/cdn.vox-cdn.com/uploads/chorus_asset/file/25415564/STK418_Autonomous_Vehicles_Cvirginia_D.jpg)
The Verge
·
Waymo希望利用谷歌的Gemini来训练其无人驾驶出租车
💡
原文英文，约700词，阅读约需3分钟。
📝
内容提要
Waymo利用谷歌的多模态大语言模型Gemini开发了新的自动驾驶训练模型EMMA，旨在提升无人驾驶汽车的决策能力。EMMA能够处理传感器数据并生成未来轨迹，以帮助车辆应对复杂环境。尽管在轨迹预测和物体检测方面表现优异，但仍需进一步研究以解决其局限性和潜在风险。
🎯
关键要点
- Waymo利用谷歌的多模态大语言模型Gemini开发了新的自动驾驶训练模型EMMA。
- EMMA能够处理传感器数据并生成未来轨迹，帮助无人驾驶汽车做出决策。
- Waymo首次表明将多模态大语言模型应用于自动驾驶领域。
- 传统的自动驾驶系统依赖于特定模块，存在扩展性和适应性问题。
- 多模态大语言模型如Gemini提供了丰富的世界知识和优越的推理能力。
- EMMA在复杂环境中帮助无人驾驶汽车找到正确路线。
- Waymo的EMMA模型在轨迹预测、物体检测和道路图理解方面表现优异。
- EMMA存在局限性，如无法处理3D传感器输入，且处理图像帧数量有限。
- 使用多模态大语言模型训练无人驾驶汽车存在潜在风险，需要进一步研究。
- Waymo希望其研究结果能激励更多研究，以解决现有问题并推动自动驾驶技术进步。
❓
延伸问答
Waymo的EMMA模型有什么主要功能？
EMMA模型能够处理传感器数据并生成未来轨迹，帮助无人驾驶汽车做出决策。
Waymo为何选择使用谷歌的Gemini模型？
Waymo选择Gemini是因为它提供丰富的世界知识和优越的推理能力，能够解决传统自动驾驶系统的局限性。
EMMA模型在自动驾驶领域的表现如何？
EMMA在轨迹预测、物体检测和道路图理解方面表现优异，帮助无人驾驶汽车在复杂环境中找到正确路线。
EMMA模型存在哪些局限性？
EMMA无法处理3D传感器输入，且处理图像帧数量有限，这些都是其局限性。
Waymo对未来的研究有什么期望？
Waymo希望其研究结果能激励更多研究，以解决现有问题并推动自动驾驶技术进步。
EMMA模型如何应对复杂环境？
EMMA模型通过生成未来轨迹，帮助无人驾驶汽车在复杂环境中做出决策，例如遇到动物或施工。
➡️
