主页 > 最具权威 >一文看懂自驾车:在路上跑的超级电脑 >

一文看懂自驾车:在路上跑的超级电脑

时间: 2020-06-14 浏览量:912

每辆汽车约由 3 万个零组件所构成,整个汽车产业如同金字塔般,顶端为汽车製造商,在其下方则有无数的零件製造商。如何从大量的零件供应链找出最合适的产品并加以搭配组合,就是各家汽车製造商的独门绝活。

那幺,被称为「在路上跑的超级电脑」的自驾车又是什幺情况呢?如果将自驾车拆解,大家将会发现其中充满了各家新创企业的智慧结晶。

自驾车为了随时掌握周遭的状况,集结了各式各样的尖端科技在其中。而着手研究这些科技的企业除了汽车製造商与他们的协力厂商外,还有许多独自研发自驾科技的企业存在。例如美国的 Zoox 和 Nuro 就是个例子。

此篇内容着重在当今的未上市企业,但是并未包含所有的自驾车科技。分门别类来为各位介绍自驾车及新创企业,部分内容会有重叠。

一文看懂自驾车:在路上跑的超级电脑 物体的感知 (perception)

自驾车除了需要辨识交通号誌与标誌外,其他车辆、自行车,还有行人等也都必须能够判别。也必须能够侦测朝着自车接近中的物体,及其距离和速度,以应付各种可能发生的状况。

一文看懂自驾车:在路上跑的超级电脑

一般自驾车所使用的感测器不外乎就是摄影机、雷达、或光达 (Lidar),而这些感测器各有其长处与短处。这些感测器所蒐集到的数据透过「感测器融合」(sensor fusion) 这项技术来融合,尽可能的正确掌握车辆周遭环境。接下来,让我们来看看他们各自的特徵在哪里。

首先我们来看摄像机。它广泛的使用在自驾车,与配备有先进驾驶辅助系统的车辆上。因为可以辨识颜色与字体,所以可以应用于交通标誌、号誌还有道路上标示的辨识。人的肉眼,可说不是它的对手。

许多新创企业为了开发出,能撷取更鲜明图像的摄像机,展开激烈的竞争。今年 7 月,在 D 轮募资获得 1.21 亿万美元的美国 Light 公司,就开发出能与光达的精度匹敌的摄像机。将 16 部摄像机所拍摄的图像结合,撷取出极为正确的 3D 图像。

一文看懂自驾车:在路上跑的超级电脑

要处理摄像机撷取到的数据,需使用到电脑影像软体。辨识车道分隔线的颜色和类别,自驾车会判断出最适当的交通规则。

一文看懂自驾车:在路上跑的超级电脑

许多的新创企业正着手开发更高阶、更优良的电脑影像技术。例如美国 DeepScale 等公司,为了提升辨识功能、减少误判率,正在研发深度神经网路。法国 Prophesee 开发出,将不必要的数据减到最少,称为「事件驱动」的机器视觉技术。Prophesee 的深度学习技术,可将人脑处理视网膜捕捉到图像时的处理方法,以人工的方式重现。

标準的摄像机所装载的画格方式感测器,是同时经由每个画素记录下一祯图像,然后对每祯图像做处理。相对的,事件驱动型的感测器,则是因为画素彼此独立运作,将动作视为连续的情报流。与过去需要处理一连串图像的摄像机方式相较,可减少资料量。

一文看懂自驾车:在路上跑的超级电脑

Prophesee 的机器视觉技术除了使用在自驾车上,也打算运用在工厂的自动化和医疗等产业。他们在 2 月的 B 轮追加轮取得 1,900 万美元。

通常自驾车为了提升摄像机的视觉机能,也会採取雷达与光达并用的方式。自驾车使用称为「感测器融合」(sensor fusion) 的软体,来融合感测器所蒐集到的数据,运算出具连贯性的周遭环境图像。

除了这种视觉感测器外,许多的新创企业和汽车製造商也着手开发使用无线通信方式,让车辆与其他网路机器可以相互连接的「V2X」(vehicle-to-everything) 技术。

虽然这项技术还处于初期阶段,将来可望运用这项技术,将车上看不见的附近车辆、自行车与行人的即时影像传送到车上。

雷达的角色是利用发射出去的电波来检测接近中物体的距离与速度。可检测的距离长,比起使用旋转式零件的光达,信赖性也比较高。理由是目前用于光达的旋转式零件,误判的情形较多。也因为雷达的成本较低,因此被广泛使用。

美国 Lunewave 在 9 月时实施的种子轮融资,从德国 BMW 和中国的网路搜寻服务巨擘百度取得了 500 万美元。他们打算利用 3D 列表机来製作检测範围广、準确度高,且更为强大的天线。其技术的基础则是源自于 1940 年代由德国人开发出的龙伯球透镜。

美国 Metawave 也正着手研发功能更强的雷达。他们使用超材料这项人工物质,来研发可以更迅速检测广範围的类比式天线。

一文看懂自驾车:在路上跑的超级电脑

Metawave 在 5 月实施的追加种子轮融资 (募资金额 1,000 万美元) 中,除了 DENSO、丰田汽车、韩国现代汽车几家大厂外,美国创投公司 Khosla Ventures 也在行列之中。Metawave 在 8 月时,对外指出,德国半导体巨擘英飞凌也有出资。

光达被认为是最尖端的感测器。其精度之高,可以绘製出车辆周遭的 3D 图像,能用于物体的检测。

一文看懂自驾车:在路上跑的超级电脑

光达使用红外线感测器来判断物体的距离,其原理是将雷射光的脉冲高速射出,计算测量光线反射回来的时间。

过去的光达元件为了全方位捕捉车辆的周围环境,使用了许多的旋转式零组件。这类组件通常成本高昂,多数情况下其可信度都比固定式零组件来的低。因此各家公司都朝着维持光达感测器精準度,并降低製造成本的方向努力。

解决方法之一,是使用半导体技术或光学技术的「固态型」光达元件来取代过去的机械部分。不需使用旋转式零件,装设成本也低。

以色列的新兴企业 Innoviz 已开发出,可将价格压低到数百美元的固态型光达。和美国 Velodyne LiDAR 的,使用 128 颗雷达,价格高达 7.5 万美元的产品相比,Innoviz 的产品价格更显得微不足道。

Innoviz 在 4 月时对外表示,他们将与 BMW 还有加拿大的零件製造商麦格纳国际 (Magna International Inc.) 合作,将自家光达产品装载在 BMW 的自驾车上。

一文看懂自驾车:在路上跑的超级电脑

美国 Aeva 也正着手开发固态型光达。在 10 月的 A 轮融资获得 4,500 万美元的挹注。根据 Aeva 的说法,他们的光达可侦测的範围达到半径 200 公尺,且价格也只要 200 ~ 300 美元。使用的技术也非过去在光达上所採用的脉冲方式,而是射出连续波光。

中国的速腾聚创 (Robosense) 也正进行固态型光达的研发。在 10 月实施的 C 轮融资,创下了中国光达企业单轮融资额最高纪录,达 4,330 万美元。而参与这轮融资的企业有,阿里巴巴集团的物流部门菜鸟网络,汽车製造商的上海汽车集团与北京汽车集团。

V2X 技术,让车辆与网路机器之间的无线通信成为可能。虽然目前还在初期阶段,未来可望补强目前光达、雷达或是摄像机等视觉感测器的弱点。

一文看懂自驾车:在路上跑的超级电脑

V2X 感测器可以检测出路上的障碍物、交通堵塞还有不断接近中的死角。

以色列的初创企业 Autotalks 与现代汽车合作,着手 V2X 感测器技术的量产化。而韩国的三星电子,也有对 Autotalks 出资。

驾驶人的数据、模拟

对于开发自驾车技术而言,实际在道路上进行实车测试和模拟是不可或缺的。透过测试与模拟,来训练指示车辆行驶的演算法。

美国兰德公司 (RAND Corporation) 指出,为了证明自驾车的安全性,必须实施数亿~ 数十亿英哩的行车测试。实验车辆为了取得这幺多里程的数据,需要花费数年的时间。因此,各家公司利用模拟的方式,来争取时间。

着手研发模拟器的新创企业与开发自驾车的企业们,灵活运用人工智慧 (AI) 来製作及改良,用于训练自驾车的简易资料集 (data set)。刺眼烈日下,或从停车中的车辆后头突然窜出的行人等,在训练自驾车如何应变这些危险却不常发生的状况时,特别有用。

以色列的新创企业 Cognata 正在研发,提供自驾车在进行实验时使用的各式场景的 3D 模拟系统。

一文看懂自驾车:在路上跑的超级电脑

Cognata 在 10 月实施的 B 轮融资时,从欧洲的空中巴士、以色列的创投 Maniv Mobility 等募得 1,850 万美元。

美国半导体大厂 nVidia 在模拟器这个领域,是走在最前面的几家大企业之一。在 5 月时,发表了运用云端技术的模拟系统「Drive Constellation」。这个系统搭载了该公司的影像处理器 (GPU),运算并产生让自驾系统处理的感测器数据。nVidia 可提供在数十亿英哩的特别场景中,训练自动驾驶的演算法。

nVidia 在 9 月时,将这项系统公开给 Cognata、美国 Parallel Domain、德国西门子等合作对象。

收集驾驶人数据时会产生的另一项课题就是「影像注解」(image annotation)。指的是,为了让自驾车可以认识及辨识物体,在数据上作注解。

正研发产生学习用数据的美国初创企业 MightyAI,正与开发电脑视觉模型的企业一起着手,将注解附加在用于该公司系统的训练用数据。MightyAI 着手中的还有数据管理、注解 (annotation) 与妥当性检证工具。

MightyAI 在赋予意义给收集到的数据的技巧之一,是将动画以画素单位来分割,能够细緻的处理图像的「影像分割 (image segmentation)」技术。

一文看懂自驾车:在路上跑的超级电脑

百度也为了该公司自驾车使用的数据集,正在研发名为「ApolloScape」的影像分割软体。

「ApolloScape」 可以将车辆、行人、自行车、大楼、路灯等,最多 26 种的图像给予定义,让自驾车认识可以行驶的区域,还有辨识接近中的障碍物。

定位 (自身车辆的位置)

自驾车为了下判断,或是规划行车路径,必须先正确掌握自己的位置。

一般都是使用 GPS 的讯号来判断,然而通常会有 1~2 公尺的误差。以一般道路平均宽度 1.2 公尺来看,这样的误差距离其实过大。

因此,各家厂商运用现成的地图或是科技,将误差值降到 1 公尺以内。

自驾车在行走中,会将周围的状况与保存在车上记忆体内的数位地图做比对。

这种高解析度地图,比起一般导航软体用的数位地图要精準上许多。车道的宽度、行人穿越道、道路标誌等等,各种道路情报极为丰富。还有车子外部感测器收集到的数据,让机能更为强化。

一文看懂自驾车:在路上跑的超级电脑

许多的新创企业,也都着手研发製作数位地图时所需的硬体 (感测器等) 和软体。

美国 DeepMap 开发了製作地图所需的软体,打算将这个软体的授权卖给汽车製造商,或是开发自驾车技术的科技产业。该公司在 8 月时,自德国博世 (Bosch) 取得资金。在那之前,也获得美国创投公司 Andreessen Horowitz 与 Accel Partners 的资金。

