看影片(在新分頁開啟原站)連到 Google DeepMind
其他版本:Podcast 版(在新分頁開啟)
摘要
探討 Waymo 如何透過融合多源感測器與生成式 AI,解決真實世界交通中的複雜問題。講者 Vincent Vanhoucke 解釋了從感知到決策的閉環挑戰,並介紹了利用雲端大模型進行模擬訓練,將 AI 的「對話能力」應用於視覺與運動場景,以實現比人類更安全的自動駕駛。
This interview explores how Waymo leverages multimodal AI and generative models to solve complex real-world driving challenges. Speaker Vincent Vanhoucke explains the closed-loop problem of autonomous driving and introduces cloud-based simulation training to achieve safety beyond human capabilities.
摘要、重點與章節標題由語言模型整理,細節(誰說的、數字、先後)可能有誤;要引用請以原始內容為準。
重點
- Waymo 透過融合相機、LiDAR 與雷達的多源感測資料,解決資訊衝突問題。
- AI 利用雲端大模型進行模擬訓練,將抽象的對話能力應用於交通場景。
- 未來自動駕駛將普及,但需解決成本與基礎設施適應問題。
提到的工具與公司
- LiDAR
- Radar
- Camera
- Tokenization
適合誰看
對自動駕駛技術、AI 應用及未來交通趨勢感興趣的讀者。
摘要依據
- 講者
- Vincent Vanhoucke
- 依據
- 語音轉文字
為什麼排在這裡
- 人氣
- 0.84
- 新鮮
- 0.28
在主題頁與搜尋結果裡,名次由相關、人氣、新鮮三個分數決定;這一頁沒有搜尋的關鍵字,所以沒有相關分數。排序怎麼算
相關內容
- The 20-year journey to fully autonomous cars with Dmitri Dolgov of WaymoPodcast ・ Cheeky Pint ・ 1 小時 2 分
- Waymo's Dmitri Dolgov: 20 Million Rides and the Road to Full AutonomyPodcast ・ Training Data ・ 27 分鐘(在新分頁開啟原站)
- Uber, Nissan, and Mercedes Chose This Self-Driving Startup | Alex Kendall, WayvePodcast ・ Gradient Dissent ・ 46 分鐘
- Open Source Self-Driving with Comma AIPodcast ・ Practical AI ・ 46 分鐘
- When Will AI Make Me Scrambled Eggs? I Went To NVIDIA To Find Out.影片 ・ AI News & Strategy Daily | Nate B Jones ・ 46 分鐘(在新分頁開啟原站)
- State of Agentic Coding #9 with Armin and Ben影片 ・ Armin Ronacher ・ 1 小時 25 分(在新分頁開啟原站)
摘要由 AI 根據原文產生,可能有誤;完整內容請看原站。看影片(在新分頁開啟原站)
