2018年5月8日星期二

求职季 | 为什么每个开发者都应该坚持经营一个博客?

博客真的很好用!它不仅可以成为你的创意来源,而且如果你想成为一名独立开发者,它可能成为你销售产品的平台。当然它也可以只是一个简单的展示你的想法的工具。

我写博客已经十一年了,虽然是断断续续地更新——而且有时候确实停了很长的一段时间。最近整理了一下我的博客,并打算坚持写下去——是真正的坚持:每天都写一点东西。对我而言,已经受益良多。

在经营博客的过程中,我找到了自己的使命:帮助开发新人学习前端开发。每天,我都会在我的博客flaviocopes.com中更新教程,介绍关于某方面我所了解的全部知识。如果你对JavaScript或者网页开发感兴趣,千万别错过它!

接下来是我关于博客的一些想法:关于为什么每个开发者都应该有博客,并且如何坚持写下去。

前提:一些我想让你忘掉的东西

"我不是专家啊"

每个人在任意一件事上都有一个独特的视角和看法,值得与他人分享。你可能会觉得你不如甲知道得多,但可能乙比你知道得还要少。那么对乙而言,他可能会从你的想法和经验里收获很多。

而且传授知识的最好时机,就是在你刚掌握它们之后,因为此时的你仍然记得对它们手足无措时的感受。

在这种情况下,你可以用刚学到一些知识的学生的语气来写博客。我每天都会学一些新东西,博客里有50%的内容是我在研究某个主题学到新东西后立马写下的。

"我不是一个好的作者"

我本来就不是一个好的作者,但是我不在乎。

请牢记:除非连续数年每天坚持写作,否则你永远也不可能成为一个好的作者。相信自己,最终一定能成为一名优秀的作者。

"我害怕被人批评"

的确,在互联网上人们肆无忌惮地对事情发表苛刻的观点,比如众所周知的Reddit和Hacker News,但这是好事。

如果没有挑战,就不会有成长。而且如果你不想,没有人可以强制你在那儿发帖。如果你担心有人会对有争议的帖子发表刻薄的评论,删掉那些评论就好啦。

对开发者而言:写作的益处

你可以学得更快

最好的学习方法之一就是动手去做。从字面上先选择一个自认为了解的主题,然后通过学习一些不了解的知识,甚至从来没想过的内容,然后螺旋状逐步深入学习。

有人说,只有当你能够把它明白地解释出来,你才是真正的理解了这个主题。博客就是用来解释知识的一个门槛相对较低的平台。

你可以开启自己的职业生涯

多亏了博客,我才开启了我在软件方面的职业生涯。

2017年,在大学的课业项目中,我需要搭建一些网站应用,基于过程中学到的一些零零散散的知识,我开始了自己的博客分享之旅。

通过这个博客,我开启了自己即将成为自由职业者和承包商的职业生涯。

那个旧的博客已经不见了——很久以前我就没有再更新它,里面的内容也早已过时。但是如果没有它,我绝不会想到有朝一日,我能在刚踏出校园时就能有自己的事业。

你可以调整技术方向

在博客写作中我做过几次方向调整。如果专注于某种技术的同时,发现自己对另外的一些知识感兴趣,我也会另写几篇关于它们的文章。

举个例子,去年夏天,我花了两个月时间深入学习Go编程。然后我收到了工作的offer。关键是我并没有进行申请,仅仅是因为他们看到了我在线分享的博客内容。

技术博客成功的关键因素

保持博客主题一致

我从不订阅没有主要关注点的博客。就我而言,我讨论的是前端开发的内容,因此订阅了一些其他关于前端开发的博客。

去年夏天我讨论了很多关于Go的内容,Go对于前端开发者来说,也是他们很感兴趣的内容(如果你有机会的话去学Go吧,这个编程语言让人耳目一新)。但也不要试图分享你想到的一切——保持专业。

持续更新

如果你计划每周发布一篇博客,请坚持做下去。当然一周两次可能会更好。现在我坚持每天写,因为我知道如果一旦允许自己某天停更,接下来我就会不断地允许自己休息,如此下去,我可能就很难再有更新了……

提前写好你想发布的内容

不要在打算更新博客的那天再开始写。提前一周写好它们,或者更早。这样即使你打算休息几天,或者生病等等,你也不会轻易地错过博客更新日。

提前发布也是个好方法。WordPress可以非常简单的实现这个功能,即使是静态博客也可以使用(这是我用Netlify和Hugo做的)。制定一个具体的时间表,安排好写博客的时间,然后坚持下去。

做一个想法记录表

James Altucher说过,每天记下10个点子,那么一年就有3650个点子了,总会有一些会成为好的点子。

对于在博客文章的主题而言,这个方法同样适用。列一张关于博客文章的想法清单。当你有灵感的时候,你将会将作品呈现得非常完美。

多读书,阅读博客,刷Twitter,收听播客

在你想写的主题上要保持与时俱进。比如我的博客主要是关于软件开发的,而Twitter上有源源不断的和软件开发相关的创意和想法,书和博客也是如此。媒介的力量是惊人的。

播客有些不同,因为它是用来听的。我通常是在开车时,或是外出遛狗的半天时间里去听。

早起

设置闹钟督促自己早起,然后开始写作。之前我都是早上8点才起床,因为我不需要赶早高峰(远程工作)。现在我早上6点起床,8点之前就能写完下周的新博文。当你完成了一项任务,比如8点之前创作好了一篇新的文章,你会超有干劲地对待接下来的一整天。

阻止分心

当你为了写一篇博文在网站上查资料时,很容易跳转到一些让人分心的网站。我在Mac上使用SelfControl软件来防止这种情况,而且我不能禁用这个阻止程序。

在自己的平台上写作

在你自己的平台上写作!在你自己的平台上写作!在你自己的平台上写作!重要的事情说三遍。使用其它平台转载,可以获得更大的影响力。

放眼未来,你发布的每篇文章在接下来的十年里都可能有成千上万的访问者。也许不是,但也许下一次谷歌最喜欢并贴上#1的爆文可能就是你的文章。

不要只在别人的平台上写作:你不曾拥有他们,他们甚至可能会倒闭(时有发生)或者停止服务,你将从此失去你的心血。

寻找观众

这与前面的观点是一致的。在刚开始的时候,即使你很积极地分享你的博文,每天的访问量可能也只有为10。(除非你在一些类似Reddit或者Hacker News的分享平台上努力顶贴)。

通过搜索引擎,你的博客流量会持续增长,但这就像是一个很长期的投资。如果你充满激情的文章不为别人所知的话,你很容易灰心。

所以,找到属于你的观众。在自己的博客上写好文章后,把文章导入到一些媒介平台上(给它加上标签,避免激起谷歌对重复内容的愤怒),或者想办法在一些有规模的刊物上发行。出版社渴望新的内容,因为他们需要满足一批读者。可能他们正在寻找的,就是你。有了早期的观众,将会增加你的热情和决心。最后,记得在文章里加上你的博客链接注明出处。

积极营销

在你点击"发布"的时候,你已经完成了50%的工作:你有自己的想法,也完成了主题研究和实际写作,也找出了拼写错误,有了适合的配图……现在需要做的,就是宣传你的文字。即使你的Twitter只有一个粉丝,也要将其在Twitter上发布出来,同时要积极寻找另外的途径让你的博客更广为人知。

一些社交平台可能会很欢迎你的自我宣传,但具体要取决于它的规则。

博客是个人专属媒体平台

几周前我在Hacker News看到了这句话:

不要仅仅把它当做一个博客。要把它看成你的专属媒体平台,唯一的目的是为了销售做推广。

这句话可以说是非常中肯了。我保存了它并打算每个月都重读一次。

说是销售可能会让你不舒服,但你可以想成在出售一些想法,或者售卖你自己的专业知识、自我营销。

设立一个电子邮箱列表

讲真。RSS并未消逝,但只有少部分人在使用了。 现在,如果你在Twitter或Medium上没有关注者,那么你只有自己的电子邮件列表了。我推荐你使用TinyLetter,因为它操作简单,而且免费,你值得拥有。

不要在乎设计

当你对设计毫无兴趣的时候,就选最简单的主题就好了。大道至简。

博客不是要写你自己

读者们并不在乎你是谁,他们来到你的博客无非是期望你能帮他们解决某个具体的问题(如果他们是从谷歌搜索跳转过来的话),或者他们希望能够从你的博客里学到些有用的知识,可以帮助他们做一些事情。所以,请为了帮助他们而写作吧!

