الكستناء سيارة من الجزء السفلي من راحة، غير معبد،

إنتاج و qubit | عدد ملفه QbitAI

المركبات الذاتية، ضرورة التعامل مع مجموعة متنوعة من ظروف الطريق، والعمل بيئة في كل لحظة تغيير A.

لذا، التدريب الجيد L4 نظام الطيار الآلي الطبقة ليس من السهل . تحتاج إلى الاعتماد وظيفة مكافأة  (وظيفة المكافأة) و دالة التكاليف  (وظيفة التكلفة).

وبالتالي، يجب على الباحثين أن تنفق الكثير من الطاقة، ل تعزيز التعلم أين هذه الوظائف تعديل المعلمة . بيئة وأكثر تعقيدا، وأكثر صعوبة عمل مساعد.

ومع ذلك، بايدو قسم الطيار الآلي من البشر، ونحن نريد لتحرير كلتا يديه، تعديل المعلمة المهمة الملقاة على منظمة العفو الدولية أنفسهم.

حتى أنها وضعت تعديل المعلمة التلقائي طريقة، بحيث يمكن AI مع وقت التدريب أقصر، والحصول على التعامل مع المشهد المعقد القيادة القدرات.

رسم التركيز: التكيف بسرعة مع مجموعة متنوعة من البيئات .

حاليا تعديل المعلمة أكثر أمنا

المركبات الذاتية، يجب أن تكون قادرة على التعامل مع مختلف المشاهد أنظمة منظمة العفو الدولية.

هذا نظام تخطيط العمل لأنه يقوم على بايدو الإطار الطيار الآلي Appollo البحث والتطوير.

النظام هو معطيات محرك الأقراص، بما في ذلك استخدام البيانات خبير القيادة البيانات و البيانات المحيطة .

ويمكن رؤية هذا الرقم، وينقسم النظام إلى غير متصل و على الانترنت قسمين:

1. على الانترنت وحدات ، المسؤول عن توليد الأمثل مسار ، وذلك باستخدام وظيفة مكافأة .

2. جدولة وحدة متواجد حاليا ، فهو يستخدم لتوليد وظيفة مكافأة و دالة التكاليف ، ويمكن تعديلها بوصفها وظيفة للبيئة.

ولذلك، فإن الجزء الثاني هو المفتاح. يعتمد على مجموعة جيدة من المعلمات ليست جيدة، اختبار المحاكاة و إمتحان القيادة وهي ضرورية (انظر أدناه).

من أجل الحد من استهلاك الوقت رد الفعل (ملاحظات دورات)، في المرتبة بايدو على أساس شروط الاستخدام معكوس تعزيز التعلم (الرتبة القائم على شرطي IRL) الإطار، لتصل قيمتها مكافأة / وظيفة التكلفة، بدلا من مطولا دليل التكيف المعلمة.

كيفية جعل نموذج

كذلك، نلقي نظرة على النظرات موديل معين مثل:

أو على الانترنت و غير متصل قسمين، ولكن يمكنك أن ترى هذا الإطار تعزيز التعلم تعديل المعلمة الجديدة ( RC-IRL ) يقع الموقف.

سير العمل

الأصلي ميزة مولد (الخام ميزة مولد)، والحصول على مدخلات من البيئة، وتقييم أخذ العينات مسارات أو خبير مسار القيادة . لاختيار عدد من المسارات وخارج الخط إلى وحدة وحدة على الانترنت تستخدم جنبا إلى جنب.

بعد المسار، حيث استخراج الخام، وخط مقيم ظيفة مكافأة / التكلفة، وسوف يعطي جزء .

وأخيرا، فإن النتيجة من المواءمة، أو مع البرمجة الديناميكية  (الديناميكي البرمجة)، تحديد المسار إلى الناتج النهائي.

عملية التدريب

تدريب البيانات من 1000 + ساعة من القيادة البيانات في الخبير المنتخب، و ليس هناك عقبة و لا تغيير السرعة جزء استبعاد، وتبقى 718000000 ، ودعم التدريب من الصعوبة.

عملية التدريب غير متصل انها مناسبة ل اختبار على نطاق واسع ، ولكن أيضا للتعامل مع الحالات الزاوية (الحالات ركن).

وبالإضافة إلى ذلك، يتم جمع البيانات تلقائيا، والشرح التلقائي، ولكن أيضا للبشرية حفظ الطاقة.

وظائف التكلفة، سيامي شبكة التدريب. يستخدم هذا القسم القبض على سلوك القيادة ، ووفقا للكثيرين ميزة لالتقاط.

مدربة تدريبا جيدا، ذهبت لإجراء الاختبار. اختبار المحاكاة وتشمل محتويات: وقوف السيارات، الاستحواذ، التغييرات حارة، والتجاوز ومشاهد أكثر تعقيدا.

بعد اختبار محاكاة الطريق. اعتبارا من 25 يوليو من هذا العام، شهد النظام أكثر من 25000 اختبار الطريق ميل. وقال الفريق حسن الأداء AI حتى الآن.

الفوز مرة أخرى؟

قبل يومين، أعلن بايدو وصلت الصين إلى جانب سيارة ممتازة لاستكشاف تسويق التكنولوجيات القيادة الآلية.

وقبل أسبوع، Waymo تابعة "هوى جبل" في شنغهاي.

على الساحة الطيار الآلي، والذين لا تبطئ.

يوم واحد، إذا جاءت Waymo أي سيارة إلى الصين، أتساءل عما إذا كان بايدو لا يمكن أن "الفوز مرة أخرى."

ورقة بوابة:

https://arxiv.org/pdf/1808.04913.pdf

- كامل  -

التوظيف الصادق

المكدسة تقوم بتجنيد محرر / مراسل، ومقرها في تشونغ قوان تسون في بكين. نتوقع الموهوبين والطلاب المتحمسين للانضمام إلينا! مزيد من التفاصيل، يرجى و qubit عدد الجمهور (QbitAI) واجهة الحوار والرد "تجنيد" كلمة.

و qubit QbitAI عناوين على التوقيع

' " تتبع تقنيات AI دينامية جديدة والمنتجات