中电网移动|移动中电网
 
中电网移动|移动中电网|高清图滚动区

如何构建基于人工智能的汽车时代

翻译自——semiwiki
 
今天的社会正变得越来越以多媒体为中心、依赖更多的数据和自动化。自动驾驶系统正在加速普及。自动化、分析化和智能化正在从人类转向“特定于机器”的应用。计算机视觉和视频将在我们未来的数字世界中扮演重要角色。数以百万计的智能传感器将通过人工智能嵌入汽车、智能城市、智能家居和仓库。此外,5G技术将成为一个完全互联的智能世界的数据高速公路,有望连接从人到机器甚至机器人的一切。

See the source image

一个多世纪以来,汽车行业一直是一个关键的经济风口,它正朝着自动驾驶和车联网的方向发展。汽车正变得越来越智能化,对人类操作的依赖也越来越少。V2V和V2X,即来自传感器和其他来源的信息通过高带宽、低延迟和高可靠性的链路传输,为全自动驾驶铺平了道路。90%以上的汽车事故是人为失误造成的,自动驾驶可以让交通事故造成的损失锐减,将在实现汽车行业“零事故”、“零排放”和“零拥堵”的宏伟愿景中发挥关键作用。
 
根据Tractica公司预测,到2025年,汽车人工智能硬件、软件和服务的市场规模将从2017年的12亿美元增至265亿美元。这包括机器学习、深度学习、NLP、计算机视觉、机器推理和强大的人工智能。麦肯锡称,到2030年,全自动驾驶汽车将占全球乘用车销量的15%,到2040年,这一数字将升至80%,具体取决于监管政策、消费者接受度和安全记录等因素。自动驾驶目前是一个相对新生的市场,该系统的许多好处只有在市场扩大之后才能完全实现。
 
由此看来,智能网联汽车已经成为全球众多国家在汽车制造领域的战略发展方向。早在2018年,美国便发布了《准备迎接未来交通:自动驾驶汽车3.0》。同样在2018年,欧盟发布了《通往自动化出行之路:欧盟未来出行战略》。文件显示,到2022年,所有新车需具备通信功能,实现车联网,到2030年普及完全自动驾驶。中国工信部于2018年印发了《车联网(智能网联汽车)产业发展行动计划》。计划提出,第一阶段,到2020年,在车联网(智能网联汽车)产业跨行业融合方面取得突破,具备高级别自动驾驶功能的智能网联汽车实现特定场景规模应用。第二阶段,2020年后,高级别自动驾驶功能的智能网联汽车和5G-V2X逐步实现规模化商业应用,实现“人-车-路-云”的高度协同。
 
但对于技术发展来讲,唯一的障碍是车辆必须具备视野、思考、学习和驾驭各种驾驶场景的能力。

人工智能定义车辆
 
当下关键技术的缺失以及水平滞后是制约智能网联汽车发展的瓶颈之一,关键零部件包括传感器、定位系统、ADAS等。其中传感器的三大核心部件包括车载摄像头、毫米波雷达和激光雷达。
 
我们知道,完全自主驾驶的体验是通过一个复杂的传感器和摄像头网络实现的,这些网络为机器重现了外部环境。自动驾驶汽车通过处理摄像头、激光雷达、雷达和超声波传感器收集的信息,告诉汽车与周围物体的距离、路缘、车道标记、交通信号和行人的视觉信息。
 
与此同时,随着嵌入式系统、导航、传感器、视觉数据和大数据分析等领域的最新进展,我们也见证了车辆和移动边缘计算的智能化程度不断提高。首先是先进的ADAS,包括紧急制动、倒车摄像头、自适应巡航控制和自动停车系统。
 
如图所示,由汽车工程师协会(SAE)定义的6个自动驾驶级别被引入后,全自动汽车有望逐步实现。这些级别的范围从无自动化、有条件自动化到全自动汽车。随着自动化水平的提高,汽车将接管司机更多的功能。ADAS主要分为L1级和L2级。Waymo、优步、特斯拉等汽车制造商和科技公司,以及一些tier-1,都在大力投资更高水平的驾驶自动化。

Accelerating AI Defined Cars Figs 2

随着人工智能技术创新的快速增长,L4得到了更广泛的接受,目标主要在高速公路条件下运行的车辆。
 
虽然此时L3级和L4级之间的障碍主要是各国的监管,但L4级和L5级之间的跳跃要大得多。后者需要具备导航复杂路线和不可预见情况的技术能力。
 
随着自动化水平的提高,将需要更多的传感器、处理能力、内存、高效功耗和网络连接带宽管理。下图显示了自动驾驶汽车所需的各种传感器。

深度学习、边缘计算和车联网的融合,是由人工智能和车辆通信共同推动。在可视数据应用中,面向机器的视频处理和编码的另一种实现技术是新兴的MPEG机器视频编码(MPEG- VCM)标准。
 
2020年,MPEG会议通过Zoom线上召开了MPEG史上第一次全线上会议。本次会议重新定义了VCM研究范围,更新了机器视觉应用场景及需求,增加了智慧工业场景及其智能任务。机器视觉编码VCM专家组研究范围定义为:MPEG VCM标准组旨在定义一种压缩的视频或特征码流,该码流从视频中提取,服务于用于多种机器任务,同时保障高压缩效率和机器智能任务性能。此压缩视频或特征码流服务于机器视觉和人机混合视觉应用。
 
这里有两种具体技术:
 
有效压缩视频/图像
特征提取的共享
 
可以看出,基于标准的机器视频压缩和分析算法(MPEG-VCM)和5G V2X在实现自动驾驶汽车的全面发展中起着至关重要的作用。
 
5G V2X和新兴MPEG-VCM标准使行业朝着统一的国际方向发展。这种统一的法规和国际标准的建立对未来智能交通和人工智能汽车行业的全球市场奠定了基础。
 
未来的自动驾驶汽车有很多可能的VCM-V2X联合架构。根据给定AV基础架构场景的需求,我们可以使用集中式、分布式或混合的VCM-V2X架构,如图所示。目前,大多数联网汽车制造商都在尝试使用低成本摄像头的集中式架构。一直以来,由于摄像机的不断提高的可伸缩性、灵活性和资源共享能力,让它们变得更加智能、更加分布式,它们的优势将会更加凸显。新兴的MPEG-VCM标准还提供了传输压缩提取特征的能力,而不是在车辆之间发送压缩的视频/图像。

Accelerating AI Defined Cars Figure 3.1

Accelerating AI Defined Cars Figs 4

Gyrfalcon Technology Inc.是这些创新技术的典型公司,利用人工智能和深度学习的力量,依靠出众的性能、能效和可扩展性,在设备、边缘和云应用中为人工智能驱动的摄像头和自动驾驶汽车提供了突破性的解决方案。
 
5G、边缘计算、计算机视觉、深度学习和机器视频编码(VCM)技术的融合将是全自动驾驶汽车的关键。标准和互操作技术,如V2X、MPEG-VCM标准、强大的边缘和板载计算推理加速器芯片,使得低延迟、低成本、节能和安全的优点能够满足AI汽车工业的要求。

猜你喜欢
中电网移动|移动中电网|频道导航区