認(rèn)知車輛建立在基礎(chǔ)的高完整性傳感器數(shù)據(jù)之上

這是我們這個時代的大膽創(chuàng)新計劃。從傳感器到人工智能（AI），經(jīng)典的電子產(chǎn)品供應(yīng)鏈已經(jīng)形成了一個致力于使自動駕駛汽車安全的協(xié)作矩陣。為此，在硬件和軟件開發(fā)方面還有很多工作要做，以確保駕駛員、乘客和行人受到保護(hù)。雖然機(jī)器學(xué)習(xí)和人工智能可以發(fā)揮作用，但它們的有效性取決于傳入數(shù)據(jù)的質(zhì)量。因此，除非自動駕駛汽車建立在高性能、高完整性傳感器信號鏈的基礎(chǔ)上，以始終如一地提供最準(zhǔn)確的數(shù)據(jù)，作為生死抉擇的基礎(chǔ)，否則任何自動駕駛汽車都不能被認(rèn)為是安全的。

與最初的大膽創(chuàng)新計劃一樣，在通往安全自動駕駛汽車的道路上也存在許多障礙。最近涉及自動駕駛汽車的高調(diào)事件助長了反對者的說法，即車輛及其運行環(huán)境太復(fù)雜，變量太多，算法和軟件仍然太有缺陷。對于任何參與ISO 26262功能車輛安全合規(guī)性測試的人來說，他們的懷疑是可以原諒的。2017年在硅谷測試的五家自動駕駛汽車公司的物理行駛里程數(shù)與脫離自動駕駛模式的次數(shù)的圖表支持了這種懷疑（圖1）。2019年的數(shù)據(jù)尚未編制，但個別公司的報告可在線獲取。

然而，目標(biāo)已經(jīng)設(shè)定，當(dāng)務(wù)之急很明確：車輛自動駕駛即將到來，安全至上。非官方的2018年加州自動駕駛汽車管理局（DMV）數(shù)據(jù)顯示，每英里的脫離次數(shù)正在減少，這也表明系統(tǒng)的能力越來越強(qiáng)。然而，這一趨勢需要加快。

將協(xié)作和新思維放在首位，汽車制造商正在直接與芯片供應(yīng)商交談;傳感器制造商正在與AI算法開發(fā)人員討論傳感器融合;軟件開發(fā)人員終于與硬件提供商建立了聯(lián)系，以充分利用兩者。舊的關(guān)系正在發(fā)生變化，新的關(guān)系正在動態(tài)形成，以優(yōu)化最終設(shè)計中性能、功能、可靠性、成本和安全性的組合。

端到端的生態(tài)系統(tǒng)正在尋求正確的模型，以構(gòu)建和測試全自動駕駛汽車，以應(yīng)對機(jī)器人出租車和長途卡車運輸?shù)瓤焖俪霈F(xiàn)的應(yīng)用。在此過程中，由于傳感器的改進(jìn)推動了高級駕駛輔助系統(tǒng)（ADAS）的最新技術(shù)，自動化程度正在迅速實現(xiàn)。

這些傳感器技術(shù)包括攝像頭、光探測和測距（激光雷達(dá)）、無線電探測和測距（雷達(dá)）、微機(jī)電系統(tǒng)（MEMS）、慣性測量單元（IMU）、超聲波和GPS，它們都為人工智能系統(tǒng)提供了關(guān)鍵輸入，這些系統(tǒng)將驅(qū)動真正的認(rèn)知自動駕駛汽車。

認(rèn)知車輛是預(yù)測安全的基礎(chǔ)

車輛智能通常表示為自主級別。1 級 （L1） 和 L2 主要是警告系統(tǒng)，而 L3 或更高的車輛有權(quán)采取行動避免事故。當(dāng)車輛行駛到L5時，方向盤被移除，汽車完全自主運行。

在最初的幾代系統(tǒng)中，隨著車輛開始采用L2功能，傳感器系統(tǒng)獨立運行。這些警告系統(tǒng)的誤報率很高，并且經(jīng)常被關(guān)閉，因為它們令人討厭。

為了實現(xiàn)完全認(rèn)知的自動駕駛汽車，傳感器的數(shù)量顯著增加。此外，它們的性能和響應(yīng)時間必須大大提高。

隨著車輛內(nèi)置的更多傳感器，它們還可以更好地監(jiān)控和考慮當(dāng)前的機(jī)械條件，例如輪胎壓力、重量變化（例如，裝載與卸載、一名乘客或六名乘客）以及其他可能影響制動和操控的磨損因素。通過更多的外部傳感模式，車輛可以更充分地感知其健康狀況和周圍環(huán)境。

