Sacha Arnoud,Waymo工程总监 - MIT自动驾驶汽车
Sacha Arnoud, Director of Engineering, Waymo - MIT Self-Driving Cars
频道:Lex Fridman · 时长:1:13:22 · 发布:2018-02-16 · 播放:108898
简介
Waymo工程总监Sacha Arnoud在MIT 2018年自动驾驶汽车深度学习课程中讲授了机器学习在自动驾驶汽车中的兴起。涵盖了Waymo如何使用深度学习以及如何处理棘手的驾驶情况。
HN 为什么推荐
在自动驾驶新闻讨论中被指出,作为Waymo进展、深度学习作用及其局限的内部观点。
看看这个讲座,我觉得太棒了。 — HN, 2018
机器学习与深度学习 · 自动驾驶与自主车辆 · 大学讲座与课程
中文字幕节选
今天我们请到了Waymo的工程总监兼感知负责人,这家公司 最近刚刚实现了超过四百万英里的自动驾驶里程,并因此 让世界看到了人工智能和优秀工程所能成就的事。所以请 热烈欢迎Sacha,我们的新 [掌声] 非常感谢Lex的 介绍。嗯,现场真是座无虚席,非常感谢。我真的很兴奋, 非常感谢给我这个机会,能来分享我对 自动驾驶汽车的热情,并和大家分享我们 过去10年在Waymo所做的出色工作,并更详细地介绍 我们最近达成的里程碑。如大家所见,我们会涵盖很多不同的 话题,有些偏技术,有些偏背景。 但无论内容如何,我今天有三个主要目标想要 传达,所以在整个演讲过程中请记住这一点。我的 第一个目标是给大家一些关于自动驾驶 领域的背景,那里正在发生什么,以及打造自动驾驶汽车需要什么,但 同时也给大家一些幕后视角和趣闻,关于 机器学习、深度学习的历史,以及这一切是如何在 Alphabet大家庭中,从Google到Waymo整合到一起的。另一个目标,显然 我还有一个目标,就是给大家一些技术干货,围绕那些 今天在我们的自动驾驶汽车上真正有效的技术。所以我想在这门课上你们听了很多, 听了很多关于不同的深度学习技术、模型、架构、 算法,我试着把它们放在一个完整的框架里,让你们能看到这些 部分是如何组合在一起,构建出我们今天所拥有的系统。而且至少我 认为,正如Lex提到的,构建像我们自动驾驶汽车这样复杂的系统, 实际上需要的远不止算法,从根本上说, 这需要一个完整的工业项目才能实现。我会试着给大家一些 色彩,希望这和你们这一周听到的有所不同。 我会试着给大家一些色彩,说明在现实生活中真正推进这样一个 工业项目,并基本上把机器学习 产品化,需要什么。所以我们听到很多关于自动驾驶 汽车的讨论,这是一个非常热门的话题,而且理由非常充分。我可以肯定地告诉你们, 2017年对Waymo来说是伟大的一年。实际上就在一年前,2017年1月, Waymo成为了一家独立的公司,那是一个重大的里程碑,也证明了 我们部署的稳健性,使我们能够进入产品 化阶段。大家在这张图上看到的是我们最新 一代的自动驾驶汽车,它基于Chrysler Pacifica。 你们已经能看到一堆传感器,我稍后会回来给你们更多 关于它们做什么以及如何运作的见解,但这就是最新 最强的。所以自动驾驶确实吸引了大量关注,而且 理由非常充分。我个人相信,我想你们也会同意, 自动驾驶真的有潜力深刻改变我们看待 出行以及我们运送人和物的方式。所以只涵盖几个方面, 显然,我不想讲太多细节,但安全是 是主要动机之一。今天94%的美国车祸涉及人为失误, 其中很多失误与分心有关,是可以避免的。所以 安全是其中很大一部分。残障人士和出行便利也是 我们的一个重要动机。显然,自动驾驶技术 有潜力让更多人能够以更低成本、更方便地 出行。最后但同样重要的是效率,一种集体效率。
HN 上的讨论
我相信这个演讲会具体而完整地回答你的问题:[VIDEO] 简短回答:自动驾驶汽车确实使用深度学习,但它们避免某些类型不是因为不可靠,而是因为处理能力密集。交通灯、路标、行人等等……那是一大堆需要解开的问题。看看这个讲座,我觉得很棒。 — RosanaAnaDana, 2018-03
我链接的第二篇文章也提到了在未映射道路上的工作:[LINK] 出于某种原因,Waymo已经解决了你认为他们尚未解决的一个又一个问题。他们有意针对不可预测的情况并处理它们。看看任何解释其工作原理的视频,你会注意到他们能处理多少情况:[VIDEO] 即使Waymo只在映射良好的城市中工作?那也远非“只有将现有交通基础设施改造成仅属于自动驾驶汽车才能工作”,这是我回复的评论。 — Zarel, 2018-08
这取决于你关注的领域,它既被过度炒作也被低估。消费者自动驾驶汽车[随时随地]和机器即服务[地理、时间、天气限制的操作][1]之间有巨大差异。Waymo似乎处于领先地位;Waymo的工程总监Sacha Arnoud几周前在MIT做了一个演讲[2],给出了很好的概念。我们大约还需要5年,这些才会作为MaaS(机器即服务)开始推出。根据Frazzoli的说法,消费者模型的L4高速公路运营可能还需要10年以上。[1]Emilio Frazzoli,nuTonomy的首席技术官 [LINK] [2] [VIDEO] — lacerta, 2018-03
谷歌/Waymo 演示过 AI 在暴风雪中驾驶,以及他们用来透过雪花保持物体检测的方法。我找不到我想到的那个视频了。这里有一些关于雪地自动驾驶和奇怪边缘案例进展的视频。 - [LINK](雪地,类似谷歌的演示) - [VIDEO] | [VIDEO](雪地,但不是我想的那个) — verdverm, 2023-01
相关视频
- 如何演讲 · MIT OpenCourseWare · 1:03:42
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- 1. 人类行为生物学导论 · Stanford · 57:14
- 领导力实验室:有效写作的艺术 · UChicago Social Sciences · 1:21:51
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- MIT 的聚变能之路(IAP 2017)- Zach Hartwig · MIT Plasma Science and Fusion Center · 1:11:39
- 斯坦福 Sapolsky 谈美国抑郁症(完整讲座) · Stanford · 52:28
- 公正:该如何做是好?第 01 集“谋杀的道德侧面” · Harvard University · 54:56
- 自动驾驶汽车将如何摧毁城市(以及该如何应对) · Not Just Bikes · 54:37
- 第一讲 | MIT 18.06 线性代数,2005 年春季 · MIT OpenCourseWare · 39:49
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- 兰迪·波许的最后一课:实现你童年的梦想 · Carnegie Mellon University · 1:16:27
- Transformer,LLM 背后的技术 | 深度学习第 5 章 · 3Blue1Brown · 27:14
- 第一讲A:Lisp概述与简介 · MIT OpenCourseWare · 1:12:55
- 讲座 1A | MIT 6.001 计算机程序的构造和解释,1986 · MIT OpenCourseWare · 1:12:55
- 你见过的最重要的视频(8 部分之 1) · wonderingmind42 · 9:17