自動駕駛火爆,汽車Tier one供應商開始研究深度神經網絡

2020-12-19 電子工程專輯

汽車零件供應商偉世通(Visteon)在今年的CES上推出旗下首款自動駕駛技術平臺——DriveCore，並連手專注於自動駕駛感知技術的新創公司DeepScale，為自動駕駛領域再添新的合作模式。XY1EETC-電子工程專輯

DriveCore平臺完整地配備了硬體、中介固件和架構，為Level 3及以上的自動駕駛車開發機器學習算法。除此之外，DriveCore平臺還為OEM提供可擴展的集中式域控制器，以滿足汽車製造商對於運算性能的需求。XY1EETC-電子工程專輯

Visteon表示，相較於「以視覺優先」的英特爾(Intel)/Mobileye平臺，DriveCore更具有靈活性，可為來自攝影機、光達和雷達的傳感器數據加以整合。

DriveCore平臺：號稱首款可讓汽車製造商在開放合作模式中打造自動駕駛解決方案的平臺 （來源：Visteon）XY1EETC-電子工程專輯

此外，Visteon還打造了一個基於PC的開發環境——Studio。它是為了讓第三方開發人員自行打造機器學習算法而設計的。不過，要說Visteon的自動駕駛解決方案和競爭對手最大的不同，主要還在於其與加州新創公司DeepScale建立了合作夥伴關係。XY1EETC-電子工程專輯

DeepScale研發出一種深度學習感知技術，可用於處理原始數據(而非對象數據)，以及加速嵌入式處理器的傳感器融合速度。XY1EETC-電子工程專輯

由於自動駕駛車的開發還處在早期階段，因此類似Waymo、Uber和英特爾/Mobileye等科技公司都選擇跳過與中間商(即Tier one供應商)的聯繫，逕自開發完整的自動駕駛平臺。然而，Visteon的動作頻頻，意味著被冷落的一級(Tier one)供應商要開始絕地大反攻了。XY1EETC-電子工程專輯

混搭傳感器XY1EETC-電子工程專輯

VSI Labs創辦人兼首席顧問Phil Magney解釋：「這就是我一直在等待的。我知道Visteon一直在尋找擅長深度學習的合作夥伴。」XY1EETC-電子工程專輯

在Magney看來，其實Visteon的腳步已經有些晚了，其他Tier one供應商都已經找好了自動駕駛車解決方案的合作夥伴。不過，由於推出了DriveCore，Visteon如今有了完整的解決方案，能讓汽車OEM根據自己開發的應用需要混搭傳感器。XY1EETC-電子工程專輯

Magney 補充道：「這套解決方案的核心是DeepScale，該公司已經提出了完整的軟體組件以及基於卷積神經網絡(CNN)的算法。」XY1EETC-電子工程專輯

DeepScale執行長兼創辦人Forrest Iandola並不願評論兩家公司合作帶來的商業價值。不過，他明確表示該公司與Visteon的合作關係穩定。「我們已經與Visteon進行了深入對話，並計劃共同將兩家公司的產品藍圖進行了整合、測試與部署。」XY1EETC-電子工程專輯

DeepScale不但為此合作關係貢獻出獨特的人工智慧(AI)算法，還奉上專為小型處理器打造的傳感器融合與深度神經網絡(DNN)擴展能力。根據DeepScale指出，AI 軟體能利用任何傳感器組合建構3D視覺環境模型，從單一相機產生解析度點雲——一般來說，實現這樣的效果通常需要昂貴的 光達(LiDAR)。據悉，DeepScale十分擅長這種僅以較小運算能力產生先進性能的微型DNN技術。XY1EETC-電子工程專輯

Magney稱Visteon/DeepScale連手是「天作之合」。如果沒有Visteon這樣的供應商來解決汽車廠商的需求，DeepScale恐怕很難將自家解決方案推向市場。而有了DeepScale，Visteon則得到了一家強大深度學習軟體合作夥伴的支持。DeepScale提供了預訓線軟體算法，能因應從Level 2到Level 4和Level 5等級的所有自動駕駛任務需要。DeepScale提供可擴展解決方案的能力也使該公司引以為傲。XY1EETC-電子工程專輯

