2月18日，苹果造车项目搁浅1年后，在自动驾驶领域取得了一项重大突破，苹果公司最新研究将自博弈（Self-play）技术引入自动驾驶系统，实现了前所未有的鲁棒性和性能表现，该成果优势显著，尤其是在训练成本方面。苹果的自博弈技术为自动驾驶行业...
2月18日，苹果造车项目搁浅1年后，在自动驾驶领域取得了一项重大突破，苹果公司最新研究将自博弈（Self-play）技术引入自动驾驶系统，实现了前所未有的鲁棒性和性能表现，该成果优势显著，尤其是在训练成本方面。苹果的自博弈技术为自动驾驶行业带来了新的技术思路。
自博弈技术的核心是通过让智能体在与自我的副本或历史版本进行博弈，从而实现算法的自我进化和优化。此前，这一技术已在游戏、机器人和生物工程等领域取得了显著成效，而苹果此次将其成功应用于自动驾驶领域，为自动驾驶技术的发展开辟了新的道路。
苹果利用自博弈技术，在短短10天内生成了16亿公里的模拟数据，用于训练自动驾驶算法。这一过程中，苹果设计了极简的奖励函数，通过大规模数据模拟弥补奖励函数简单的不足，实现了算法的高效进化。
该成果优势显著，尤其的在训练成本方面。依靠公共云 8 张 A100，每小时模拟和学习 44 亿次状态转移，速度比用真实数据快 36 万倍，每百万公里费用不到 5 美元。在多个开放数据集零样本独立测试中均获 SOTA 表现，证明了其泛化性和鲁棒性。
发表评论
最新评论