清华校友研究再登Nature：3种方法解决自动驾驶“稀疏度灾难”

文章预览

贾浩楠 发自 副驾寺 智能车参考 | 公众号 AI4Auto 清华校友，最新自动驾驶研究成果再登 Nature 。 去年，Nature正刊曾罕见的将封面给了自动驾驶研究“仿真效率提升2000倍”——同样是这个这个团队的成果，成为自动驾驶圈内一时热议的重大进展， 智能车参考也详细介绍过 。 这次新研究发表在Nature子刊《Nature Communications》，关注更加底层、更加核心的AI技术难题： 稀疏度灾难。 研究了个啥？ 有点“神乎其神”，稀疏度是个啥东西，咋就成了自动驾驶的灾难？ 严谨的定义是这样： 高维变量空间中安全关键事件的稀疏度。 通俗的说就是， 拿来喂给AI司机的训练数据中，真正有用的不多 。 举个例子，现在车企、自动驾驶公司动辄说自己有几百上千万公里实测里程，或者仿真测试里程过亿，但都回避了关键问题： 这些数据中，真正对系统能力有关键性 ………………………………