苹果的自博弈技术类似于自对抗生成网络（GAN），通过智能体与自我的副本或历史版本博弈实现进化。在自动驾驶领域，苹果设计了极简的奖励函数，无需真实数据，而是生成大规模的模拟数据，让多个智能体在地图上进行自博弈，实现算法进化。这种方法的优势在于速度快、成本低，依靠公共云上的8张A100，苹果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，速度比利用真实数据快了36万倍。
2月18日第一电动消息，苹果公司在自动驾驶领域取得重大突破。苹果将自博弈技术引入自动驾驶，通过10天生成16亿公里的模拟数据，训练算法无需真实数据。这一技术的核心是GIGAFLOW模拟器，它能够以极低的成本生成海量的模拟数据，实现SOTA（State-of-the-art，当前最佳）的效果。苹果的这一成果在CARLA、nuPlan和Waymo开放数据集上进行了零样本独立测试，均获得了SOTA表现，证明了其泛化性和鲁棒性。
CONTACT US
ICC APP
