Heim > Technologie-Peripheriegeräte > KI > HaoMo Zhixing: Das große kognitive Modell für autonomes Fahren wurde offiziell auf DriveGPT aktualisiert

HaoMo Zhixing: Das große kognitive Modell für autonomes Fahren wurde offiziell auf DriveGPT aktualisiert

WBOY
Freigeben: 2023-04-16 20:31:01
nach vorne
709 Leute haben es durchsucht

Am 17. Februar gab Haomo Zhixing bekannt, dass sein großes kognitives Modell für autonomes Fahren offiziell auf DriveGPT aktualisiert wurde und wird seine neuesten wichtigen Fortschritte beim HAOMOAI DAY im April 2023 bekannt geben.

HaoMo Zhixing: Das große kognitive Modell für autonomes Fahren wurde offiziell auf DriveGPT aktualisiert

Da ChatGPT im Internet immer beliebter wird, haben das große Transformer-Modell und die von ihm verwendete „Human Feedback Reinforcement Learning (RLHF)“-Technologie erneut die Aufmerksamkeit der Branche auf sich gezogen. Im Bereich des autonomen Fahrens führte Feimo als erster in China das Transformer-Großmodell in das Datenintelligenzsystem MANA ein. Auf dem HAOMO AI DAY im Januar 2023 stellte Gu Weihao, CEO von Haomo Zhixing, vor, dass das von Haomo eingeführte große selbstüberwachte kognitive Modell für menschliches Fahren auf den Implementierungsideen von ChatGPT basiert und die RLHF-Technologie (Human Feedback Reinforcement Learning) übernommen hat . Einführung echter menschlicher Fahrerübernahmedaten zur kontinuierlichen Optimierung des kognitiven Entscheidungsfindungsmodells für autonomes Fahren.

HaoMo Zhixing: Das große kognitive Modell für autonomes Fahren wurde offiziell auf DriveGPT aktualisiert

Haimos kognitiver Entscheidungsalgorithmus hat drei Entwicklungsstufen durchlaufen. Die erste Stufe besteht darin, ein durchgängiges Nachahmungslernen einzelner Szenarien einzuführen, um das menschliche Fahrverhalten direkt anzupassen. Die zweite Stufe besteht darin, große kognitive Modelle zu verwenden, um riesige Mengen normaler menschlicher Fahrdaten einzuführen und durch Eingabeaufforderungen eine kontrollierbare und erklärbare kognitive Entscheidungsfindung zu erreichen. Die dritte Stufe, die aktuelle Stufe, führt reale Übernahmedaten ein und beginnt mit der Verwendung des RLHF-Algorithmus in einem großen Modell, um aus Übernahmedaten des menschlichen Fahrens zu lernen. Zu diesem Zweck hat Hao Mo ein paarweises Ranking-Modell erstellt, das „alte Strategie, Übernahmestrategie und manuelle Etikettenstrategie“ umfasst. Basierend auf diesem Ranking-Modell hat Haimo ein Belohnungsmodell für autonome Fahrentscheidungen entwickelt, um in verschiedenen Planungsszenarien optimale Entscheidungen zu treffen. Durch dieses große Modell wird in erkannten schwierigen Szenen wie Kehrtwendungen und Kreisverkehren die Szenendurchlaufquote um mehr als 30 % erhöht.

HaoMo Zhixing: Das große kognitive Modell für autonomes Fahren wurde offiziell auf DriveGPT aktualisiert

Am 17. Februar hat Hao Mo Zhixing das große kognitive Modell zur Selbstfahrüberwachung offiziell auf „DriveGPT“ aktualisiert, das auch das weltweit erste große kognitive Modell für autonomes Fahren ist. Derzeit hat Haimo DriveGPT die Modellkonstruktion und den Datenlauf der ersten Stufe abgeschlossen, und die Parameterskala kann das Niveau von GPT-2 messen. Als nächstes wird DriveGPT weiterhin umfangreiche reale Übernahmedaten einführen und den Bewertungseffekt durch verstärktes Lernen des menschlichen Fahrdaten-Feedbacks kontinuierlich verbessern. DriveGPT wird auch als Cloud-Bewertungsmodell verwendet, um den Fahreffekt von Kleinwagenmodellen zu bewerten. Die neuesten wichtigen Fortschritte von Haomo DriveGPT werden beim 8. HAOMO AI DAY im April 2023 bekannt gegeben.

Das obige ist der detaillierte Inhalt vonHaoMo Zhixing: Das große kognitive Modell für autonomes Fahren wurde offiziell auf DriveGPT aktualisiert. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Verwandte Etiketten:
Quelle:51cto.com
Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Beliebte Tutorials
Mehr>
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage