采访董事Radhika Arora–自动车辆,智能传感师,半导体

我们感谢 radhika arora.在半导体上 参加 自动车辆访谈系列 并分享几个AI智能之家,包括:

  1. 她的详细 自主技术状态的特征
  2. 她对的洞察力 自主车行业的趋势
  3. 新的 在自治的不断发展未来的商业模式

您如何表征自主技术的状态?

过去几年在汽车空间中看到了丰富的新技术介绍,使其在这个行业中成为一个非常激动人心的时刻。这是一个市场,这是过去100年的保守和严格界定的设定标准。然后来到Waymo和Tesla,完全改变了游戏规则。

电气化,自主驾驶,rideshare和连接在汽车竞技场中设置了一个新的前沿。

radhika arora.

通过所有这些,我们都承诺了彼此交谈的汽车来调制交通流量,这将有助于有远见的城市规划的其他方面,以尽量减少交通拥堵,即将停放在路边的汽车将是一件事过去的;相反,在城市中心替换了更多的绿色空间。拿起我们今天在自治空间的地方,很多已经实现了很多,但这条路仍然漫长而艰巨。尽管Waymo的喜欢迈进的迈进,我们远非在全国范围内广泛普遍地普遍存在。防止大规模采用这项技术仍有一些巨大的结晶问题。

问题介绍了技术前,法规,基础设施和消费者验收。覆盖95%的用例是可实现的,多个汽车制造商可实现。然而,解决5%,边缘角案件继续成为在这一领域工作的每个工程师想要征服的挑战。在传感器架构上没有达成共识,这些架构被证明是完美的,克服所有道路挑战,包括恶劣天气,低光或破碎的交通标志。最初,具有巨大的投资美元和人才开发自主技术,具有非常激进的时间表。这些预测经历了重置。在一般的道路上,他们自己通常是有序的环境。然而,在这些道路上驾驶的人类都是可预测的。对于自治车辆来满足比人类更安全的预期,他们必须能够通过人类驱动程序对无数怪癖进行回应。对于计算机能够经过这些意想不到的条件,这是验证的遗骸。直到我们到达那里,自治车辆将仅限于地理围栏区域或有限的城市的地理覆盖,这些城市已被完全映射出来,以无数用例测试驱动。

基于匹兹堡的Argo和湾区的Waymo,竞争中的Frontrunners,通过培训他们的自主驱动系统来解决这一挑战,依赖于像使用的传感器那样依赖于道路的精确扫描的基础地图“绘制”它们周围的环境。这需要恒定的地图更新,这限制了脱离网格或扩展能力的能力。

尽管自动车辆的大规模部署并没有像我们预测的那样快速,但突出了技术中制造的脚步,使自动驾驶汽车成为现实的重要性。计算机处理能力和人工智能系统正在越来越像人类。 NVIDIA最新的带驱动器AGX ORIN平台的产品提供高度的马力和更好的效率,而不是自动车辆和机器人的当前产品。在半导体最新的8 MP - AR0820上提供的动态范围内符合140 dB,这使得能够感测具有相同场景中具有极端光线和阴影的物体的能力。该传感器还具有先进的功能,如网络安全,给出了用于网络攻击的额外保护层。

然后存在即将举行的5G蜂窝网络,其速度快于4g。耦合到这是云的力量,允许使用严格更新的服务器卸载要卸载的数据处理的大量数据。它允许定期培训,不断更新,使得更安全驾驶。虽然我们预计汽车在没有连接的情况下驾驶和大量的驾驶,但具有更强大的,更快的带宽数据系统将有助于丰富具有增强网络能力的自驾驶车辆。

车辆到车辆通信。汽车之间的数据交换。

传感器在自主技术中的作用如何?

