汽車行業(yè)是推動(dòng)人工智能(AI)發(fā)展的重要行業(yè)之一，這是因?yàn)樵撔袠I(yè)致力于自動(dòng)駕駛汽車和高級(jí)駕駛員輔助系統(tǒng)(ADAS)的泛在利益。
汽車正在變得越來越智能，但是如果汽車行業(yè)要實(shí)現(xiàn)完全自動(dòng)駕駛的目標(biāo)，他們還有很長(zhǎng)的路要走。盡管業(yè)界還在討論實(shí)現(xiàn)全自動(dòng)化所需的理想技術(shù)組合，但是有一點(diǎn)是明確的，那就是人工智能，尤其是神經(jīng)網(wǎng)絡(luò)將發(fā)揮重要作用。
神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)的作用是執(zhí)行對(duì)于傳統(tǒng)視覺或模式識(shí)別系統(tǒng)來說具有挑戰(zhàn)性的任務(wù)。通過使每個(gè)神經(jīng)網(wǎng)絡(luò)各自不同，并針對(duì)特定任務(wù)進(jìn)行設(shè)計(jì)，它可以更高效、更精確地執(zhí)行任務(wù)。
所有神經(jīng)網(wǎng)絡(luò)的組織模式都是在多個(gè)層面上多次處理數(shù)據(jù)。因此，神經(jīng)網(wǎng)絡(luò)可以在不同的輸入模式下運(yùn)行十到二十次，而不是用一組特定的參數(shù)只運(yùn)行一次操作。這個(gè)想法是，通過所有這些不同的路徑，選擇的數(shù)量就會(huì)增加。當(dāng)?shù)搅诵枰龀鰶Q策的時(shí)候，它已經(jīng)從輸入中提取了所有的信息。
在路標(biāo)識(shí)別的示例中，第一層可能正在尋找一個(gè)標(biāo)識(shí)的角形狀，然后是顏色等各個(gè)步驟執(zhí)行下去，直到它可以非常確信地說這是一個(gè)路標(biāo)并說明其含義。這樣做的好處在于無需對(duì)每一個(gè)步驟都進(jìn)行編程，神經(jīng)網(wǎng)絡(luò)將會(huì)自己完成，并且隨著時(shí)間的推移而不斷學(xué)習(xí)。該算法知道它需要識(shí)別的內(nèi)容，并將嘗試不同的方法，直到實(shí)現(xiàn)目標(biāo)，并在過程中不斷學(xué)習(xí)。一旦神經(jīng)網(wǎng)絡(luò)在經(jīng)過培訓(xùn)之后，它便可以在實(shí)際應(yīng)用中發(fā)揮作用。這意味著工程師不必花費(fèi)數(shù)小時(shí)來微調(diào)復(fù)雜的算法，他們只需向神經(jīng)網(wǎng)絡(luò)展示它需要發(fā)現(xiàn)的內(nèi)容并讓其自學(xué)完成。
這些技術(shù)已經(jīng)在車輛中被廣泛用于目標(biāo)檢測(cè)、分類和分析，而駕駛員監(jiān)測(cè)、訪問控制以及語音和手勢(shì)識(shí)別也可以利用不同類型的神經(jīng)網(wǎng)絡(luò)。此外，將傳統(tǒng)視覺與神經(jīng)網(wǎng)絡(luò)相結(jié)合的人工智能方法，可用于行人路徑分析和環(huán)繞視圖等應(yīng)用場(chǎng)景，它將同時(shí)依賴于圖形處理器(GPU)和神經(jīng)網(wǎng)絡(luò)加速器(NNA)。
在從傳感器到電子控制單元(ECU)整個(gè)鏈路中也可以使用神經(jīng)網(wǎng)絡(luò)，在預(yù)處理、中間處理和后處理中使用的各種技術(shù)將人工智能引入了其中。
