北京
苹果公司在自动驾驶领域取得了一项重大突破，其最新研究将自博弈（Self-play）技术引入自动驾驶系统，实现了前所未有的鲁棒性和性能表现。这一成果不仅展示了苹果在自动驾驶技术上的深厚积累，也为自动驾驶领域的发展提供了新的思路和方向。
据悉，苹果的自博弈技术是通过让智能体在与自我的副本或历史版本进行博弈，从而实现算法的自我进化和优化。这一技术此前已在游戏、机器人和生物工程等领域取得了显著成效，而苹果此次将其应用于自动驾驶，更是取得了令人瞩目的成果。
在研究中，苹果设计了极简的奖励函数，无需依赖真实数据，而是生成了“前所未有规模”的模拟数据。通过让若干智能体在地图上大乱斗，实现算法的自我学习和进化。这种训练方式不仅速度快，成本极低，而且最终实现了SOTA（State Of The Art，即当前最佳）的效果。
据苹果透露，其利用公共云上的8张A100 GPU，每小时可模拟和学习44亿次状态转移，相当于720万公里的驾驶经验。一轮完整的训练仅需10天，就能学到16亿公里的驾驶里程，这一数据相当于从太阳到土星的距离。而每百万公里的费用还不到5美元，折合人民币仅为1万公里3毛6，这一成本和速度在自动驾驶领域堪称惊人。
为了验证这一成果的有效性和泛化性，苹果将其在CARLA、nuPlan和Waymo等开放数据集上进行了零样本独立测试，均获得了SOTA表现。这些基准涵盖不同地图、驾驶场景、交通密度和评分标准，充分证明了苹果工作的泛化性和鲁棒性。
值得一提的是，苹果此次取得SOTA成果的背后，是其自主研发的GIGAFLOW模拟器。GIGAFLOW是一个批量模拟器，通过生成海量的GIGAFLOW World，实现了极简版的世界模型。它无需编写场景脚本，无需人类司机的驾驶数据，也不用设计复杂的奖励函数，仅通过简单的奖励项和处罚项，就能让智能体在自博弈中学会并道、无保护左转和绕过事故现场等复杂驾驶行为。
尽管苹果在自动驾驶领域取得了这一重大突破，但其造车项目却曾一度搁浅。不过，从此次发布的成果来看，苹果并未放弃在自动驾驶领域的探索和研发。相反，通过引入自博弈技术和自主研发GIGAFLOW模拟器，苹果在自动驾驶技术上取得了显著进展，为未来的造车项目奠定了坚实基础。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