避免弹窗和广告

不要有弹窗。如果你将开发人员作为你的目标读者,那么它们真的一点儿用都没有,因为弹窗真的很烦人,并且谷歌可能会为此而降低你的搜索结果排名。

同时,不要在你的网页上放广告。因为这些广告通常非常糟糕,除非你每天都有成千上万的阅读量,否则不要放广告,因为真的不值!

如果你使用的是第三方服务,请检查下相关的一些功能。因为一般情况,除非是付费用户,否则它会向其他未登录该平台的用户展示广告。

不要让你的博客"积灰"

如果你新建了一个博客,那么在发布一篇文章前,请准备好另外几篇待发文章。

不要长时间徘徊在这些文章上——给他们排个队,然后依次发布。设定一个发布时间表,坚持下去,永不放弃。

有些博客上每年只有3、4篇文章,或者已经被遗弃。想想这些博客的主人在建立这个博客之初的种种畅想,这真是一件很难过的事情。这些梦想从来没有被实现,而博客就这样被留了下来,孤独着,与主人渐行渐远。

不要让你的博客和它们一样沉沦下去。

相关报道:

https://ift.tt/2H3qBGH

【今日机器学习概念】

Have a Great Definition

]]> 原文: https://ift.tt/2HXOzaV
RSS Feed

机器知心

IFTTT

星云Clustar 获红杉中国数千万元天使轮投资

日前,"星云Clustar"已获得数千万元天使轮融资,由红杉中国投资。

星云Clustar是一家提供人工智能云服务的高科技创业公司,致力于将超算的科研和技术成果应用到商用领域,为企业AI生态系统打造高效的分布式机器学习系统。其核心团队由科学家陈凯和杨强组建。

陈凯,星云Clustar创始人兼首席科学家。

陈凯在互联网技术、数据中心、大数据和人工智能底层架构等方向深耕十余年,是相关领域杰出的华人青年科学家,现任香港科技大学网络系统实验室主任,港科大-微信人工智能技术联合实验室主任。其主要研究方向包括数据中心网络,云计算系统,大数据和分布式机器学习的底层架构,专注于网络系统的设计和实现。陈凯曾多次在ACM SIGCOMM, USENIX NSDI,IEEE/ACMTON等国际顶尖学术会议和期刊上发表多篇论文阐述其研究成果,其中SIGCOMM/NSDI论文近三年居亚洲第一。 

杨强,星云Clustar联合创始人。

杨强在人工智能研究领域深耕三十年,是国际公认的人工智能全球顶级学者,ACM/IEEE Fellow,首位美国人工智能协会(AAAI)华人院士,迁移学习领域的奠基人和开拓者,在数据挖掘、人工智能、终身机器学习和智能规划等研究领域都有着卓越贡献。

陈凯在科研上积累的技术成果主要集中在为商用数据中心提供高性能的网络架构,如以太网RDMA技术,网络计算,应用感知的流量调度和路由算法等。人工智能领域的数据体量和对分布式计算的需求为这些网络技术成果提供了绝佳的应用场景。近年来,陈凯与腾讯、微软、华为等科技公司一直保持深度合作,并于2016年为华为设计了全球网络通了信业界首个基于机器学习的网络大脑核心;此外,他还带领研究团队与微信深度合作开发Amber深度学习平台。Amber与TensorFlow相同,也是一种深度学习计算框架,在底层网络上他们将基于RDMA网络传输技术应用到数据传输环节,实现了平均提速3倍的计算效果。

RDMA技术 作为超算中心网络互联的高性能通信协议,以太网RDMA技术(RDMA over Converged Ethernet)在消除TCP/IP性能瓶颈的同时,通过兼容以太网的方式,大幅度降低部署和维护成本,从而可用于商用数据中心;

网络计算平台(in-network computing) 通过可编程交换机和智能网卡,在通信的同时承担一部分甚至全部计算任务,消除软件和CPU的性能瓶颈;

应用感知的流量调度和路由算法 可以监测不同人工智能应用的运行状态,将优化的流量调度和路由策略迅速部署在网络设备中,从而减少拥塞,改善网络状况,大幅度降低性能抖动和运维成本。