此外，車聯(lián)網(wǎng)(V2X)技術(shù)正在開發(fā)中，該技術(shù)將主要使用自動(dòng)駕駛汽車作為傳感載體，為各種智慧城市和智慧交通場(chǎng)景提供數(shù)據(jù)和信息。同樣，這些進(jìn)展將依賴于采用GPU和NNA的方法實(shí)現(xiàn)人工智能，以支持來自越來越大的輸入集的各種分析和計(jì)算。
傳感器融合
自動(dòng)駕駛和高度自動(dòng)化的車輛將嚴(yán)重依賴各種類型的傳感器，包括攝像頭、熱成像、雷達(dá)、激光雷達(dá)(LiDAR)等。所有這些傳感器傳出的信號(hào)都需要進(jìn)行解讀和融合，以便全面了解車輛內(nèi)部和外部發(fā)生的情況。
傳感器融合對(duì)于自動(dòng)駕駛至關(guān)重要，它將涉及到GPU和神經(jīng)網(wǎng)絡(luò)以及機(jī)器學(xué)習(xí)和人工智能的結(jié)合。
車輛內(nèi)部傳感器融合的一個(gè)很好的示例是駕駛員監(jiān)測(cè)。在當(dāng)今的車輛中，各種各樣的傳感器都能夠檢測(cè)到駕駛員是否注意力不集中。神經(jīng)網(wǎng)絡(luò)可以分析拍攝到的駕駛員圖像，以判斷他或她是否在睡覺、處于疲倦狀態(tài)、注意力不集中，甚至通過移動(dòng)設(shè)備講話或發(fā)信息。這對(duì)于早期的自動(dòng)駕駛車輛來說是至關(guān)重要的信息，因?yàn)樗赡苄枰{駛員在某些時(shí)候重新控制車輛，因?yàn)槠囆枰礼{駛員是否處于合適的狀態(tài)才能這樣做。
駕駛員監(jiān)測(cè)是如何工作的?對(duì)準(zhǔn)駕駛員面部的攝像頭為分析面部元素(尤其是眼睛)的算法提供了輸入。是睜著眼睛還是閉著眼睛?如果是閉著眼睛，閉眼多長(zhǎng)時(shí)間?眼神是否飄忽不定?駕駛員正在看向哪里?
研究整個(gè)面部可以確定駕駛員是生氣還是悲傷。如果是憤怒，系統(tǒng)會(huì)建議駕駛員先靠邊停車并冷靜下來，然后再繼續(xù)行駛。
所有這些都是基于構(gòu)建一個(gè)面部圖像，提取關(guān)鍵點(diǎn)并使用神經(jīng)網(wǎng)絡(luò)提取情緒、注視時(shí)間等來判斷駕駛員的精神狀態(tài)。
在未來的兩三年內(nèi)，駕駛員監(jiān)測(cè)可能會(huì)成為必須從歐洲新車評(píng)估計(jì)劃(NCAP)和美國(guó)國(guó)家高速公路通行安全管理局(NHTSA)獲得批準(zhǔn)的一項(xiàng)要求，因此駕駛員監(jiān)測(cè)會(huì)成為汽車制造商必須要實(shí)施的技術(shù)，不僅要適用于高端汽車，還要適用于所有車輛。
自動(dòng)駕駛的等級(jí)
美國(guó)汽車工程師學(xué)會(huì)(SAE)和美國(guó)高速公路交通安全管理局已將自動(dòng)駕駛汽車的能力分為六個(gè)等級(jí)?；旧?，等級(jí)0完全沒有自動(dòng)化，而在等級(jí)1中，汽車將為駕駛員提供一些幫助。等級(jí)2具有更多的駕駛輔助功能，甚至可以自主執(zhí)行一些任務(wù)，例如自動(dòng)緊急制動(dòng)以避免碰撞。