傳感模式的進(jìn)步使汽車能夠識別環(huán)境的當(dāng)前狀態(tài)并了解其歷史。這是由于ENSCO航空航天科學(xué)與工程部首席技術(shù)專家Joseph Motola博士開發(fā)的原理。這種感知能力可以像對道路狀況的感知一樣簡單，例如坑洼的位置，也可以像事故類型以及它們?nèi)绾坞S著時間的推移在某個區(qū)域發(fā)生一樣詳細(xì)。

在開發(fā)這些認(rèn)知概念時，感知、處理、記憶容量和連接性的水平使它們看起來很牽強(qiáng)，但已經(jīng)發(fā)生了很大變化?，F(xiàn)在，可以訪問這些歷史數(shù)據(jù)并將其分解為來自車輛傳感器的實時數(shù)據(jù)，以提供越來越準(zhǔn)確的預(yù)防措施和事故避免程度。

例如，IMU 可以檢測到指示坑洼或障礙物的突然顛簸或轉(zhuǎn)向。過去，這些信息無處可去，但現(xiàn)在實時連接允許將這些數(shù)據(jù)發(fā)送到中央數(shù)據(jù)庫，并用于警告其他車輛的洞或障礙物。攝像頭、雷達(dá)、激光雷達(dá)和其他傳感器數(shù)據(jù)也是如此。

這些數(shù)據(jù)經(jīng)過編譯、分析和融合，以便為車輛對其運行環(huán)境的前瞻性理解提供信息。這使得車輛可以充當(dāng)學(xué)習(xí)機(jī)器，有可能做出比人類更好、更安全的決策。

多方面的決策和分析

在推進(jìn)最先進(jìn)的車輛感知方面已經(jīng)取得了很大進(jìn)展。重點是從各種傳感器收集數(shù)據(jù)，并應(yīng)用傳感器融合策略，以最大限度地發(fā)揮其互補(bǔ)優(yōu)勢，并在各種條件下支持其各自的弱點。

盡管如此，如果要成為解決該行業(yè)面臨的問題的真正可行的解決方案，還有很多工作要做。例如，相機(jī)可以計算橫向速度（即與車輛行駛方向正交的物體的速度）。盡管如此，即使是最好的機(jī)器學(xué)習(xí)算法也需要~300毫秒才能以足夠低的誤報率進(jìn)行橫向移動檢測。對于以 60 英里/小時的速度行駛在車輛前方行駛的行人來說，毫秒可以決定淺表傷害和危及生命的傷害，因此響應(yīng)時間至關(guān)重要。

300 毫秒延遲是由于從連續(xù)視頻幀執(zhí)行增量矢量計算所需的時間?？煽繖z測需要十個或更多連續(xù)幀：我們必須將其減少到一個或兩個連續(xù)幀，以便車輛有時間做出響應(yīng)。雷達(dá)有能力實現(xiàn)這一目標(biāo)。

同樣，雷達(dá)在速度和物體檢測方面具有許多優(yōu)勢，例如方位角和仰角的高分辨率，以及“看到”周圍物體的能力，但它也需要為車輛提供更多的反應(yīng)時間。以 400 公里/小時或更高的明確速度確定為目標(biāo)，77 GHz 至 79 GHz 運行的新發(fā)展正在取得進(jìn)展。這種速度確定水平可能看起來很極端，但對于支持復(fù)雜的分割高速公路用例是必要的，在這些用例中，車輛以超過 200 公里/小時的速度沿相反方向行駛。

橋接攝像頭和雷達(dá)的是激光雷達(dá)，其特性使其成為完全認(rèn)知車輛的可行且必不可少的元素。但它也有需要克服的挑戰(zhàn)。

激光雷達(dá)正在演變?yōu)榫o湊、經(jīng)濟(jì)高效的固態(tài)設(shè)計，可以放置在車輛周圍的多個點，以支持全 360° 覆蓋。它補(bǔ)充了雷達(dá)和攝像系統(tǒng)，增加了更高的角分辨率和深度感知，以提供更精確的環(huán)境3D地圖。

然而，它在近紅外（IR）（850 nm至940 nm）下的操作可能對視網(wǎng)膜有害，因此其能量輸出在905 nm處被嚴(yán)格調(diào)節(jié)為每脈沖200 nJ。然而，通過遷移到超過1500nm的短波紅外，光被整個眼睛表面吸收。這允許更寬松的每脈沖8 mJ的監(jiān)管要求。1500 nm 脈沖激光雷達(dá)系統(tǒng)的能量水平是 905 nm 激光雷達(dá)的 40，000 倍，可提供 4× 更長的距離。此外，1500 nm 系統(tǒng)在某些環(huán)境條件下（如霧霾、灰塵和細(xì)小氣溶膠）可以更加穩(wěn)健。

