英特爾實驗室聯合豐田研究院和巴塞隆納計算機視覺中心聯合發布 calra，用於城市自動駕駛系統的開發、訓練和驗證的開源模擬器，支援多種感測模式和環境條件的靈活配置，**中詳細評估並比較了三種自動駕駛方法的效能。模擬器和配套的資源將會發布在官方**：
圖 2：carla 提供的三種不同模式的感測。從左到右依次是：正常的攝像頭視覺、真實深度、真實語義分割。深度和語義分割是由支援控制感知作用實驗的偽感測器提供的。額外的感測器模型可以通過 api 接入。
我們在四個難度遞增的駕駛任務重測評了這三種方法—模組化的流水線（mp）、模仿學習（il）、以及強化學習（rl），每個測評都分別在兩個不同的城市和六種天氣條件中進行。需要注意的是，我們在四個任務上對這三種方法的測試使用的是同乙個智慧型體，並沒有為某個場景而單獨地去微調乙個模型。任務被設定為目標導向的導航：智慧型體被初始化在城市的某個地方，然後它必須到達指定的目的點。在這些實驗中，允許智慧型體忽略速度限制和交通訊號燈。我們遵循難度遞增的順序來安排這些任務，如下：
1. 直線：出發地點和目的地在同一條直線上，而且環境中也沒有運動的物體。平均行駛距離是：城市 1 中 200m，城市 2 中 100m。
2. 一次轉彎：從出發點到目的地需要一次轉彎；沒有運動的物體。平均行駛距離是：城市 1 中 400m，城市 2 中 170m。
表 1：三種自動駕駛系統在目標導向導航任務中的量化測評。這張表記錄了在每一種環境下每個不同的方法成功完成某個任務中的片段所佔的百分比，越高越好。被測試的三種方法分別是：模組化流水線（mp）、模仿學習（il）、以及強化學習（rl）。
表 1 記錄了在每一種環境下每個不同的方法成功完成某個任務中的片段所佔的百分比。首先是訓練條件：城市 1，訓練天氣集。要注意，測試中和訓練過程中使用的起點和目標點是不一樣的：只有通用的環境和條件是一樣的。其他三種實驗條件均設定在具有挑戰性的泛化中：之前從未見過的城市 2 以及從未見過的訓練天氣集。
表 1 中的結果證明了以下結論。總之，即便是在直線行駛的任務中，三種方法都不是完美的，成功率隨著任務難度的增加急劇下降。泛化到新的天氣要比泛化到新的城市更加容易。模組化流水線法和模擬學習的方法在大多數任務中的效能都平分秋色。強化學習方法的效能趕不上前兩者。我們現在更具體討論一下這四個關鍵結論（見原文）。
表 2：兩次違規行駛之間的平均行駛距離從（km）。數字越大，效能越好。
違規分析：carla 支援細粒度的駕駛規則分析。我們現在測試一下這三個系統在最難的任務上的行為：在具有運動障礙物的環境中導航。我們用這三種方法在五種不同型別的兩次違規間行駛的平均距離來描述它們的效能：在相反的車道上行駛，在行人路行駛，與其他車輛並道行駛，與行人並道行駛，碰到靜態物體。附錄中有具體細節。
表 2 記錄了在兩次違規行駛之間駕駛的平均距離（km）。所有的方法都在訓練的城市 1 中表現更好一些。對於所有的實驗條件，模仿學習偏離到對向車道的頻率是最低的，強化學習的質量是最糟糕的。在偏向行人路的情況中也是類似的模式。令人驚訝的是，強化學習與行人衝突的頻率是最低的，也許這可以通過在這種碰撞中得到的巨大的負面回報來解釋。然而，強化學習智慧型體在避免與行駛的車輛以及靜態障礙物發生碰撞時不夠成功，而模組化流水線方法通常能夠在這些測試中表現得最好。
這些結果突出了端到端方法對罕見事件的脆弱性：在訓練期間很少遇到急剎車或者急轉彎來避免與行人碰撞的情況。儘管可以在訓練期間加大這類事件的頻率以支援端到端訓練方法，但是為了得到在魯棒性上的重大突破，學習演算法和模型架構上的深層進展是很有必要的。
英特爾聯合國內廠商成立中國開源雲聯盟
中國開源雲聯盟將致力於openstack開發 作業系統支援 效能優化 規模部署，通過業界合作，針對不同應用領域，探索openstack的解決方案，並與業界分享，促進openstack的產業化應用 同時，將工作成果 返回openstack全球開源社群，提公升中國區對openstack全球社群的影響力。...
英特爾 諾基亞聯合發布MeeGo作業系統
mwc 2010大會開幕之初，英特爾就和諾基亞一起聯合發布meego系統 meego系統是新一代專門針對移動終端的智慧型操作平台，在發布會上，兩家公司把meego稱為英特爾的moblin與諾基亞的maemo的組合體，稱其會最大程度上採用最優化的開源方式，並盡可能降低開發的複雜程度以及差異。同時為了考...
英特爾聯合臉譜, 正在開發人工智慧晶元
據了解，近日，英特爾首席執行官布萊恩 科再奇宣布，正在與臉譜等科技巨頭合作，年底將推出一款專為人工智慧設計的晶元。英特爾公司，曾生產出全球首個微處理器，也是多年來在個人電腦的 處理器市場佔據著絕對的龍頭位置，但隨著人工智慧的發展，今年，英特爾也投身人工智慧市場，資料大筆的收購人工智慧技術公司，打造自...