而在談到代表自動駕駛領域兩大發展路徑——英特爾/Mobileye 的漸進式以及Waymo、Uber的叫車/車隊模式時，Iandola 對《EE Times》表示：「我們分別接觸了兩大營的代表：一種是要從駕駛輔助逐步演進至全自動駕駛，另一種則是直接發展全自動駕駛。」他強調，「我們專注於開發感知系統，它可從成本與功耗有限的量產硬體擴展至駕駛輔助，以及有助於實現全自動駕駛的特定硬體。」XY1EETC-電子工程專輯

硬體選擇XY1EETC-電子工程專輯

Visteon發布的自動駕駛平臺，也讓我們得以一窺自動駕駛產業的進化歷程。XY1EETC-電子工程專輯

首先，開放系統對於一些自動駕駛公司的誘惑力越來越大。Magney指出：「Visteon的自動駕駛堆棧能夠同時支持英偉達(Nvidia)、恩智浦(NXP)和高通(Qualcomm)的處理器架構，實在是讓人佩服。」簡單來說，Visteon期望藉由DriveCore平臺為汽車OEM提供更豐富的選擇，不論是處理器還是傳感器。XY1EETC-電子工程專輯

其次，汽車製造商也想在其自動駕駛車上採用多種傳感器技術。Iandola 表示：「我們認為每一種傳感器都有其獨特的優勢，而且在實際執行時是可以互補的。所謂的『萬用傳感器』根本沒有意義，畢竟各家廠商的目標是讓自動駕駛系統變得安全可靠。「XY1EETC-電子工程專輯

他強調稱，「近些年來業界已經在新的傳感器技術上投入超過 10 億美元了，專注於該技術的新創公司更多達30家以上。此外，新的AI處理晶片和平臺也拿到了數十億美元的投資。」XY1EETC-電子工程專輯

Iandola還表示，DeepScale看到了「一個非常好的機會，使其打造出輕鬆整合業界最佳傳感器技術與處理器平臺的感知系統。」XY1EETC-電子工程專輯

原始資料 vs. 對象數據XY1EETC-電子工程專輯

第三，業界直持續爭論以原始數據還是對象數據實現傳感器融合的話題可能要轉向了。XY1EETC-電子工程專輯

Magney表示：「現在的趨勢更傾向於在感知端採用原始數據進行融合，而這正是DeepScale援的方向。」當然，這場爭論至今還沒有最終結論。XY1EETC-電子工程專輯

以Uber而言，他們的自動駕駛車似乎就兩種數據都需要。據悉，Uber在使用一些神經網絡來協助感知(需要將傳感器數據轉換成對象數據)，想完成這一任務有時候就得靠「融合」多個傳感器。當然，在後期階段，Uber也會用其他神經網絡來預測車輛的下一步動作。

DeepScale的解決方案：深度神經網絡傳感器融合（來源：DeepScale）XY1EETC-電子工程專輯

Iandola顯然很清楚到底需要做什麼。他曾經在之前的一次採訪中表示，「目前的深度神經網絡研究有很大一部份都是根據現有的DNN技術進行修改和升級。」不過，到了連手DeepScale之後，他卻改口稱「我們一切都是從頭做起，使用原始數據開發自家的深度神經網絡，而且這些數據不止是來自影像傳感器，我們也參考了雷達和 光達。」XY1EETC-電子工程專輯

Magney稱DeeoScale的方法非常有現代感，是「將AI運用在自動駕駛領域的最新思維」。DeepScale如今也正倡導接近傳感器的早期原始資料融合。XY1EETC-電子工程專輯

除此之外，Magney還看到了DeepScale解決方案的另一個固有優勢。「你可以用任何傳感器組合完成數據融合。低層級的用攝影機和雷達，至於較高的層級則可用光達。」Magney 總結道：「有了DeepScale相助，我相信Visteon有能力提供從ADAS到Level 4/Level 5層級的多種解決方案。」XY1EETC-電子工程專輯