一文看懂自驾车:在路上跑的超级电脑

美国 Civil Maps 也开发针对完全自驾车市场,开发 3D 地图的製作技术。将感测器收集到的原始数据,运用 AI 技术,在地图情报上加工。

也有企业是为了贩售资料,着手开发高解析度地图。

在 Mapping 这个产业里,有美国的 HERE Maps 和荷兰的 TomTom 两大公司。Here Maps 在 2015 年 12 月时,被德国的汽车公司联盟 (Audi, BMW, Daimler) 买下。TomTom 则是为了将他们所拥有的欧美地图,与百度所拥有中国地图做整合,于今年 1 月与百度建立合作关係。

美国的 Google 公司,在这个领域也有卓越的进步。瑞典的富豪汽车在 10 月时,也表明地图系统将由 TomTom 改成 Google 的方针。Google 的自驾部门 Waymo,也利用在实验及验证时取得的数据,开发独自的高解析度地图。

百度正在开发自驾车用软体「Apollo」所使用的高解析度地图。打算将这个地图卖给汽车製造商来收取服务费,或是将地图的使用费用含在车价内,藉以获取收益。百度的高解析度地图事业,有朝一日可望会超越他们目前在中国最大的搜寻引擎事业。

全系统

不针对特定零组件,而是着手研发整套自驾系统的企业也有很多。

这些企业大多数都是特别强化自动驾驶技术,与汽车製造商一同携手研发。此外,有极少数的企业选择包含车体在内的全车研发。

自驾系统

多数进行全系统研发的企业,把电脑影像与感测器融合软体,及自动驾驶所需硬体成套贩售。这种类型的系统,就如同汽车的头脑一样。

通常在这个领域的新创企业,会与汽车製造商合作,并展开独自的技术。部份情况下,事后在车上加装自驾车技术也是有可能的。

例如,美国的 Drive.ai , 就有着手开发活用该公司自驾系统软体的改装套件。在德州的 Frisco 进行数个月的实际测试后,在 10 月时,这项服务也扩大到德州的 Arlington。

Drive.ai 在 2017 年 9 月,与美国大型共乘服务公司 Lyft 合作。将他们的自驾系统置入 Lyft 的开放原始码软体中,共同研发出自驾车。

一文看懂自驾车:在路上跑的超级电脑

中国企业也正进行自驾系统的开发

研发据点设在北京的 Momenta (初速度科技) 于10 月时,在 C 轮募资从电动车製造商 NIO 、腾讯获得资金挹注,成为独角兽新创公司 (估值超过 10 亿美元的未上市公司)。Momenta 与苏州市合作,展开大规模的实车测试,并且在苏州市裏建构智慧交通系统。

Pony.ai(小马智行) 也是另一个独角兽公司。他们为了展开自驾系统研发,与中国第二大汽车公司,广州汽车合作。在 A 轮募资取得 1 亿 200 万美元的资金后,仅在 3 个月后的 9 月时,在广州成功展开自驾车的测试。

车体也是自行研发

Zoox、Nuro,这类公司则是进行自驾车的整车研发。

Zoox 的概念车与传统的汽车不同,没有方向盘与仪表板,车内採长型座椅面对面的配置方式。

一文看懂自驾车:在路上跑的超级电脑

Zoox 还未取得道路行驶许可,目前使用 TOYOTA 的大型休旅车 Highlander 来进行技术上的测试。

Zoox 的特殊设计抓住了投资人的目光,也因共同创办人兼 CEO 的闪电卸任,媒体曝光率也很高。

Zoox 在 7 月的 B 轮募资时,企业价值被估计为 32 亿美元,募得了 5 亿美元。累计募资额达到 8 亿美元。计画在 2020 年时,展开自驾车载客服务。

Nuro 的自驾车被设计为载货专用,解决让零售业者头痛的最后一哩商品配送问题。

一文看懂自驾车:在路上跑的超级电脑

上一篇: 下一篇:
相关推荐
菲律宾申博太阳城_奕博在线官方|本地的门户性综合信息|最真实的自己|网站地图 申博sunbet代理 申搏sunbet官网下载