等級(jí)3是一個(gè)棘手的問題，雖然汽車是自動(dòng)駕駛，但駕駛員必須隨時(shí)準(zhǔn)備駕駛車輛。駕駛員監(jiān)測(cè)將是等級(jí)3自動(dòng)駕駛的關(guān)鍵，因?yàn)轳{駛員必須做好干預(yù)的準(zhǔn)備，并且在一定程度上，車輛有責(zé)任確保駕駛員做好準(zhǔn)備。
在等級(jí)4中，即使駕駛員可以接手車輛駕駛，但從理論上講，車輛也可以處理它所處現(xiàn)場(chǎng)的所有情況。等級(jí)5的車輛將實(shí)現(xiàn)全自動(dòng)化，沒有方向盤和踏板。
車輛自動(dòng)駕駛性能每提高一個(gè)級(jí)別，所需的計(jì)算性能就會(huì)增加大約十倍。這就是為什么神經(jīng)網(wǎng)絡(luò)很重要的原因，因?yàn)樗鼈兛梢栽诜浅５偷墓南绿峁┻@種性能。
目標(biāo)檢測(cè)
以一個(gè)行人為例，汽車的車載攝像頭和傳感器可以記錄行人是在行走或站立;神經(jīng)網(wǎng)絡(luò)可被用于繪制行人可能要走的路線，并計(jì)算車輛是否需要減速或快速制動(dòng)。神經(jīng)網(wǎng)絡(luò)還可以觀察同一幅圖像并對(duì)其進(jìn)行分割，從中挑選出其他物體，并應(yīng)用目標(biāo)識(shí)別技術(shù)來判斷出它們是否代表了車輛需要注意的東西。所有這些都必須把車輛的位置以及它想要去的地方納入考慮之中，如果車輛正在倒車，并檢測(cè)到在車輛后面有一個(gè)小孩，就需要迅速處理并進(jìn)行剎車。要做到這一點(diǎn)，就需要人工智能和神經(jīng)網(wǎng)絡(luò)來查看那里是否有物體存在，并對(duì)其進(jìn)行識(shí)別認(rèn)出是一個(gè)孩子，然后向執(zhí)行器或駕駛員發(fā)送一個(gè)信號(hào)，以采取措施。
由于攝像頭通常會(huì)帶有某種魚眼鏡頭，因此這將使其變得更加復(fù)雜。這會(huì)產(chǎn)生一張變形的圖片，需要先矯正然后進(jìn)行解讀。來自這個(gè)設(shè)備以及其他傳感器的輸入需要結(jié)合起來，從而在瞬間做出決策。
數(shù)據(jù)處理
與此同時(shí)，來自汽車周圍的其他信息也源源不斷地被送達(dá)，包括來自于所有傳感器的以及從其他車輛或基礎(chǔ)設(shè)施通過無線通信接收到的信息。這是一個(gè)巨大的數(shù)據(jù)量，可能在太字節(jié)(terabyte)范圍內(nèi)。
ECU將遍布汽車各處，并根據(jù)數(shù)據(jù)做出決策。這可能會(huì)涉及到100個(gè)或者更多的ECU。業(yè)界正在使用一些方法來研究如何用更少的ECU和更多的計(jì)算能力來實(shí)現(xiàn)這一點(diǎn)。攝像頭或傳感器旁邊的嵌入式人工智能可以做出一些決定，從而減少車輛需要傳遞的信息。
這意味著需要不同等級(jí)的處理方式。數(shù)據(jù)可以在捕獲點(diǎn)進(jìn)行預(yù)處理，例如拉直魚眼鏡頭的圖像。中間處理可能包括各種已計(jì)劃的任務(wù)、目標(biāo)識(shí)別、決策制定等。之后可以進(jìn)行后處理，當(dāng)信息可以被清理整齊并顯示在屏幕上時(shí)，讓駕駛員就知道正在發(fā)生什么或已經(jīng)發(fā)生了什么。
應(yīng)用
