火星網(wǎng)校
“大大震驚”一位CTO：GPT-4V自動駕駛五連測
發(fā)布時間：2023-11-28 14:54:42 瀏覽量：111次
“語義相關(guān)問題已經(jīng)解決得很好”
編者按：
GPT-4V的到來，給AI又帶來了無限可能。近日，圖森未來CTO王乃巖在知乎發(fā)表的《GPT-4V在自動駕駛中初探》引發(fā)了不少關(guān)注。在多項(xiàng)測試之后，他本人表示“大大震驚了我們”。那么具體效果如何？我們一同來看下。
注：本文經(jīng)授權(quán)轉(zhuǎn)載。
萬眾矚目之下，今天GPT4終于推送了vision相關(guān)的功能。
今天下午抓緊和小伙伴一起測試了一下GPT對于圖像感知的能力，雖有預(yù)期，但是還是大大震驚了我們。
核心觀點(diǎn)：
我認(rèn)為自動駕駛中和語義相關(guān)的問題應(yīng)該大模型都已經(jīng)解決得很好了，但是大模型的可信性和空間感知能力方面仍然不盡如人意。
解決一些所謂和效率相關(guān)的corner case應(yīng)該是綽綽有余，但是想完全依賴大模型去獨(dú)立完成駕駛保證安全性仍然十分遙遠(yuǎn)。
Example1: 路上出現(xiàn)了一些未知障礙物
△GPT4的描述準(zhǔn)確的部分：檢測到了3輛卡車，前車車牌號基本正確（有漢字就忽略吧），天氣和環(huán)境正確，在沒有提示的情況下準(zhǔn)確識別到了前方的未知障礙物。
不準(zhǔn)確的部分：第三輛卡車的位置左右不分，第二輛卡車頭頂?shù)奈淖窒共铝艘粋€（因?yàn)榉直媛什蛔?？）?/p>
這還不夠，我們繼續(xù)給一點(diǎn)提示，去問這個物體是什么，是不是可以壓過去。
Impressive！類似的場景測試了多個，對于未知障礙物的表現(xiàn)可以說非常驚人了。
Example2: 路面積水的理解
沒有提示能自動識別到標(biāo)牌這個應(yīng)該是基操了，我們繼續(xù)給一些hint。
再次被震驚了。。。能自動講出來卡車背后的霧氣，也主動提到了水坑，但是再一次把方向說成了左側(cè)。。。感覺這里可能需要一些prompt engineering能更好的讓GPT輸出位置和方向。
Example3：有車輛掉頭時直接撞上了護(hù)欄
第一幀輸入進(jìn)去，因?yàn)闆]有時序信息，只是將右側(cè)的卡車當(dāng)做是?？康牧恕Ｓ谑窃賮硪粠?/p>
已經(jīng)可以自動講出，這輛撞破了護(hù)欄，懸停在公路邊緣，太棒了。。。但是反而看上去更容易的道路標(biāo)志出現(xiàn)了錯誤。。。只能說，這很大模型了，它永遠(yuǎn)能震驚你也永遠(yuǎn)不知道什么時候能蠢哭你。。。再來一幀：
這次，直接講到了路面上的碎片，再次贊嘆。。。只不過有一次把路上的箭頭說錯了。。?？傮w而言，這個場景中需要特別關(guān)注的信息都有覆蓋，道路標(biāo)志這種問題，瑕不掩瑜吧。
Example4: 來一個搞笑的
只能說非常到位了，相比之下之前看上去無比困難的“有個人沖著你揮了揮手”這樣的case就像小兒科一樣，語義上的corner case可解。
Example5 來一個名場面。。。配送車誤入新修路
開始比較保守，并沒有直接猜測原因，給了多種猜測，這個也倒是符合alignment的目標(biāo)。
使用CoT之后問題發(fā)現(xiàn)問題是在于并不了解這輛車是個自動駕駛車輛，故通過prompt給出這個信息能給出比較準(zhǔn)確的信息。
最后通過一堆prompt，能夠輸出新鋪設(shè)瀝青，不適合駕駛這樣的結(jié)論。最終結(jié)果來說還是OK，但是過程比較曲折，需要比較多的prompt engineering，要好好設(shè)計(jì)。
這個原因可能也是因?yàn)椴皇堑谝灰暯堑膱D片，只能通過第三視角去推測。所以這個例子并不十分精確。
