Waymo因部分机器人出租车与门、链以及其他类似门的道路障碍物发生轻微碰撞,对1200辆自动驾驶车辆执行了软件召回。
根据提交给美国国家公路交通安全管理局 ( NHTSA ) 的文件显示,这项由路透社首次报道的软件更新是在去年年底进行的。该由Alphabet拥有的公司在文件中表示,Waymo的安全委员会决定对该特定版本的无人驾驶软件进行召回,以“履行相关监管报告义务”。
美国国家公路交通安全管理局 ( NHTSA ) 在去年5月启动了对Waymo自动驾驶系统的初步评估,此前了解到在2022年12月至2024年4月期间,发生了7起机器人出租车与“静止及半静止物体,如门和链”碰撞的事件。根据NHTSA的说法,这些事件均未造成人员伤亡。
在2024年11月,Waymo对当时拥有的1200辆机器人出租车车队推出了一次软件更新。提交给NHTSA的文件显示,此次软件更新显著降低了此类事件的发生可能性。如今,Waymo在奥斯汀、洛杉矶、菲尼克斯和旧金山运营着1500辆商业机器人出租车。
文件显示,在NHTSA开始调查时,软件更新工作正在进行中。该公司与NHTSA就自动驾驶车辆风险比较评估进行着持续讨论,并向该机构提供了关于另外9起此类障碍物碰撞事件的信息,这些事件发生在2024年2月至2024年12月期间。
Waymo至少曾进行过另外两次召回。该公司于2024年6月针对其Jaguar I-Pace机器人出租车发布了一次软件召回,当时其中一辆与电线杆发生碰撞。Waymo还在2024年2月对先前的软件进行了召回,此前其两辆机器人出租车撞上了一辆正被拖车拖运的皮卡车。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。