Amazon DeepRacer的前世今生
早在20世纪初汽车问世之时,发明家们便已提出无人驾驶的设想。但即便是实现无人驾驶的初级阶段,也经历了足足百年时间。毕竟在复杂的城市路况下,机器若想像人一样实现感知、决策、控制等功能,必定面临各种复杂的现实挑战。但毋庸讳言,无人驾驶已经成为当今及未来前沿科技公司的重点研究方向。
云端赛车打开机器学习大门
如果说无人驾驶原本是仅存于科幻电影中的元素,那么Amazon DeepRacer则成功地将其投射进了现实世界。

作为全球云计算的创造者和引领者,亚马逊云科技在2018年11月发布了Amazon DeepRacer赛车,该赛车是由强化学习 -- Reinforcement learning(RL)、3D 赛车模拟器驱动的 1/18 比例的完全自动驾驶赛车。RL 是一种先进的机器学习技术,它不需要标记训练数据就可以学习非常复杂的行为,并且可以在优化长期目标的同时做出短期决策。Amazon DeepRacer通过模型来解决自动驾驶技术平台,开发人员可以在模拟器中训练、评估和调整 RL 模型,在基于云的 3D 赛车模拟器中进行比赛,还可以将模型部署到 Amazon DeepRacer上,从而获得现实世界的自动驾驶经验,随时随地感受速度与激情。

为确保赛车在场上发挥更加充分,在机器学习的道路上能够一马当先,亚马逊云科技特意为其搭载了 Intel Atom®处理器、四百万像素、1080p 分辨率摄像头、高速 (802.11ac) WiFi、和 Intel OpenVino计算机视觉工具套件等高端设备,让赛车从头到脚全面武装,在不断试错的过程中实现一个又一个突破。

同时,亚马逊云科技在2018年同步搭建了Amazon DeepRacer League 比赛(包括线上模拟赛和线下实体赛),旨在让世界各地的人都能轻松参与机器学习,体验自动驾驶的乐趣,这也是世界上第一个面向所有人开放的全球自动驾驶赛车联盟。
在Amazon DeepRacer平台,开发人员可以深入测试各类环境下的表现,通过数据调试和配件的选择来不断优化机器学习的效果,与世界各地的选手在比赛中找寻机器学习的未来。
多维升级带来全新体验

在Amazon DeepRacer发布不到一年的时间里,就已吸引全球成千上万的开发者参与现场及虚拟竞赛,并表现出了惊人的能量和创造力。为了满足开发者对速度的追求以及对机器学习的热情,2020年初,亚马逊云科技基于 Amazon DeepRacer推出了新一代Amazon DeepRacer Evo。与前代相比,全新的赛车在原有基础上配备了一个立体摄像机和一个激光探测与测量 (LIDAR) 传感器,以使其更加强大、更具感知力。有了新配置的帮助,Amazon DeepRacer在机器学习方面将带给开发者们更棒的体验。

伴随着赛车的配置更新, 联赛赛制也迎来了升级。2020年,亚马逊云科技在全球范围内增加了大型赛事的场次,并开放了更多的虚拟赛道和比赛形式。搭配全新升级的Amazon DeepRacer Evo,机器学习的效率获得了进一步提升。从个人到企业,再到整个地区,拥有自己的无人驾驶赛车,享受一场竞速比赛,俨然成为机器学习领域的“新风尚”。
代码开源拥抱更多可能
为了让机器学习爆发出更惊人的能量,2021年4月,亚马逊云科技正式开放了Amazon DeepRacer开源代码,让任何拥有基本 Linux 编码技能的开发者都可以尽情地改写自己的“DeepRacer”,对赛车进行新用途原型开发,创造出满足更多需求的“全能赛车”。
想在第一时间体验“全能赛车”?心动不如行动!
动动手指,赶快来加入我们!嗨爆现场的气氛,定让你不虚此行!
【2021年亚马逊云科技中国峰会】带你感受四驱兄弟时代!
此次峰会将在上海 · 北京 · 深圳三地隆重举行,携手众多业内领先技术践行者,围绕亚马逊云科技可靠的技术与服务,带来多维前瞻视角分享;并在展区内特别打造了 “ Amazon DeepRacer 驾驶赛车场“,让您能够亲临AI一线,深入机器学习发展前沿。

获取更多峰会信息请点击查看https://aws.amazon.com/cn/about-aws/events/summit2021/index_dev/
还在等什么?赶快报名来峰会现场加入这场马拉松,与Amazon DeepRacer 来一场疯狂刺激的自动赛车驾驶比赛吧! 让我们一起用AI致敬追逐的四驱少年!
好文章,需要你的鼓励
PDF协会在欧洲会议上宣布,将在PDF规范中添加对JPEG XL图像格式的支持。尽管Chromium团队此前将该格式标记为过时,但此次纳入可能为JXL带来主流应用机会。PDF协会CTO表示,选择JPEG XL作为支持HDR内容的首选解决方案。该格式具备广色域、超高分辨率和多通道支持等优势,但目前仍缺乏广泛的浏览器支持。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
Ironclad OS项目正在开发一个新的类Unix操作系统内核,面向小型嵌入式系统,计划支持实时功能。该项目的独特之处在于采用Ada编程语言及其可形式化验证的SPARK子集进行开发,而非常见的C、C++或Rust语言。项目还包含运行在Ironclad内核上的完整操作系统Gloire,使用GNU工具构建以提供传统Unix兼容性。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。