"无论是传统CPU的多核迭代,还是如今的FPGA、ASIC芯片,都是在单点/单服务器上提升算力。随着数据量增多,模型增大,大规模分布式处理成为必须途径,由此而带来的问题是,很多资源在服务器传输间被消耗。单点算力固然重要,但服务器之间的互联、参数在各个节点之间如何高效传输是更为值得研究的方向。"陈凯说道,星云Clustar正是致力于此——通过商用数据中心高性能的网络架构,赋能AI算法和单点计算能力,消除大规模机器学习应用的落地瓶颈,从而加速人工智能产业的发展。

在陈凯看来,目前人工智能行业处于不均衡的发展状态:

少数头部互联网/科技企业拥有先进技术和海量数据,对于大规模分布式计算集群有迫切需求;而大量传统企业处于信息化至数据化的过程中,人工智能的应用尚在试探性研究阶段。

因而,在行业整体解决方案输出上,星云Clustar对于头部科技型企业,以高性能基础架构为主要产品,与IT供应体系建立战略合作,构建有竞争力的供应与服务体系。而对传统企业,星云Clustar则为其提供基于自有技术的软硬件一体化AI解决方案,解决企业用户的实际业务问题,帮助企业落地AI私有云。

据悉,公司在2017年注册,2018年境内重组,现在是人民币架构。目前团队共20多人,分别是在北京研发中心和香港实验室。

]]> 原文: https://ift.tt/2JYJXxG
RSS Feed

机器知心

IFTTT

学界 | MIT最新:机器学习首次模仿大脑处理声音,能辩歌词和歌曲分类


你是否对于Spotify之类的软件产生过这样的疑问:"Spotify,你放音乐的时候在想什么?"实际上这类软件可能会像你一样思考。

一项麻省理工学院的新研究表明,科学家们构建了一个机器学习系统,可以像人类一样处理声音,能够辨别歌词或按流派对音乐进行分类。

它是第一个模仿大脑来解读声音的人造系统,在准确性上能够与人类相媲美。这项研究发表在Neuron杂志上,为研究人脑提供了吸引人的新方法。

大数据文摘微信公众号后台回复"音乐"即可获得研究论文哟~

机器学习系统无处不在,例如各种有音乐推荐功能的软件。不过软件工程师们通常不知道这些系统如何"思考",也不知道软件的内部工作方式是是否与人脑具有相似性。

研究人员的模型是基于著名的深度神经网络——受到人体神经元或脑细胞的启发发展而来。它可以通过分层来处理信息,且最深的层执行最复杂的工作。科学家可以训练这些模型来"学习"人类的行为,比如分析声音。

研究人员对模型建立了两个目标。第一,播放两秒钟的演讲片段,来测试模型识别演讲中出现的词。第二,播放两秒钟的音乐,来测试该模型如何将这段音乐分类。此外,研究人员还在每次测试时设置噪音来增加模型识别的难度。

实验需要数千个案例来训练模型,不过最终,模型的性能表现得和人脑一样不错。模型能够识别数十种音乐类型,比如它可以从ska或gothic摇滚中识别出dubstep。不过,在播放城市声音的片段时,和人脑一样,它也会犯错误。

但是研究人员仍然不确定所建立的模型是否能像大脑那样处理信号——或者说它有自己的方法来解决同样的问题。因此他们需要查看人脑的情况。

文章的第一作者Alex Kell来自麻省理工学院,他研究了fMRI扫描仪的数据,观察了人听到一系列大自然的声音的时候,大脑的哪个区域最活跃。

接着,他将这些声音输入到模型中。他发现,当模型处理一些相对基本的信息时(例如声音或模式的频率),其与大脑的某个区域相对应。而承担更复杂的任务时(例如识别音乐的含义),模型与人脑的另一区域相对应。

这表明模型从最简单到最复杂的层次结构,都能和人脑以相同的方式处理信息。

路易斯安那州立大学实验音乐和数字媒体(研究将神经网络云运用到音乐上的)的准博士Andrew Pfalz说,这种将深度神经网络的内部运作与大脑连接的能力太令人振奋了。