本文授權編譯自EE Times，版權所有，謝絕轉載XY1EETC-電子工程專輯


關注最前沿的電子設計資訊，請關注「電子工程專輯微信公眾號」。
XY1EETC-電子工程專輯

XY1EETC-電子工程專輯

相關焦點

  • 【短波】尚勇:全球TOP5的Tier1供應商自動駕駛策略簡析
    近兩年來，隨著新一代信息技術與汽車產業的深度融合，自動駕駛汽車產業發展趨勢和方向日趨明朗。整車企業正在加快自動駕駛汽車研發和生產，更為值得關注的是，全球頂級汽車零部件製造商在業務板塊轉型方面動作頻繁，自動駕駛相關技術的開發和布局成為各方關注熱點。
  • 源自清華,要做Tier1.5,打通產學研,超星未來全面賦能自動駕駛
    如此，超星未來形成創新人才的集聚地，以及創新成果的策源地，同時依託於科技部十三五「自動駕駛電動汽車環境感知技術研究」項目以及2022年冬奧會自動駕駛示範園區項目，形成產學研合作的自動駕駛基地。其次，在智能汽車的技術革命的變革浪潮當中，他們希望用自身技術孵化一個企業，並彌補這個市場空白。按照張劍的說法，傳統產業中，一級供應商、二級供應商從晶片到控制器的過程相對簡單，技術難度是傳統的廠商能夠較好的處理的。但是智能駕駛整體架構，包括硬體、軟體、晶片、算力、算法等會非常複雜，因此傳統的tier 1、tier 2企業很難依靠傳統的商業流程和模式把流程走通走順。
  • 年底啟動自動駕駛運營,電眼科技純視覺神經網絡挑戰雷射雷達
    通過自主研發的快速神經網絡INN（Instant Neural Network）採集單目攝像頭信息，一輛自動駕駛汽車在經過一周的深度學習後，順利完成了避讓、掉頭、紅綠燈監測及加減速、緊急剎車，實現了L5級自動駕駛。上述是電眼科技自動駕駛車輛日常測試情況。電眼科技表示，伴隨著神經網絡學習時間的加長，這輛自動駕駛汽車將會更加靈活敏捷。
  • 自動駕駛汽車如何精準感知?聽聽博世、吉利、宇通怎麼說 | CICV...
    、清華大學蘇州汽車研究院、上海國際汽車城、中國智能網聯汽車產業創新聯盟主辦，清新汽車、中汽翰思、上海汽車城開發服務公司協辦的 CICV 2018 第五屆智能網聯汽車技術年會上，由青年長江學者、基金委優青、清華大學汽車系長聘副教授李升波主持，博世 ADAS 產品經理豐浩、同濟大學教授白傑、Mementa 研發總監夏炎、吉利汽車研究院高級技術專家施亮、宇通客車自動駕駛研發部感知模塊主管張昆帆分別做了環境感知與智能控制專場主題演講
  • 人物誌 | 破解iPhone的天才小子喬治·霍茲,如何教會了汽車自動駕駛
    於是他來到卡內基梅隆大學研讀博士，做AI和深度學習方向的研究。在校期間，平均每門課的績點都在4.0以上。畢業後霍茲供職於AI，在不斷積累實踐經驗與行業知識的同時，他也找到了自己真正的興趣所在。開始研究自動駕駛。 經過四個月的研發後，2015年12月，霍茲成功讓一輛謳歌汽車在高速公司上自動行駛。
  • 從「妄想」到現實 自動駕駛的昨天、今天和明天
    今天：深度學習、神經網絡帶來了曙光 在前人的基礎上，美國國防部高級研究計劃局（DARPA）在2004年曾斥巨資懸賞：誰能打造一輛能穿越 300 英裡沙漠的自動駕駛汽車，誰就能拿走100萬美金獎金。第一屆Grand Challenge大賽在美國莫哈韋沙漠舉辦，21支參賽隊伍無一倖免，全部未能完賽。第一名也僅行駛了7.32英裡。