1500 nm激光雷達(dá)的挑戰(zhàn)是系統(tǒng)成本，這在很大程度上是由光電探測器技術(shù)（目前基于InGaAs技術(shù)）驅(qū)動的。獲得具有高靈敏度、低暗電流和低電容的高質(zhì)量解決方案是 1500 nm 激光雷達(dá)的關(guān)鍵推動因素。此外，隨著激光雷達(dá)系統(tǒng)進(jìn)入第 2 代和第 3 代，將需要應(yīng)用優(yōu)化的電路集成來降低尺寸、功耗和整體系統(tǒng)成本。

除了超聲波、攝像頭、雷達(dá)和激光雷達(dá)之外，還有其他傳感方式在實現(xiàn)完全認(rèn)知的自主交通方面發(fā)揮著關(guān)鍵作用。GPS讓車輛隨時知道它的位置。也就是說，有些地方?jīng)]有GPS信號，例如在隧道和高層建筑中。這就是慣性測量單元可以發(fā)揮關(guān)鍵作用的地方。

雖然經(jīng)常被忽視，但I(xiàn)MU依賴于重力，無論環(huán)境條件如何，重力都是恒定的。因此，它們對于航位推算非常有用。在暫時沒有GPS信號的情況下，航位推算使用來自車速表和IMU等來源的數(shù)據(jù)來檢測行駛的距離和方向，并將這些數(shù)據(jù)疊加到高清地圖上。這使認(rèn)知車輛保持在正確的軌道上，直到可以恢復(fù)GPS信號。

高質(zhì)量數(shù)據(jù)節(jié)省時間和生命

盡管這些傳感方式可能很重要，但如果傳感器本身不可靠，并且它們的輸出信號沒有被準(zhǔn)確捕獲以作為高精度傳感器數(shù)據(jù)饋送到上游，那么這些關(guān)鍵的傳感器輸入都無關(guān)緊要：“垃圾輸入，垃圾輸出”這個短語很少有如此重要的意義。

為了實現(xiàn)這一目標(biāo)，即使是最先進(jìn)的模擬信號鏈也必須不斷改進(jìn)，以檢測、采集和數(shù)字化傳感器信號輸出，使其精度和精度不會隨時間和溫度而漂移。借助正確的組件和設(shè)計最佳實踐，可以大大減輕眾所周知的難題的影響，例如偏置隨溫度漂移、相位噪聲、干擾和其他導(dǎo)致不穩(wěn)定的現(xiàn)象。高精度/高質(zhì)量數(shù)據(jù)是機(jī)器學(xué)習(xí)和人工智能處理器在投入使用時進(jìn)行適當(dāng)訓(xùn)練并做出正確決策的能力的基礎(chǔ)。而且?guī)缀鯖]有第二次機(jī)會。

一旦數(shù)據(jù)質(zhì)量得到保證，各種傳感器融合方法和人工智能算法就可以以最佳方式響應(yīng)積極的結(jié)果。事實上，無論人工智能算法訓(xùn)練得多么好，一旦模型被編譯并部署在網(wǎng)絡(luò)邊緣的設(shè)備上，它們的效率就完全依賴于可靠、高精度的傳感器數(shù)據(jù)。

傳感器模式、傳感器融合、信號處理和人工智能之間的這種相互作用對智能、認(rèn)知、自動駕駛汽車的發(fā)展以及我們確保駕駛員、乘客和行人安全的信心產(chǎn)生了深遠(yuǎn)的影響。然而，如果沒有高度可靠、準(zhǔn)確、高精度的傳感器信息，一切都沒有意義，而這些信息是安全自動駕駛汽車的基礎(chǔ)。

與任何先進(jìn)技術(shù)一樣，我們在這方面的工作越多，需要解決的用例就越復(fù)雜。這種復(fù)雜性將繼續(xù)困擾現(xiàn)有技術(shù)，因此我們需要期待下一代傳感器和傳感器融合算法來解決這些問題。

與最初的大膽創(chuàng)新計劃一樣，人們希望自動駕駛汽車的整個舉措將對社會產(chǎn)生變革性和持久的影響。從駕駛員輔助轉(zhuǎn)向駕駛員更換不僅將顯著提高運輸安全性，而且還將帶來巨大的生產(chǎn)力提高。這個未來都取決于構(gòu)建其他一切的傳感器基礎(chǔ)。

審核編輯：郭婷