机器学习系统无处不在,例如各种有音乐推荐功能的软件。不过软件工程师们通常不知道这些系统如何"思考",也不知道软件的内部工作方式是如何跟人脑相似的。

"这是一个黑匣子,"Pfalz说,"有趣的是,我们训练这些模型,也看到它们能够正确的分类和预测,然而我们并不知道里面发生了什么。"

但是经过探索,麻省理工学院的研究人员能够清楚地了解系统的哪些层面处于何种状态,以及模型是如何和人脑一样处理相同的声音的。

最初受大脑构造启发而来的机器学习系统(因此称为"神经网络"),现在正在帮助科学家们更好的研究大脑。Pfalz觉得这个想法很有趣。

不过,主要研究使用机器学习系统创作音乐的北佛罗里达大学的计算机学家Ching-Hua Chuan强调了这一说法的广泛性。"[神经网络]从来没有打算模拟我们的大脑是如何工作的,"她补充道,窥探"黑匣子"内部情况的困难性表明,需要更多研究来证明该模型确实模拟了大脑。

麻省理工学院的团队认为他们已经快要达成这个目标了。这项研究的资深作者——麻省理工学院的Josh McDermott说,如果他们是对的,模型可以帮助科学家们理解和模拟大脑如何处理声音和其他感官信号。而且,由于在模型上进行测试比在真正的大脑上进行实验更快,更安全,成本更低,这可能会加速一些神经科学的研究进展。

Kell说,计算能力和神经网络技术并不总是能够模拟部分人脑,但过去的五年开创了一个新的时代。"在机器学习领域,历史上许多难以克服的问题实际上现在已经可以解决了。"

相关报道:

https://ift.tt/2Hc54jh

【今日机器学习概念】

Have a Great Definition

]]> 原文: https://ift.tt/2K1Fs5z
RSS Feed

机器知心

IFTTT

2018年5月7日星期一

致命车祸进展:Uber无人车检测到了行人,但选择了忽略

岳排槐 发自 凹非寺量子位 出品 | 公众号 QbitAI

今年3月18日,Uber无人车发生致命车祸。一辆配备安全员的Uber无人车,径直撞上正在横过马路的行人。

对于这场事故,如今更多的信息披露了出来。

来自TheInformation的报道指出,据知情人士透露,当时Uber无人车的传感器已经检测到行人,但是系统认为不需要做出反应。

这是软件调整设置的结果。

与其他的自动驾驶系统相似,Uber的系统会忽略"误报"或其他不会成为问题的东西,比如路上漂浮的塑料袋等。

对这一消息,Uber官方也做出了回应。

不过在回应中,Uber表示这一事件还在调查之中,没有对这件事的更多细节发表评论。嗯,其实啥也没说。

期待真相尽快揭开。

欢迎大家关注我们的专栏:量子位 - 知乎专栏

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复"招聘"两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态



via 量子位 - 知乎专栏 https://ift.tt/2jGL4as
RSS Feed

RSS5

IFTTT

致命车祸进展:Uber无人车检测到了行人,但选择了忽略

岳排槐 发自 凹非寺量子位 出品 | 公众号 QbitAI

今年3月18日,Uber无人车发生致命车祸。一辆配备安全员的Uber无人车,径直撞上正在横过马路的行人。

对于这场事故,如今更多的信息披露了出来。

来自TheInformation的报道指出,据知情人士透露,当时Uber无人车的传感器已经检测到行人,但是系统认为不需要做出反应。

这是软件调整设置的结果。

与其他的自动驾驶系统相似,Uber的系统会忽略"误报"或其他不会成为问题的东西,比如路上漂浮的塑料袋等。

对这一消息,Uber官方也做出了回应。

不过在回应中,Uber表示这一事件还在调查之中,没有对这件事的更多细节发表评论。嗯,其实啥也没说。

期待真相尽快揭开。

欢迎大家关注我们的专栏:量子位 - 知乎专栏

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复"招聘"两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态