這些數(shù)據(jù)處理技術(shù)也被用于創(chuàng)建當(dāng)前正在開發(fā)的應(yīng)用，以在車內(nèi)創(chuàng)建虛擬環(huán)視車身支撐柱。在此用例中，將在支撐柱(連接車頂和車身的支撐柱)上安裝攝像頭來捕獲車外發(fā)生的事情。支撐柱的內(nèi)部將提供一個(gè)顯示器，以顯示這些攝像頭正在捕獲的內(nèi)容，從而為駕駛員提供一個(gè)不間斷的視場(chǎng)。
這個(gè)過程非常難以實(shí)現(xiàn)。系統(tǒng)必須了解駕駛員正在查看的另一側(cè)是什么情景。圖片將需要修正變形并放置在不平整或彎曲的表面上，然后重新變形到支撐柱的輪廓上。
盡管這一進(jìn)步是未來的趨勢(shì)，但一些高端車輛已經(jīng)提供了環(huán)繞視圖系統(tǒng)，并且它們很快將應(yīng)用于中檔和入門級(jí)車輛。GPU被用于分析遍布車輛周圍的各個(gè)攝像頭所捕獲的圖像(通常有四個(gè)或五個(gè)攝像頭)，并將圖像拼接在一起。根據(jù)拼接的圖像，神經(jīng)網(wǎng)絡(luò)將執(zhí)行目標(biāo)檢測(cè)和路徑預(yù)測(cè)，以查看這些目標(biāo)是否有可能攔擋車輛的路徑。
信息娛樂和導(dǎo)航
在車載信息娛樂系統(tǒng)(IVI)和導(dǎo)航方面，GPU也起著重要作用。它們還參與語音控制，這很可能成為人與車之間的關(guān)鍵接口。因此，對(duì)于衛(wèi)星導(dǎo)航系統(tǒng)來說，駕駛員不必操作按鈕和鍵盤來輸入目的地，而是只需說出郵政編碼或街道名字，然后就可要求系統(tǒng)繪制出路線。
儀表盤將被連接到外部攝像頭，以用于路標(biāo)識(shí)別等操作。如果攝像頭捕捉到一個(gè)限速的標(biāo)志，該標(biāo)志可以在有效的時(shí)間內(nèi)顯示在駕駛員面前;如果汽車超過限速，就會(huì)發(fā)出聲響警告。
實(shí)際上，整個(gè)儀表顯示區(qū)將使用GPU進(jìn)行圖像渲染和信息優(yōu)先級(jí)排序。如果系統(tǒng)確定駕駛員需要了解一些關(guān)鍵信息，該信息可能會(huì)從儀表顯示區(qū)中彈出，甚至可以投射到擋風(fēng)玻璃上。擋風(fēng)玻璃上的圖像也可以被用作導(dǎo)航系統(tǒng)的一部分，向駕駛員顯示正確的轉(zhuǎn)彎方向或說明汽車在即將到來的路口需要駛?cè)肽臈l車道。
后視鏡的換代是另一個(gè)主要的、潛在的發(fā)展方向。一些新型汽車已經(jīng)在開發(fā)中，其上的后視鏡已被可顯示來自不同攝像頭視圖的屏幕取代。與傳統(tǒng)的后視鏡一樣，除了顯示車后發(fā)生的情況之外，它們還可被用于盲點(diǎn)檢測(cè)。在此，神經(jīng)網(wǎng)絡(luò)可以向駕駛員發(fā)出關(guān)于有關(guān)其無法看到的汽車的警告，并自動(dòng)阻止汽車變道進(jìn)入另一輛汽車的路線。
智慧城市
世界各國(guó)的各地政府正在朝著一個(gè)長(zhǎng)期目標(biāo)邁進(jìn)，那就是讓智慧城市擁有自動(dòng)駕駛和高度自動(dòng)化的車輛，并將其集成到覆蓋整個(gè)城鎮(zhèn)或城市的智能交通系統(tǒng)中。
其背后的理念是，所有的城市服務(wù)和規(guī)劃工作都是相互協(xié)調(diào)和聯(lián)系的，以便讓市民獲得更多的信息，讓城市生活更愉快，更重要的是更加健康。為實(shí)現(xiàn)這一目標(biāo)，減少污染和交通擁堵至關(guān)重要。
