Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

wayve đã công bố LINGO-1, một nhà bình luận lái xe vòng lặp mở mới để cải thiện việc giải thích, giải thích và đào tạo các mô hình lái xe tự động. Hệ thống kết hợp tầm nhìn, ngôn ngữ và hành động để cung cấp sự hiểu biết toàn diện hơn về các tình huống lái xe. Việc tích hợp Mô hình ngôn ngữ quy mô lớn (LLM) và Mô hình hành động ngôn ngữ tầm nhìn (VLAM) là yếu tố thay đổi cuộc chơi cho ngành AI, mang đến sự kết hợp độc đáo giữa hình ảnh, dữ liệu thúc đẩy và ngôn ngữ. Ngôn ngữ đóng vai trò quan trọng trong việc giải thích mối quan hệ nhân quả trong các cảnh lái xe, từ đó đẩy nhanh quá trình huấn luyện và củng cố khả năng suy luận của mô hình. Điều này không chỉ tạo điều kiện học tập hiệu quả mà còn mở đường cho những tương tác tiềm năng với xe tự lái, từ đó làm tăng niềm tin của công chúng. Sử dụng mô tả ngôn ngữ để giải thích hành vi lái xe và mối quan hệ nhân quả sẽ đẩy nhanh đáng kể quá trình học tập và cho phép VLAM kết hợp kiến ​​thức LLM để giải quyết các tình huống mới. LINGO-1 mới được giới thiệu được đào tạo về dữ liệu hình ảnh và ngôn ngữ, đồng thời được thiết kế để trả lời các câu hỏi về hiện trường và đưa ra lời giải thích cho các thao tác lái xe. Điều này cải thiện khả năng diễn giải của mô hình và nhanh chóng cải thiện hiệu suất. Tích hợp ngôn ngữ tự nhiên sẽ cải thiện khả năng giải thích, khả năng thích ứng và lập kế hoạch của mô hình, tăng cường đáng kể việc lái xe tự động. Bất chấp tiềm năng của nó, LINGO-1 có những hạn chế bao gồm khả năng khái quát hóa hạn chế, ảo giác và những thách thức về bối cảnh thời gian. Nhưng đây là một bước đi đúng hướng hướng tới AI được thể hiện an toàn hơn và dễ hiểu hơn. Những nỗ lực đang được tiến hành để phát triển kiến ​​trúc vòng kín cho các phương tiện sử dụng ngôn ngữ tự nhiên để nâng cao khả năng học tập và giải thích của các mô hình lái xe. Mặc dù vẫn còn những thách thức nhưng cách tiếp cận này hứa hẹn cho tương lai của xe tự lái.