via 量子位 - 知乎专栏 https://ift.tt/2jGL4as
RSS Feed

RSS5

IFTTT

MIT自动驾驶导航系统,不看地图也能穿梭乡间野路 | 附论文

方向栗 发自 凹非寺量子位 出品 | 公众号 QbitAI

此前,Uber发生的致命车祸,似乎在大声地强调,自动驾驶技术还没有做好大规模落地的准备。毕竟,世界上并没有很多地方,可以让自动驾驶汽车放飞自我。

谷歌也只在几座主要城市测试过自动驾驶汽车,却已经在各种车道、路肩以及停车标志的3D位置标注上,消耗了大量时间。因为,自动驾驶系统对位置数据的精确度要求很高。

汽车是靠地图来了解自己所在的位置,然后判断当下应该采取怎样的动作。而麻省理工学院CSAIL实验室的小伙伴们觉得,这样自动驾驶汽车能去的地方就太少了——

在美国,只有67%的道路铺了沥青,而很多偏僻又朴素的小路就没有。汽车走在一条被地图忘记的乡间小道,那里没有路灯,也没有路标,就比较难过了。

这样的路,很难画起地图,平时经过的车量也不多。所以,地图公司就没有什么动力,去补全这些路段的三维地图。

不过,开车从西到东穿越领土是许多美国人的喜好。比如,从加州的莫哈维沙漠,一路开到新罕布什尔州的怀特山脉,便是自动驾驶汽车目前无力完成的艰难旅途。

既然不是到处都有精确的地图,就只能想出不用地图也能导航的方法。

我想起,夕阳下的奔跑

CSAIL团队开发了名为MapLite的一套框架,让自动驾驶汽车在"查无此路"的小道上,抛开三维地图的束缚,自在地奔跑。

MapLite把GPS数据和一组用来检测周围道路情况的传感器结合在一起。这样一来,自动驾驶汽车便得以在马萨诸塞州的蜿蜒小路上,悠然地前行。

说悠然,是因为系统最远可以准确侦察好,前方35米处的路况。也就是说,即便开到100公里时速也不成问题。

这是感知系统 (5Hz) 在一台普通PC上跑出的结果。如果用GPU的话,汽车或许还可以开得更快。

这个高效的导航方案,工作步骤是这样的——

首先,系统会设置两个值,一是最终目的地,二是"本地导航目标 (local navigation goal) ",后者要在汽车的视线范围之内。

而后,感知传感器采集的数据会用来生成一条路径,及其中激光雷达负责估计道路边缘的位置。

值得注意的是,MapLite不依靠任何道路标志,只要感受到周围的凹凸不平,就知道怎样才能画出一条相对平缓的路。

二者不可得兼?

依靠三维地图导航的自动驾驶系统,只有在躲避障碍物的时候才会用到传感器和视觉算法。

相比之下,MapLite全方位依赖传感器,再加上GPS,就是它获取信息的全部来源了。

至于,为什么无地图导航系统以前很少有人做,CSAIL团队认为,那是因为这类方案的准确度很难满足人类的期待。

如今,研究人员对MapLite的准确度表示了初步的欣喜,但还是希望拓展它能够驾驭的道路类型。

毕竟,系统目前还应付不了山路,因为它暂时没有把海拔的剧烈变化考虑在路径规划里。

CSAIL的终极目标是,让无地图导航方案的准确度和地图导航方法相当,又能比地图导航走得更远。

那时,在城区自动驾驶汽车可以用三维地图导航,到了陌生的乡野还能像人类司机那样自如地开车。

One More Thing

这项研究是MIT和丰田研究院 (TRI) 的合作项目,所以测试用车是一辆丰田普锐斯,搭载了一组激光雷达,以及一组惯性测量单元。

本月,CSAIL团队便会出席在澳大利亚布里斯班举办的机器人与自动化会议 (ICRA) ,介绍关于MapLite的研究成果。

https://toyota.csail.mit.edu/sites/default/files/documents/papers/ICRA2018_AutonomousVehicleNavigationRuralEnvironment.pdf