  • 資料| 神經網絡與深度學習(邱錫鵬)
    從車牌識別、人臉識別、語音識別、智能助手、推薦系統到自動駕駛，人們在日常生活中都可能有意無意地用到了人工智慧技術。這些技術的背後都離不開人工智慧領域研究者的長期努力。特別是最近這幾年，得益於數據的增多、計算能力的增強、學習算法的成熟以及應用場景的豐富，越來越多的人開始關注這個「嶄新」的研究領域：深度學習。深度學習以神經網絡為主要模型，一開始用來解決機器學習中的表示學習問題。
  • 深度神經網絡加速晶片 - CSDN
    2、DIGITS DevBox，針對研究人員的桌邊型深度學習工具。NVIDIA表示，現在在深度學習領域一般都用單精度進行，未來的趨勢可能有人要用半精度，甚至1/4精度，所以NVIDIA需要根據用戶的需求調整GPU的架構，Pascal支持FP16和FP32，可以提升機器學習的性能。4、DRIVE PX，用於自動駕駛汽車的深度學習平臺。
  • 拆解華為擁有的自動駕駛和電動汽車關鍵技術
    以車聯網為內核的自動駕駛雷鋒網通過對自動駕駛汽車行業進行了產業鏈分析，主要從產業上下遊將其分為了計算平臺、算法集成、車輛控制、汽車通訊等四個方面，同時在這些方面發掘華為的布局。其實，頻頻與各大車企牽手、開發自動駕駛晶片、推出車載計算平臺等，華為一直深耕在汽車領域。
  • 打開汽車智能新紀元大門:黑芝麻智能投身自動駕駛晶片設計的這幾年
    ，就像汽車引擎一樣，它是原動力，是自動駕駛繞不開的一環。業界領先算力同時配合上黑芝麻智能自研的車規級作業系統和多晶片級聯實時軟體平臺框架，FAD平臺能夠滿足乘用車、商用車、作業車等不同場景的智能駕駛方案需求。同時，FAD平臺支持多路高清傳感器並擁有豐富的接口，平臺通過FAD SDK對外開放豐富的API能力，提供開放的自動化神經網絡優化工具。黑芝麻智能科技將通過與各類傳感器廠家、行業應用軟體、算法等產業鏈生態夥伴全方位合作，為智能駕駛產業賦能。
  • 豐田汽車(TM.US)加入百度(BIDU.US)阿波羅自動駕駛平臺
    來源：智通財經網智通財經APP獲悉，根據《日本經濟新聞》報導，隨著中國加大對自動駕駛技術的商業化力度，豐田汽車（TM.US）與百度（BIDU.US）旗下阿波羅自動駕駛平臺籤訂協議。據悉，這是是繼本田汽車（HMC.US）之後第二個加入該平臺的日本汽車製造商。據了解，2017年7月，百度成立了自動駕駛開發聯盟Apollo「阿波羅計劃」。據官方數據，目前接入Apollo平臺的合作夥伴數量已經超過100家，而這一數據還在增長。
  • 啟迪國際再度增持蘇州智華,強化智能駕駛系統一級供應商能力
    以蘇州智華為一級供應商平臺，強化智能駕駛業務2017年，啟迪國際通過控股蘇州智華以及成立雲技術平臺，一躍成為國內領先的ADAS解決方案一級供應商和城市級自動駕駛雲控解決方案供應商。經過一系列運作整合，公司目前正致力於依託蘇州智華作為一級供應商平臺，為國內外整車廠提供量產級的綜合智能駕駛方案。
  • 華為,面對艱險,矢志不渝Tier One,力鼎國產智能汽車
    今天，道哥就介紹一下，華為在智能汽車領域的非凡科研業績，該領域經常被大家所忽視。在2019年，任正非曾經說過，車聯網、人工智慧和邊緣計算是華為未來三大突破點，要加大面對智能汽車的聯接、車載計算、自動駕駛等戰略投入。
  • 自動駕駛領銜 一文速覽最新汽車「黑科技」
