详细内容或原文请订阅后点击阅览
物理人工智能：DARPA 的遗产和未来之路 — 并行手册：自动驾驶可以和不能教授物理人工智能什么
DARPA 挑战赛为物理人工智能提供了一本有用的手册。它们展示了令人印象深刻的技术演示如何帮助创建一个行业。但它们不是时间表。第一届 DARPA 自动驾驶汽车挑战赛于 2004 年举行。八年后，DARPA 在 2012 年发起了机器人挑战赛，决赛于 2015 年举行。人们很容易得出这样的结论：物理人工智能比自动驾驶落后八年或十一年。我认为这种说法行不通。
来源:RobotiqDARPA 挑战赛为物理人工智能提供了一本有用的手册。他们展示了令人印象深刻的技术演示如何帮助创建一个行业。
但它们不是时间线。
第一届 DARPA 自动驾驶汽车大挑战赛于 2004 年举行。八年后，即 2012 年，DARPA 发起了机器人挑战赛，决赛于 2015 年举行。因此，人们很容易得出这样的结论：物理人工智能落后自动驾驶八到十一年。
我认为这行不通。
物理人工智能可以重用自动驾驶已经构建的许多内容：模拟、数据引擎、验证方法、安全工程和车队运营。但机器人也面临着不同的问题。他们拥有更加多样化的身体，更少的真实世界训练数据，以及更广泛的身体互动。
在工厂（我正在使用的镜头）中，还有另一个限制：机器人是生产系统的一部分。如果停的时间太长，队伍可能会跟着停。
因此，自动驾驶的教训并不是物理人工智能何时到来。这就是一项困难的物理技术如何从令人印象深刻的演示转变为可靠且经济实用的技术。
DARPA 的两项挑战
DARPA 大挑战从一个简单的问题开始：车辆可以自动驾驶吗？
2004 年，DARPA 要求自动驾驶汽车在没有人类驾驶员的情况下在 142 英里的沙漠路线上行驶。十五辆车启动了。没有完成。最好的一辆仅行驶了约 7.4 英里。
一年后，五辆车完成了路线。到 2007 年，DARPA 将挑战转移到了有十字路口、交通规则和其他车辆的城市环境中。
DARPA 机器人挑战赛提出了一个不同的问题：机器人能否在为人类构建的环境中运行？
第一个挑战有助于加速自动驾驶。第二个有助于加速我们现在所说的物理人工智能。
他们的发布之间的八年差距很有趣，但这不是预测。
另一方面，机器人必须解决汽车很大程度上避免的一些问题。