欢迎大家关注我们的专栏:量子位 - 知乎专栏

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复"招聘"两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态



via 量子位 - 知乎专栏 https://ift.tt/2FU0Jfd
RSS Feed

RSS5

IFTTT

MIT自动驾驶导航系统,不看地图也能穿梭乡间野路 | 附论文

方向栗 发自 凹非寺量子位 出品 | 公众号 QbitAI

此前,Uber发生的致命车祸,似乎在大声地强调,自动驾驶技术还没有做好大规模落地的准备。毕竟,世界上并没有很多地方,可以让自动驾驶汽车放飞自我。

谷歌也只在几座主要城市测试过自动驾驶汽车,却已经在各种车道、路肩以及停车标志的3D位置标注上,消耗了大量时间。因为,自动驾驶系统对位置数据的精确度要求很高。

汽车是靠地图来了解自己所在的位置,然后判断当下应该采取怎样的动作。而麻省理工学院CSAIL实验室的小伙伴们觉得,这样自动驾驶汽车能去的地方就太少了——

在美国,只有67%的道路铺了沥青,而很多偏僻又朴素的小路就没有。汽车走在一条被地图忘记的乡间小道,那里没有路灯,也没有路标,就比较难过了。

这样的路,很难画起地图,平时经过的车量也不多。所以,地图公司就没有什么动力,去补全这些路段的三维地图。

不过,开车从西到东穿越领土是许多美国人的喜好。比如,从加州的莫哈维沙漠,一路开到新罕布什尔州的怀特山脉,便是自动驾驶汽车目前无力完成的艰难旅途。

既然不是到处都有精确的地图,就只能想出不用地图也能导航的方法。

我想起,夕阳下的奔跑

CSAIL团队开发了名为MapLite的一套框架,让自动驾驶汽车在"查无此路"的小道上,抛开三维地图的束缚,自在地奔跑。

MapLite把GPS数据和一组用来检测周围道路情况的传感器结合在一起。这样一来,自动驾驶汽车便得以在马萨诸塞州的蜿蜒小路上,悠然地前行。

说悠然,是因为系统最远可以准确侦察好,前方35米处的路况。也就是说,即便开到100公里时速也不成问题。

这是感知系统 (5Hz) 在一台普通PC上跑出的结果。如果用GPU的话,汽车或许还可以开得更快。

这个高效的导航方案,工作步骤是这样的——

首先,系统会设置两个值,一是最终目的地,二是"本地导航目标 (local navigation goal) ",后者要在汽车的视线范围之内。

而后,感知传感器采集的数据会用来生成一条路径,及其中激光雷达负责估计道路边缘的位置。

值得注意的是,MapLite不依靠任何道路标志,只要感受到周围的凹凸不平,就知道怎样才能画出一条相对平缓的路。

二者不可得兼?

依靠三维地图导航的自动驾驶系统,只有在躲避障碍物的时候才会用到传感器和视觉算法。

相比之下,MapLite全方位依赖传感器,再加上GPS,就是它获取信息的全部来源了。

至于,为什么无地图导航系统以前很少有人做,CSAIL团队认为,那是因为这类方案的准确度很难满足人类的期待。

如今,研究人员对MapLite的准确度表示了初步的欣喜,但还是希望拓展它能够驾驭的道路类型。

毕竟,系统目前还应付不了山路,因为它暂时没有把海拔的剧烈变化考虑在路径规划里。

CSAIL的终极目标是,让无地图导航方案的准确度和地图导航方法相当,又能比地图导航走得更远。

那时,在城区自动驾驶汽车可以用三维地图导航,到了陌生的乡野还能像人类司机那样自如地开车。

One More Thing

这项研究是MIT和丰田研究院 (TRI) 的合作项目,所以测试用车是一辆丰田普锐斯,搭载了一组激光雷达,以及一组惯性测量单元。

本月,CSAIL团队便会出席在澳大利亚布里斯班举办的机器人与自动化会议 (ICRA) ,介绍关于MapLite的研究成果。

https://toyota.csail.mit.edu/sites/default/files/documents/papers/ICRA2018_AutonomousVehicleNavigationRuralEnvironment.pdf

欢迎大家关注我们的专栏:量子位 - 知乎专栏

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复"招聘"两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态



via 量子位 - 知乎专栏 https://ift.tt/2FU0Jfd
RSS Feed

RSS5

IFTTT

M2 模型杀回 Coding 和 Agent 领域,MiniMax 想要「普惠智能」-InfoQ每周精要No.900

「每周精要」 NO. 900 2025/11/01 头条 HEADLINE M2 模型杀回 Coding 和 Agent 领域,MiniMax 想要「普惠智能」 精选 SELECTED a16z 将 3000 万开发者标价 3 万亿 网友:几个初创公司 + 大模型就...