總結(jié)
快速的一些嘗試已經(jīng)完全證明了GPT4V的強(qiáng)大與泛化性能，適當(dāng)?shù)膒rompt應(yīng)當(dāng)可以完全發(fā)揮出GPT4V的實(shí)力。
解決語義上的corner case應(yīng)該非?？善?，但幻覺的問題會仍然困擾著一些和安全相關(guān)場景中的應(yīng)用。
非常exciting，個人認(rèn)為合理使用這樣的大模型可以大大加快L4乃至L5自動駕駛的發(fā)展，然而是否LLM一定是要直接開車？尤其是端到端開車，仍然是一個值得商榷的問題。
參考鏈接：
https://zhuanlan.zhihu.com/p/660940512
熱門課程推薦
熱門資訊
-
想將照片變成漫畫效果？這篇文章分享了4個方法，包括Photoshop、聰明靈犀、VanceAI Toongineer、醒圖，簡單操作就能實(shí)現(xiàn)，快來嘗試一下吧！
-
2. 華為手機(jī)神奇“AI修圖”功能，一鍵消除衣服！原圖變身大V領(lǐng)深V！
最近華為手機(jī)Pura70推出的“AI修圖”功能引發(fā)熱議，通過簡單操作可以讓照片中的人物換裝。想了解更多這款神奇功能的使用方法嗎？點(diǎn)擊查看！
-
近年來,人工智能逐漸走入公眾視野,其中的AI圖像生成技術(shù)尤為引人注目。只需在特定軟件中輸入關(guān)鍵詞描述語以及上傳參考圖就能智能高效生成符合要求的...
-
4. AI視頻制作神器Viggle：讓靜態(tài)人物動起來，創(chuàng)意無限！
Viggle AI是一款免費(fèi)制作視頻的AI工具，能讓靜態(tài)人物圖片動起來，快來了解Viggle AI的功能和優(yōu)勢吧！
-
5. Logo Diffusion——基于sd繪畫模型的AI LOGO 生成器
這下LOGO設(shè)計(jì)徹底不用求人了。接下來詳細(xì)演示一遍操作流程首先進(jìn)入Logo D... 想學(xué)習(xí)更多AI技能,比如說關(guān)于怎么樣利用AI來提高生產(chǎn)效率、還能做什么AI...
-
6. 零基礎(chǔ)10分鐘生成漫畫，教大家如何用AI生成自己的漫畫
接下來,我將親自引導(dǎo)你,使用AI工具,創(chuàng)作一本既有趣又能帶來盈利的漫畫。我們將一起探索如何利用這個工具,發(fā)揮你的創(chuàng)意,制作出令人驚嘆的漫畫作品。讓...
-
7. AI顯卡繪畫排行榜:4090無懸念，最具性價比出人意料
在AI繪圖領(lǐng)域，Stable Diffusion的顯卡繪圖性能備受關(guān)注。本文整理了Stable Diffusion顯卡的硬件要求和性能表現(xiàn)，以及2023年3月顯卡AI繪圖效率排行榜和性價比排行榜。歡迎查看最新的AI顯卡算力排行榜。
-
8. 趕緊收藏好!這4個完全免費(fèi)的AI視頻制作網(wǎng)站和工具
以下是一些免費(fèi)的AI視頻制作網(wǎng)站或工具,幫助您制作各種類型的視頻。 1. Lumen5:Lumen5是一個基于AI的視頻制作工具,可將文本轉(zhuǎn)換為視頻。 用戶可以使...
-
就能快速生成一幅極具藝術(shù)效果的作品,讓現(xiàn)實(shí)中不懂繪畫的人也能參與其中創(chuàng)作!真的超贊噠~趣趣分享幾款超厲害的AI繪畫軟件,提供詳細(xì)操作!有需要的快來...
-
10. 10個建筑AI工具，從設(shè)計(jì)到施工全覆蓋!肯定有你從來沒聽過的
講述了建筑業(yè)比較著名的AI公司小庫科技做出的探索,在這兒就不多說了。今天,我們試著在規(guī)劃設(shè)計(jì)、建筑方案設(shè)計(jì)、住宅設(shè)計(jì)、管道設(shè)計(jì)、出渲染圖、3D掃...
最新文章