    此前，在《CES Asia 2018丨5分鐘速覽汽車技術新亮點》一文中，蓋世汽車已經為大家預報了部分企業的參展情況，本文將針對汽車技術供應商的展出，進行更深入的匯總，供大家參考！此外，可擴展軟體還可以根據車輛的基礎設施和計算功能等情況進行優化調配，MFC 500運用了可進行擴展以匹配相關硬體的神經網絡，該神經網絡由具備學習能力，並且能夠處理和執行複雜功能的數學單元組成。且該攝像頭還能夠與環境互連：將其連接到電子地平線 (eHorizon) 和「路面資料庫」系統中，就可以將路面信息和路標傳送到雲端，並從雲端獲取這些信息，以便定位車輛和執行具有前瞻性的駕駛操作。
  • 踩下技術的油門 百度自動駕駛汽車距離量產已不遠?
    6月以來，百度智能駕駛的兩次重要合作都並未與汽車整車廠商直接合作，而是與零部件供應商合作，並且國外是全球數一數二的零部件供應商，這體現出了「通過零部件供應商進入整車」的思路。零部件供應商都有大量的固定的汽車夥伴，在智能駕駛上汽車廠商對它們已形成依賴，比如大陸集團就專注於為智能駕乘提供系統性解決方案，提供高級駕駛員輔助等自動化駕駛所需的傳感器。
  • 汽車界巨頭拉幫結派搞自動駕駛
    從汽車製造商、供應商和科技公司看來，似乎每個人都想為自動駕駛汽車打造一個平臺。現在，在即將到來的法蘭克福車展上，世界頂級汽車配件供應商麥格納造出了屬於自己的自動駕駛平臺。該平臺被稱為「MAX4」，它支持4級自動駕駛。在這級自動駕駛階段的車輛可以在沒有駕駛員的幫助下做出關鍵的駕駛決策。與其他許多自動駕駛系統不同的是，MAX4將雷射雷達、攝像頭、超聲波傳感器和一個計算平臺集成到車身內。
  • 在自動駕駛這場戰役裡,老牌汽車強國可能會哭得很厲害-虎嗅網
    但是馮諾伊曼架構並不完全適合於自動駕駛所依賴的深度學習，需要改進甚至突破。比如存在計算器跑的比存儲器快的「內存牆」，這會導致性能問題。而類腦晶片之類的設計，確實有架構上的突破，但跨越的太遠，未必能很快應用上。而且圖像的卷積網絡可以轉化為矩陣運算，未必真正適合類腦晶片。
  • 自動駕駛軟體開發大討論,廠商該合縱連橫還是「一人獨食」?
    其實業內出現這樣的分歧並不奇怪，據雷鋒網(公眾號：雷鋒網)了解，那些認為大家可以通力合作完成自動駕駛大業的公司有自己的商業模式，它們希望汽車製造商能根據自身需要定製一套「混血」系統。這些公司中就包括英偉達。除此之外，許多汽車系統供應商，如德爾福和一些行業新軍如百度，也都在研發自己的模塊化開放平臺。
  • 權威發布:中國人工智慧學會自動駕駛入門秘籍|雷報025期
    相比之下，國內在自主駕駛方面研究的起步稍晚。從80年代末開始，國防科技大學先後研製出基於視覺的CITAVT系列智能車輛。後來清華大學在國防科工委和國家「863計劃」的資助下從1988年開始研究開發THMR系列智能車。吉林大學、重慶大學也在自主駕駛方面取得一定的成果。國內一汽集團、上汽集團、長安汽車等車企也紛紛涉足自動駕駛。
  • 用軟體定義汽車,「追勢科技」以Tier 0.5角色發力低速自動駕駛全...
    來源：創業邦不論是平臺開源共享還是巡航裡程翻番，近年來，自動駕駛一度炒得火熱。該領域一度在Gartner行業熱度排名裡居高不下，在相當長的時間內佔據著全球投資的大方向。而時至今日，資本逐漸認識到該領域投資回報的長周期性和不確定性，自動駕駛企業想繼續分羹，就得在殘酷市場洗牌中加倍清醒、真正有的放矢。