自动驾驶汽车必须能够像人类司机一样执行,除了它需要更好并更安全。自动驾驶汽车必须能够看到和解释什么’在前面(反向时的后面)在前面还有必要看看任一侧是什么;换句话说,它需要360⁰视图。此外,这款汽车应该有能力解释交通标志,车道标记,建筑区标志等。自主车辆在稍微部分的未知和动态环境中运行,同时需要构建该环境的地图并在本身内部全部定位地图。执行此同时本地化和映射(SLAM)进程的输入需要来自AI系统和人类创建的传感器和预先存在的地图。

基于相机技术的无源传感器是自主车辆中使用的第一传感器之一。这些摄像机依赖于CMOS(互补金属氧化物半导体)图像传感器,其通过改变在400-1100nm波长(可见近红外光谱)中接收到电信号的信号来工作。

在大多数情况下,车辆的被动传感器套件包括一个以上的传感器,指向相同方向。相机具有在整个视野中提供色彩保真度的额外优势。在解密交通灯和道路标志时,这是有利的。两个高分辨率传感器都有一种趋势,提供更多每个程度的像素,以及更高的相机数量。这提供了360视图在汽车周围的能力至关重要,以便3级自动自主权。 Cameras今天是成熟的技术和一种成本效益的方法,可以为汽车添加智能感应。仅使用相机在极端天气条件下呈现出现问题,如沉重的雪或暴风雪,在那里相机可能难以感知环境。极低的照明,阴影和其他因素使得准确地确定相机正在看到什么的挑战性。

这将我带到了具有高水平自主 - 雷达的车辆中看到的第二种传感器。无线电检测和测距短的雷达与操作方面类似于激光雷达,而是使用无线电波。 RF波具有比LIDAR更大的波长。随着雷达的较大波长来,下行,即物体比波长小得多,对象可能不反映要检测到足够的能量

雷达在寒冷的天气条件下更容易导航,如雪暴雪或暴雨,其中LIDAR和摄像机往往具有性能下降。总的来说,雷达的主要好处是其成熟,成本低,以及抗低光和恶劣天气条件的抵御能力。然而,雷达只能检测具有低空间分辨率的物体,并且没有关于物体的空间形状的很多信息,因此在到达方向上区分多个物体或分离对象可能很难。这使得雷达更加支持了汽车传感器套件中的支持作用。对自动车辆的成像雷达特别有趣。与依赖于24GHz无线电波的短程雷达不同,成像雷达使用更高的能量77-79 GHz波。这允许雷达扫描100度视场,最高可达300米。该技术消除了以前的分辨率限制,并产生了超高分辨率的真实4D雷达图像。

自动车辆中使用的另一种类型的传感器是LIDAR(光检测和测距)。 LIDAR系统通过每秒发送数千个激光脉冲并使用反射光创建3D点。处理它以创建环境/对象的3D表示。它们对深度感知和3D映射非常有利

虽然所提供的所有传感器都有自己的优势和缺点,但没有一个单一的传感器将是道路上所有条件的可行解决方案。车辆需要能够避免接近物体,同时也要感测远离它的物体。它需要能够在不同的环境和道路条件下运行,具有具有挑战性的光和天气情况。这意味着可以可靠和安全地操作自主车辆,通常使用传感器的混合物。一系列因素用于确定作业的最佳传感器。一些包括扫描范围,确定您必须对正在感知的对象作出反应的时间,分辨率,确定传感器可以为您提供多少细节,视野或角度分辨率,确定您需要的传感器要涵盖所需的区域,请识别,成本,大小和软件兼容性等。

几家自主车辆开发商在大流行于2020年开始开发工作。一些公司,利用了展开自动驾驶车辆,如非接触式送货车,也称为机器人。这些公司在换班医院运营,以提供无接触的药物。我们看到了无人驾驶机器人的高潮,可以在前线和居住在家庭订单时居民提供货物。在中国Covid-19爆发的高峰期,该国的一半人口,约7.6亿人以某种形式的家庭锁定生活。与此同时,由于送货机床,杂货的交付只需20分钟即可。自治方案在中国的地区发挥了关键作用,通过病毒爆发将制药用品送到最严重的地区。他们甚至为受限制或被迫停止运营的企业替代劳动力短缺。中国政府计划补贴多达60%的购买价格,以将这些有用的机器放在地面上。在美国,像护士等公司看到类似的推动从事无与伦比的杂货交付。

