的第一篇文章的话:
"必须解决迄今为止难以想象的复杂性的技术问题:在跑步时计时踢球,在刺眼的阳光下识别球,r [...]"
在自动驾驶中,机械部分是'这是一个问题,因为人类和计算机都驱动着我们已经知道如何制造的相同类型的机器(例如汽车)。
即使在摘自樱桃的报价中,您也留下了有关时间和对象识别的这些陈述。另外,与人比赛的人形足球机器人(因为这是目标!)必须预测人的行为-就像自动驾驶汽车一样。它'只是汽车的复杂度要高得多,因为人类和动物以及不与汽车进行交互的可能性非常多。
那不是'如果选择了樱桃,那是相关的一点,表明困难的部分是'在分析游戏并制定策略时,'建造机器人。就战略而言,国际象棋和围棋比足球难得多。

从什么时候开始计算机计时比人计时难?  ???

计算机视觉很难实现,这就是为什么自动驾驶汽车具有激光雷达,所以他们不会'安全关键部件不必依靠计算机视觉算法。对于诸如预测人类(和其他动物)行为的次要任务,他们使用神经网络。他们不'在这种情况下,必须是100%准确,人类也不是,所以效果很好。

您仍然会忽略,与任何现实世界的移动场景相比,即使采用固定移动规则的大量转弯也是小菜一碟。
因为从谨慎到连续并不是't what's challenging.

让'从策略的角度看一下计算机在不完美的信息游戏中的表现,这比足球要困难得多。
再说一次'一个虚拟环境,不会发生任何意外情况。抛开计算机是否完全执行图像分析并且运动控制是非常基本的:还明确定义了每个单元的动作等。'实时,但距离现实世界的复杂性非常非常遥远。
现在轮到你'重新移动球门柱(双关语意)。机器人足球的难点在于'在战略部分,'创造了一个机器人,其速度,敏捷性和耐力与人类职业足球运动员相似(即非常困难)。识别球和其他球员(计算机视觉)不会'对于如今的机器人来说,准确地奔跑和踢球也不是一件容易的事。但是对于自驾车来说,机械并不是问题,因为我们已经有了机械零件(汽车)。

自驾车不会't need "像人类驾驶员一样应付现实环境中的所有可能情况".
当然必须。否则,整个事情是毫无意义的,必须将其限制在与现实世界可能发生交互作用的受限区域内,而该限制范围应限制在愚蠢的汽车可以处理的范围内。
不,真的不't,那是你的错误。它仅需方便且具有足够的成本效益。我们人类的驾驶员也被限制在有限的区域内,在这些区域内,与现实世界的互动仅限于人类可以应付的程度。

"True"自动驾驶是一条红鲱鱼,这甚至意味着什么?人类也要在受限的环境中行驶;我们只沿着特定的道路行驶,我们尝试遵循明确的规则,有时(很多时候)惨败,需要其他人的帮助才能摆脱困境。
人类可以遵循规则,但也可以决定何时应该更好't。如果有什么东西挡住了车道,驾驶员将能够以明智的方式做出反应。一辆哑巴的汽车只会停下来阻止交通。现在,如果汽车不能让救护车通过,那么即使这样也会导致死亡。
人类可以'要么处理所有情况(甚至都不明智)。它'不是黑白的。它'如果在少数情况下自动驾驶汽车需要人工协助,则可以接受。

除了,它们已经是。人们已经在公共道路上没有驾驶员的情况下进行测试。
相信's not even true. I'm not 知道的 of any tests on public roads without a human driver who 能够 take over at any time. And if this driver 是 not 100% focused, this 能够 result in a 德ad pedestrian as we've learned.
It'到目前为止,实际上是个老新闻。

2018年10月30日:
"我们很高兴地宣布,加利福尼亚机动车管理局(DMV)刚刚向Waymo授予了该州的第一个许可证,以开始在公共道路上进行无人驾驶测试。

该许可是新的DMV法规于4月生效的结果,该法规允许公司在经过仔细定义的限制内申请完全无人驾驶测试,并且是Waymo团队在加利福尼亚进行近十年测试的产物。这是加利福尼亚州首次允许在完全无人驾驶的汽车的公共道路上进行测试-也就是说,没有坐在驾驶员座位上的测试驾驶员。

熟悉的地面
自2009年我们在Google首次开始研究自动驾驶技术以来,完全无人驾驶测试是Waymo迈出的最新一步。从那以后,我们在25个城市的公共道路上行驶了超过一千万英里的自动驾驶里程。自去年以来,加利福尼亚州将加入我们在亚利桑那州凤凰城开始的无人驾驶测试计划。
"

