“意念控制”走向应用

“意念控制”走向应用?

还记得银幕上主人公通过“意念”控制物体的场景吗?其实,科学家们早已把这样的场景变成了现实,只不过囿于高造价和低性能,将“意念控制”仅仅局限在了实验室里。近日,我国科研团队用“脑机一体化”突破了脑控技术的关键难题和技术瓶颈,使“意念控制”走向广泛应用有了可能。

Lyft 自动驾驶简史

脑控技术的核心,就在于对脑电波(即脑特征)的提取、分类和识别。以脑控车为例,至少需要提取能控制走、停、加速、减速、转弯等5至6个脑特征,每个脑特征量的增加都是脑控技术应用质的变化,其难度自然不低。经过近20年的研究,科学家们实现了同时提取视觉刺激、运动想象、事件想象等多模式脑特征。

最初,它们用了个较为原始的 AI 模型,连障碍物速度的问题都 Hold 不住。现在,它们则换了最新的模型,能向人类驾驶员学习如何轻点刹车以躲避那些胡乱插队的车辆。

“脑机一体化”,是脑科学与人工智能跨界融合的产物。即把人的大脑作为计算机控制系统的一个组成部分,通过脑机接口,将大脑的智力和基于计算机技术的人工智能结合起来,构成一个兼具大脑的灵活、智能和计算机的高速、大容量的新系统,既不完全依靠“脑”,也不完全依靠“机”,这样可以大幅度提升控制系统的智能化和适应性。

如何提取脑特征呢?现在的技术主要有两种:一种是“侵入式”,即将脑电波检测电极植入大脑。这种方式采集到的脑信号强且稳定,但会对人体造成创伤,除非特殊情况,否则极少有人选择这一方式。另一种是“非侵入式”,即穿戴可穿戴的脑电波检测设备。相比前者,这种方式对人体无伤害,但稳定性弱、速度慢、正确率低。要想获得稳定的脑信号,通常需要连接较多的信号采集装置,穿戴十分不便,因此推广应用也大大受限。

Lyft 的决策模型

据雷锋网新智驾了解,今年 5 月份,Lyft 还成功牵手 Waymo,后者将自家 Pacifica 自动驾驶汽车编入了 Lyft 车队。此外,Lyft 还与自动驾驶公司安波福有深入合作,双方在赌城也有自动驾驶车队运营。最近,Lyft 还开源了自己的自动驾驶数据集,有 5.5 万个人类标记的 3D 交通框架模型囊括其中。

以无人驾驶汽车为例,它的运行主要靠结合人工智能技术的计算机系统控制,在公路上行驶时,依靠比对数据库与现实场景做出判断,并发出相关指令。然而,一旦数据库中没有类似的处理方式,那么智能的无人驾驶汽车就会秒变“愚蠢”。这正是当前无人驾驶汽车容易发生交通事故的主要原因。

此外,系统的透明度也是自动驾驶汽车最好的奠基材料之一,因为它是提升公众接受度的关键。虽然人类失误才是车祸最主要原因(分心、酒驾和超速排名前三),但去年 PSB Research 的调研却显示,只有 21% 的美国人有意将传统车辆换成自动驾驶汽车,接近一半(43%)的受访者称自动驾驶汽车会给自己带来不安全感。

今年早些时候,Lyft 还宣布在 Level 5 总部附近开设了新的路测中心。在新的路测中心,工程师们将模拟现实世界的驾驶场景,包括十字路口、交通信号灯、道路并线和人行道等。

2017 年 7 月成立以来,该团队已经开发出了新颖的 3D 细分框架,评价车辆能效的新方法以及使用众包地图追踪车辆动态的技术。

我国科研团队通过“脑机一体化”,对化解以上难题进行了有益探索,在提升信号传输的精确性、实时性与精准度的同时,有效减少了导联装置。

Lyft 的 Level 5 团队有数据科学家,也有应用研究者、产品主管和运营主管。当然,它们的老本行打车服务也会与自动驾驶紧密相融。

未来,只能在电影中看到的机甲战士或将真的走上战场,或是身材魁梧的“巨无霸”,或是与人等身的“钢铁侠”……

“脑机一体化”应用前景十分广阔,从日常生活到医疗、教育、军事及游戏娱乐等领域,都会呈现出它的“给力”。不久前,有研究人员大胆提出“用意念游戏延缓脑衰老,从而预防老年痴呆症”的想法,若能实现,“跨界融合”将会再向前迈出一大步。

近日,Lyft 旗下主管自动驾驶研发的 Level 5 团队在 Medium 发文,详细讲述了研发过程中工程师们遭遇的挑战。同时,本文也第一次揭开了 Lyft 自动驾驶解决方案的神秘面纱,让我们了解到该项目的大致进展。

上个月 Lyft 还透露称,与 6 个月前相比,它们的季度测试里程翻了两番,负责自动驾驶技术研发的员工超过 400 人(上次公布数据是 300 人)。值得注意的是,那些尝过 Lyft 自动驾驶汽车滋味的乘客中 96% 表示自己愿意当回头客。

“最终,这个折衷方案能为乘客带来更为舒适且自然的行车体验,”Level 5 团队在文中写道。“我们相信,运用组合式的规则与学习系统,再辅以人类驾驶数据,就能带来系统级的整体提升。”

而“脑机一体化”运用到无人驾驶中,可以大大提升汽车的智能化水平,能够运用人类的智能处理未曾发生过的情况,或者在发生危险前及时发出警示,切换驾驶模式,提高灵活性,从而避免交通事故的发生。

金字塔模型最中间,Level 5 的规划模型还考虑了感知安全的概念,在这里它们要力求将乘客的不安全感降到最低,即使当时车辆毫无安全风险(比如保持合适车距,不让乘客紧张)。倒数第二层,Level 5 则更重视舒适性,就连车辆的运行时的 G 值(加速、刹车或转弯时 G 值过大会让乘客反胃)都会考虑在内。

雷锋网原创文章,。详情见转载须知。

想象一下,当一辆车行驶在高速路上,它前方突然出现另一辆连续并线要从匝道下高速的车。要想避免碰撞第一辆车就得减速,但执行这个动作时刹车到底应该踩多深?Lyft 的自动驾驶原型车就在试图解决这个问题,它们用到了所谓的“受人类启发”的规划方案。

金字塔的顶层则是行车路线的效率。

该公司公布的数据显示,2019 年其路测线路总里程提升了 3 倍,未来它们还会继续迅速扩展路测范围。

据雷锋网(公众号:雷锋网)新智驾了解,在这套系统的金字塔模型中,最底层的是安全性与合法性——Lyft 的车辆不但会验证自己的行为安全与否,在执行前还要保证其行为符合当地法律。虽然 Level 5 这篇博文并未详细阐释,但其安全模型与英伟达的安全力场和 Mobileye 的责任敏感安全(RSS)模型类似,后两大安全模型都是背靠物理学验证并通过数学计算来预防碰撞。

“虽说高速上胡乱变线只是极少数行为,但自动驾驶研发人员还是得正确且连贯地确定到底什么行为是车辆该做的。”Level 5 团队继续写道。“当然,什么行为是正确的我们并没有客观定义,但将自动驾驶需求层次应用在混合系统上就能消除其中的歧义。如果再辅以严格的测试,我们就能拿到自动驾驶安全的终极基准线。”

Level 5 的工程师表示,在搭建自动驾驶决策系统时,他们的灵感来自马斯洛的需求层次理论与阿西莫夫的机器人三定律。