2020年,我们在卡车自动化中看到了活动水平和资金的激增。 Solo无人驾驶卡车周围有很多媒体狂热,但在分列中有一些非常有希望的活动。我们将继续看到这个市场部分与已建立的OEM和初创芯片一起发展,以使这成为现实。戴姆勒,沃尔沃,Waymo,斯堪尼亚,甚至特斯拉都部署了道路上的原型。商业等级1分列在27个州批准并计入美国批准,国家现在包括超过80%的美国卡车货运。自动化以排列的组成,将是4级商业发布的加速路径,因为引线卡车中的驾驶员仍然可以处理复杂的操作场景并根据需要与执法互动。

我们还应该为进一步的兼并和收购来支持自己。合作将是游戏的名称。鉴于与开发,建筑和培训无人驾驶车辆相关的挑战和大量成本,现任者正在合作,以抵消一些金融负担的同时拉动资源。最近几个月,亚马逊获得了机器人出租车制造商Zoox,Aurora购买了Uber Technologies的自主手臂,梅赛德斯 - 奔驰和Nvidia宣布开发一个可升级的计算平台来支持自动驾驶,沃尔沃宣布的Waymo将成为4级的独家合作伙伴汽车。

自主汽车内部。无人驾驶车辆。自动驾驶。 UGV。

自治的不断发展的未来新的商业模式是什么?

自治车辆与基于服务的经济的发展可能是破坏性的,为新的机动性铺平道路,相对于便利和用户体验,资产的所有权较少,这将推动商业模式的进化。

radhika arora.

舰队业务将看到这种中断的第一波。在优步中看到的成功已经证明了它的形式&Lyft Business Model,带来一个新的乘车共享应用市场。自动驾驶车队将进入基于服务的模型。对于需要定期访问车辆的消费者(工作通勤者),许可模型可以想到很好地工作。舰队在使用频率和消耗里程的频率周围创建商业模式。它已被证明在世界上多个城市,驾驶小时限制创造了更好的资产利用率,更少的停机时间和更健康的运营成本。将其延伸到“自主区域”,您有一个拥有更多开放空间的城市,停车场取代了公园,较少拥挤和有效的人员和商品的运动。我们正在推动朝向未来的未来,将改变“一辆汽车的所有目的”的模型。

自治车辆将产生前所未有的数据水平。汽车数据可以落入安全,娱乐,方便和降低成本的类别。这些类别中的每一个都将在提供商之间通过协作驱动的独特货币化模型。自动车辆将这辆车转变为乘客可以使用其运输时间进行个人活动的平台。这将迎来新形式的媒体和服务。车载广告可以使车辆成为销售点亭。在安全类别中,如果需要,汽车数据可以启用救援服务。及时道路危险警告允许司机当前是正确的。自动化监控系统/预测性维护可以减少崩溃,导致更多便利和易于运动。将存在基于网络的数据分析,监控和机会。 C-V2X包括交通信息,实时映射和远程信息处理和数据分析。

监管机构是不断发展的自动驾驶生态系统的重要利益相关者。例如,如果基于停放的小时/空间占用的小时征税,商业模式将转变为最小化空闲时间。我们正处于技术产业指导规范和让监管的十字路口,直接该行业的未来。

在自治车辆时代,我们将看到传统的操作模型完全转变。我们将看到一系列初创企业,传统OEM,娱乐,保险公司,保险公司在一起迎来一个由安全和便利推动的新的生态系统。

radhika arora.

任务 ai时间杂志 是透过信息
关于人工智能的知识,改变
即将到来的是使用AI技术的新机会
益处人性。

加入AI时间杂志
加入助理编辑

您是否有兴趣分享AI的信息和知识,并与现场中的一些最聪明的思维联系起来?

了解加入作为一个 Associate Editor.

关于AI时间期刊编辑人员

任务 ai时间杂志 是透过信息 关于人工智能的知识,改变 即将到来的是使用AI技术的新机会 benefit humanity.

查看所有帖子由AI时间期刊编辑人员→