9月25日至28日,以“引新荟智 绿创未来”为主题的2021世界智能网联汽车大会如期举行。在27日“未来出行与智慧物流”论坛上,百度智能驾驶事业群副总裁、首席安全运营官魏东进行了主题为《自动驾驶促进城市交通新形态》的演讲。
魏东提出,自动驾驶规模化落地会在“重塑新公共出行”“重塑新个性出行”“创造新商业物种”“促进新交通效率”(以下简称“四新”)四个方面促进形成城市交通新形态。“四新”代表着城市交通的未来,也将在节能减排,助力实现碳中和中发挥重要作用。
在“重塑新公共出行”方面,自动驾驶规模化落地可以让公共出行、出租车、汽车租赁等交通出行方式摆脱人工调度的限制,融合为“动态、按需、共享、智能”的MaaS(出行即服务)出行方式,建立安全可信赖的标准化出行服务,推动非法交通参与者的有效替代,打通高效安全出行的最后1公里。
在“重塑新个性出行”方面,L4级以上自动驾驶可以解放驾驶员双手、双脚、双眼,为用户创造路上的私享个人时间;去掉驾驶位的智能汽车也可释放车内空间,为乘客打造专属移动空间,真正实现个性化出行。
在“创造商业新物种”方面,自动驾驶规模化落地后,可在一天24小时内的交通高峰、平峰、夜间提供不同的服务。在交通高峰时段,自动驾驶车辆可提供交通出行服务,而在平峰期则可兼顾满足用户餐饮、会议、零售、休闲娱乐等个性化出行需求,而在夜间,则可化身为警务巡逻、医疗救助等社会公共服务的提供者。
在“促进新交通效率”方面, 自动驾驶规模化落地可优化城市空间格局,提高城市停车位的使用效率,减少用户寻找停车位浪费的时间,真正解决城市交通出行堵车苦、停车难的问题。比如,Apollo推出的全球首个量产级自动驾驶泊车解决方案AVP可以大大提高小区、商场、街区的停车效率。同时,百度ACE智能交通规模化落地,可以基于路口四个交通方向的交通信号协同,借助“车—路—云”三位一体,形成城市交通“绿波带”,让所有智能网联车辆高效通行,一路“绿灯”,提高整个城市的交通效率。
自动驾驶规模化落地通过实现城市交通服务“四新”,可达到“减少私家车保有量”“降拥堵、减事故、快通行”“提升公共交通出行分担率”“还地于林”的目标,并最终实现“促进节能减排、助力碳中和”的社会价值。演讲中,魏东同时表示,自动驾驶规模化落地是一项系统工程,离不开自动驾驶企业、城市管理者、交通参与者的共同努力。
作为中国自动驾驶行业的领导者,百度Apollo正在以安全为基础,逐步满足公众对于自动驾驶出行服务的新期待。截至今年上半年,百度Apollo自动驾驶已累计服务乘客 40 多万人次,测试里程超过 1400 万公里,成为全球唯一一家实现千万公里级路测积累的中国企业。今年8月,“萝卜快跑” 自动驾驶出行服务平台正式对外发布,目前在长沙、沧州、北京、广州、上海5城落地,面向公众提供常态化试运营服务,并将在2023年底将自动驾驶业务落地至30城,服务300万用户出行。
今年是百度Apollo第4次参展。一些参会者在现场体验了百度Apollo自动驾驶出行服务。跟往年相比,百度Apollo今年在展台新推出“萝卜快跑”,并对外展示了车路协同领域最新重大技术突破Apollo Air,是自动驾驶、智能交通、汽车智能化产品技术和解决方案最为丰富的参展企业。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。