智能交通系統(tǒng)將控制整個(gè)城市的交通基礎(chǔ)設(shè)施。該基礎(chǔ)設(shè)施將與車輛進(jìn)行通信，交通信號(hào)燈和車輛也將相互通信，并將收集到的數(shù)據(jù)發(fā)送回去。
這方面的一個(gè)實(shí)例就是控制交通信號(hào)燈，使車輛暢通無阻地以最佳速度通過一個(gè)區(qū)域。如果緊急服務(wù)車輛需要快速駛?cè)耄瑒t可以使用這些相同的交通信號(hào)燈來阻止其他道路使用者，并為他們創(chuàng)建一條安全的道路。
如果一地發(fā)生交通堵塞，車輛可以將此信息傳遞給基礎(chǔ)設(shè)施;反過來，基礎(chǔ)設(shè)施又可以通知其他車輛遠(yuǎn)離該區(qū)域，這樣就不會(huì)增加問題的嚴(yán)重性，以便交通堵塞可以被更快地被清除。這甚至可以被用于城市以外的地方，例如在高速公路的入口匝道上。如果系統(tǒng)已經(jīng)從反向行駛的汽車中獲悉了備用信息，它可以在駕駛員駛?cè)敫咚俟分皩?duì)其發(fā)出警告，從而使他們能夠考慮其他路線。
為了實(shí)現(xiàn)這一目標(biāo)，城市將需要有一個(gè)中央智能樞紐，該中樞可以處理傳入的信息并計(jì)算哪些數(shù)據(jù)要發(fā)送給其他車輛或交通信號(hào)燈。這只有在結(jié)合了神經(jīng)網(wǎng)絡(luò)、人工智能、機(jī)器學(xué)習(xí)和先進(jìn)算法之后才能實(shí)現(xiàn)。
結(jié)論
NHTSA的研究發(fā)現(xiàn)：高度自動(dòng)化的車輛將比由人類駕駛的車輛更加安全，94%的事故是由人為失誤造成的。基于AI的技術(shù)在響應(yīng)能力和識(shí)別需要快速響應(yīng)的威脅方面已經(jīng)優(yōu)于人類駕駛。
為了實(shí)現(xiàn)這些車輛所需的處理能力，將需要NNA和GPU配合使用。隨著汽車行業(yè)轉(zhuǎn)向全自動(dòng)駕駛汽車，計(jì)算能力將需要被大幅提升，NNA將應(yīng)需而扮演重要角色。據(jù)估計(jì)，一輛等級(jí)5自動(dòng)駕駛汽車需要的計(jì)算能力是等級(jí)1自動(dòng)駕駛汽車的10,000倍。
這是處理性能的極大提高，但也必須在一個(gè)給定的功耗預(yù)算內(nèi)完成。一個(gè)神經(jīng)網(wǎng)絡(luò)加速器(NNA)的性能已經(jīng)是中央處理器(CPU)的100到800倍，而其成品封裝卻比CPU大小小很多。一輛車可能有一個(gè)很大的CPU，同時(shí)還有許多NNA遍布于車輛各處，并以比同樣遍布車輛各處的CPU低得多的功耗和更高的性能來執(zhí)行各種任務(wù)。
Imagination Technologies提供了GPU和NNA硅知識(shí)產(chǎn)權(quán)(IP)。其應(yīng)用在數(shù)字儀表盤中的技術(shù)比任何競(jìng)爭(zhēng)對(duì)手都要多，并且公司在先進(jìn)駕駛員輔助系統(tǒng)(ADAS)和自動(dòng)駕駛汽車市場(chǎng)中也處于領(lǐng)先地位。賦能自動(dòng)駕駛汽車實(shí)用化所需的所有要素都將取決于這些技術(shù)，而這些技術(shù)成為現(xiàn)實(shí)只是時(shí)間問題。
作者：Imagination Technologies汽車產(chǎn)品部總監(jiān)Bryce Johnstone
（轉(zhuǎn)載）
