经典MIT的Deep Learning for Self-driving Car课程上,邀请到了Waymo首席科学家Drago Anguelov,分享题为“Taming The Long Tail of Autonomous Driving Challenges(驯服自动驾驶的长尾挑战)”,主要是讲在现实世界中的Long Tail现象,各种异常情况该如何收集、融合、发布和测试。
知乎@黄浴总结了此课程的一些新看点:
1. 题目是“长尾”处理;
2. 可以处理道路维修场景;
3. 可以识别特殊车辆(警车/救护车/消防车);
4. 可以预防闯红灯的车辆;
5. 可以对马路自行车行为轨迹预测;
6. 通过NAS学习模型;
7. 不完全依赖机器学习,可以利用专家知识(domain knowledge);
8. 不是E2E学习驾驶行为,而是Mid-2-Mid,就是最近的ChauffeurNet;
9. 学习的行为预测有自适应性,比如激进的或者温和礼貌的;
10. 仿真不能解决所有问题,仿真系统需要更多的agent model,要smart。
我毕业于斯坦福大学博士学位,曾研究机器人相关领域。现在Google带领团队研究3D感知,以此来构建一个全新的自动驾驶感知系统。
Waymo这家公司截止上个月已经成立了十周年了(2009年成立)它起源于Google X。
2015年,我们研发的这款自动驾驶汽车进行公路路测试验,这是世界上第一辆成功实现自动驾驶的汽车。在这个案例中,坐在车里的人是个盲人,我们认为这个项目的意义重大。所以我们不仅仅希望这台车只是一个成功的演示案例,我们更加希望能够实现无人驾驶。
我将给你们展示一个很酷的视频。你们看,这台汽车真的在自己行驶在公路上。2018年,自动驾驶商业化,这台车学习了很多司机用户的驾驶习惯,使它自身拥有强大的自动驾驶能力。它也成功的在公路上自主行驶(无人驾驶状态)超过10,000,000,000公里。我们的路测实验几乎涵盖了所有的不同城市的驾驶场景,收集了很多驾驶数据。
我想解释一下为什么今天的演讲的题目是“项目的长尾问题”。因为我们在自动驾驶这条路上,我们还有很多问题需要处理和解决,才能使得自动驾驶更加完善。