//medium.com/waymo/a-green-light-for-waymos-driverless-testing-in-california-a87ec336d657

2017年的视频(亚利桑那州的测试开始)


2018年的视频(加利福尼亚测试开始)
 

线上 Nctnico

  • 超级贡献者
  • ***
  • 帖子:20216
  • 国家: nl
    • NCT发展
回复:Robo-Cab预测
« 在以下回复#120: 五月21,2019,09:16:41下午»
人类可以遵循规则,但也可以决定何时应该更好't。如果有什么东西挡住了车道,驾驶员将能够以明智的方式做出反应。一辆哑巴的汽车只会停下来阻止交通。现在,如果汽车不能让救护车通过,那么即使这样也会导致死亡。
:palm: 我不知道'认为你没有司机'的驾照或(在开车时)要注意别人在开车(或试图开车)时所做的愚蠢行为。特别是星期六和星期天不好。
有小谎言,有大谎言,然后示波器的屏幕​​上有东西。
 

线上 0x死牛肉

  • 超级贡献者
  • ***
  • 职位:1541
  • 国家: 德
回复:Robo-Cab预测
« 在以下回复#121: 五月21,2019,11:50:10下午»
:palm: 我不知道'认为你没有司机'的驾照或(在开车时)要注意别人在开车(或试图开车)时所做的愚蠢行为。特别是星期六和星期天不好。
好吧,也许您应该然后训练一下思考的事情。无论如何,当然会有愚蠢的司机,因为有很多愚蠢的人。尽管如此,即使是愚蠢的驾驶员也对前进有着浓厚的兴趣,而不仅仅是永远等待。只要注意如果红绿灯卡在红色阶段会发生什么。驾驶员将忍受几分钟,然后第一个驾驶员将忽略红灯或转身,甚至报警。没有人会站在那里永远等待。
尝试是走向失败的第一步-荷马·辛普森(Homer J. Simpson)
 

离线 斯克兰先生

  • 超级贡献者
  • ***
  • 帖子:9746
  • 国家: 00
  • 展示迷
回复:Robo-Cab预测
« 在以下回复#122: 五月22,2019,12:26:37上午»
好吧,也许您应该然后训练一下思考的事情。无论如何,当然会有愚蠢的司机,因为有很多愚蠢的人。尽管如此,即使是愚蠢的驾驶员也对前进有着浓厚的兴趣,而不仅仅是永远等待。只要注意如果红绿灯卡在红色阶段会发生什么。驾驶员将忍受几分钟,然后第一个驾驶员将忽略红灯或转身,甚至报警。没有人会站在那里永远等待。
We'都非常熟悉看门狗定时器。您甚至可以想象这样一种情况:汽车在陷入困境时可能会寻求帮助'找不到解决方案。你不'无需一劳永逸地实现完全完美的自动化。
 

离线 蜜蜂

  • 超级贡献者
  • ***
  • 职位:1667
  • 国家: SE
  • 业余爱好者
回复:Robo-Cab预测
« 在以下回复#123: 五月22,2019,10:11:11上午»
那'这就是为什么我相信每个人都计划共享乘车或出租车的原因。总会有一个与所有汽车联系的运营中心。如果有问题,计算机或乘客可以寻求帮助。然后,操作员可以遥控或引导汽车,直到它可以再次自行管理为止,或者在最坏的情况下,请派遣替换的汽车和技术人员。
 

离线 斯克兰先生

  • 超级贡献者
  • ***
  • 帖子:9746
  • 国家: 00
  • 展示迷
回复:Robo-Cab预测
« 在以下回复#124: 五月22,2019,10:16:40上午»
那'这就是为什么我相信每个人都计划共享乘车或出租车的原因。总会有一个与所有汽车联系的运营中心。如果有问题,计算机或乘客可以寻求帮助。然后,操作员可以遥控或引导汽车,直到它可以再次自行管理为止,或者在最坏的情况下,请派遣替换的汽车和技术人员。
It'汽车可以自行寻求帮助,并且可以间接地给出指示,汽车可以确定确切的执行方式。如果它's被命令闯红灯,汽车应该能够确定这样做的好时机。这几乎是最近的火星漫游者的驾驶方式,当然不包括交通信号灯。 ; D
 


分享我

掘客  脸书  SlashDot  美味的  Technorati  推特  谷歌  雅虎
中频