亿迅智能制造网
工业4.0先进制造技术信息网站!
首页 | 制造技术 | 制造设备 | 工业物联网 | 工业材料 | 设备保养维修 | 工业编程 |
home  MfgRobots >> 亿迅智能制造网 >  >> Manufacturing Technology >> 工业技术

AI盲点检测模型助力自动驾驶安全:人类反馈弥补仿真与现实差距

自动驾驶的隐患:仿真训练无法覆盖所有真实场景

自动驾驶汽车在仿真环境中大量训练,却常在现实中犯错:例如未识别救护车鸣笛而未让行。MIT与微软研究人员开发新模型,引入人类反馈,检测AI在仿真中学到的、会导致现实危险错误的“盲点”。

人类反馈如何融入训练?

系统先在仿真中训练,将情境映射为最佳动作;随后部署现实,人类在系统错误干预时接管。反馈两种方式:纠正(安全员接管方向盘,发出错误信号)与演示(人类驾驶,系统对比自身决策与人类动作的差异)。每个不匹配都标记为系统不可接受的行为。

用Dawid-Skene算法聚类盲点

训练结束后,系统拥有可接受/不可接受动作列表。团队引入Dawid-Skene算法,聚合所有标记为“可接受”与“不可接受”的盲点,通过概率计算识别模式,输出每个情境的聚合盲点及置信度,并生成热力图显示各情境成为盲点的概率。实际部署时,若模型判定某情境为高概率盲点,可请求人类介入,实现更安全执行。

参考文献:arXiv:1805.08966 | MIT

工业技术

  1. 基于可靠性的安全计划如何提升职场安全并降本
  2. 4项高性价比技术升级焕新传统生产设备
  3. 自动驾驶汽车难识别深肤色行人:训练数据偏见的严重后果
  4. AI预测行人动作护航自动驾驶:基于生物力学的循环神经网络
  5. Camcode 创新 WMS 技术助力全球建材企业提升仓库准确率至 95.5%
  6. 工业现场强化工人安全的三大关键策略
  7. 信息图:强化操作员安全的 3 个实证步骤
  8. 以高效 QMS 消除错误、提升生产质量
  9. 革新职场安全:保护员工的可穿戴技术创新
  10. 自动驾驶汽车的未来:技术、挑战与创新
  11. 无人机赋能职场安全:降风险、提效能的实战应用
  12. 工厂安全即刻提升的五大实战策略