一種快速運動規劃晶片,讓無人車決策速度提升三個數量級

2020-12-08 OFweek維科網

Realtime Robotics的運動規劃晶片可幫助自動駕駛汽車做出更好的決策。

無論是駭人聽聞的 Uber 無人車撞死行人的事件，還是特斯拉自動駕駛儀接連不斷的事故，我們在總結每一項事故以及車輛被迫接管等情況發生的原因時，一方面歸咎於無人車在不同條件下能否提供可靠的感知能力，而另一方面，運動規划算法的計算速度也在影響著車輛是否能夠及時作出安全的路線規劃。

是否能夠提高運動規劃系統的速度？

自DARPA挑戰賽以來，自動駕駛的規划算法大量湧現，但目前還沒有一種算法能夠覆蓋所有的場景，在面對高速場景，低速場景，自動泊車場景，複雜動態的非結構化道路場景，交通參與者密集場景等場景時，大多數自動駕駛系統會根據其模型最可能的場景來規劃運動，以確定周圍物體的作用。

目前大多數自動駕駛汽車能夠以3 Hz至10 Hz的速度運行運動規劃系統，而美國杜克大學 Realtime Robotics 系統以1，000 Hz運行，並行通過大量可能軌跡的數據網絡，這使得系統能夠在更短的時間內考慮更多的潛在結果，從而做出最佳決策。

Realtime Robotics 定製運動規劃晶片

自動駕駛創業的興起，讓一些晶片製造商專門為無人車定製晶片，更切合算法的晶片，能夠提高效率，優化算法結構也能減少功耗。而美國杜克大學專門為運動規劃定製了處理器，提高了運算的效率。他們最初在桌面手臂機器人上做實驗，基於FPGA開發出了一種可快速進行機器人運動規劃的定製處理器，使運動規劃流程的速度提升了三個數量級，而使用的電量僅為之前的二十分之一。現在，他們把這種晶片成功運用在無人車上。

該解決方案只需要輸入來自攝像機，雷達，雷射雷達和其他傳感器的感知數據，包括有關場景的信息，靜態障礙以及其他代理的最可能的未來路徑。通過利用網格規劃器，在不到1ms的時間內執行障礙物檢測和最低成本路徑計算。對於每個不確定性障礙，系統都能對其在規劃間隔內可能遵循的軌跡進行有根據的猜測。FPGA可以在硬體中編碼數據，硬體並行性的方式使得運動規劃步驟非常快。

Realtime已經在模擬環境中做了大量測試，視頻中列舉了在兩個場景下，該系統被證明安全性顯著提高：

① 騎自行車者（沒有通行權）穿過一個十字路口

一個騎自行車的人在一輛車的遮擋下，違規通過十字路口。通過模擬不同車速，自行車速度和自行車穿越時間下，以目前自動駕駛做決策的平均速度10Hz為例，會有 6．25％的機率發生碰撞；而在 Realtime 系統1000Hz下碰撞不會發生。

②行人突然從停放的汽車後面出現

行人突然從停放的汽車後面出現，從感知到做出決策的時間很短，通過不同車速和行人移動速度的不同組合測試，發現按照一般決策系統處理的速度22％的機率會擊中行人，而更快決策速度下，可以避免此事故。

毫無疑問，計算的速度越快當然是越好的。在60公裡／小時（約40英裡／小時）的速度下，10毫秒規劃和100毫秒規劃之間的差異大約是一米半，這很容易成功地避開一個任性的行人。在更快的速度和更加受限的高速環境中，該定製晶片顯得更有用。

近日，這家成立三年的公司宣布推出了無碰撞方案組合RapidPlan和RapidSense解決方案，Realtime Robotics 通過讓機器人能夠識別和響應不斷變化的環境來實現零碰撞。目前，該晶片已經應用在桌面手臂機器人上，在自動駕駛汽車上的應用還處於模擬環境中 ，在真實交通環境中的表現如何，還有待進一步測試。

總結

這種通過定製快速運動規劃晶片的方法顯著提高了做決策的速度，如果能夠應用在無人車上必定帶來全新的革命，然而與機器人不同的是，無人車上路除了要做到避障規劃以外，還需要遵守交通規則，很多條件下需要減速來避障，此晶片在速度規劃和路徑規劃的融合方面可能還需要更全面的考慮。

相關焦點

  • 國產人工智慧晶片重大突破,比GPU提升三個數量級
    第一作者尹首一副教授在會上詳細介紹了該團隊在人工智慧晶片領域取得的重大進展。這是清華大學微納電子系首次作為第一作者單位在該國際會議上發表論文。
  • 矽谷「封城」前夜的L4級別無人車試乘實況,及其創新技術深度剖析
    輕舟智航，一直希望以一條獨特嶄新的路徑實現無人駕駛，在公司成立之初，我們就立志打造一個輕、快、高效的團隊，這也是公司名稱的由來——兩岸猿聲啼不住，輕舟已過萬重山。今天想要展示的，是在矽谷「封城」前夜，讓我們的無人車路經遭遇搶購、人流車流密集的超市地段。加州「在家隔離」強制執行令發布後的3個小時，對輕舟智航來說是難忘的3個小時。
  • 美團技術解析:自動駕駛中的決策規划算法概述
    自動駕駛系統中的決策規劃模塊分層結構，引用自[2] 如圖1所示，典型的決策規劃模塊可以分為三個層次。行為決策（Behavioral Layer） 在確定全局路徑之後，自動駕駛車輛需要根據具體的道路狀況、交通規則、其他車輛與行人等情況作出合適的行為決策。 這一過程面臨三個主要問題： 首先，真實的駕駛場景千變萬化，如何覆蓋？
  • 首枚光子神經形態晶片問世 運算速度快3個數量級
    信息技術 | 首枚光子神經形態晶片問世 運算速度快3個數量級 　　據《麻省理工技術評論》雜誌網站近日報導，美國普林斯頓大學的科研團隊日前研製出全球首枚光子神經形態晶片，並證明其能以超快速度計算。　　普林斯頓大學亞力山大·泰特團隊的新成果是利用光子解決了神經網絡電路速度受限這一難題。
  • 無人駕駛系統真的很難懂?一篇文章告訴你答案!
    童濟仁汽車評論 編輯丨嚴小森這是一篇科普向技術流的文章，看完這篇文章，相信你對無人駕駛系統的了解已經超越了99%的人。現如今，無人駕駛技術通常被分為環境感知與定位、決策規劃和運動控制3個部分。環境感知與定位負責確定汽車周圍哪裡有汽車或者行人，前面是紅燈還是綠燈，即確定環境和汽車的狀態。
  • 美國無人集群城市作戰應用發展綜述
    項目最終的目標是使用250個或更多的無人系統在（包括無人機、無人車等）8個城市街區自主執行6h的任務。如表1所示。　　表1 OFFSET項目各階段劃分　　　　（1）集群任務規劃　　任務決策就是在滿足任務時間、任務空間、無人平臺資源、無人平臺運動性能等約束條件下，如何將合適的任務交給合適的無人平臺在合適的時間去完成，使得某種作戰效能指標達到最優（如時間最短、資源消耗最少、佔據最大戰場優勢等）。任務規劃本質上是一個複雜的組合優化問題，可建模成非線性動態規劃、混合整數非線性規劃問題。
  • 香港科技大學教授劉明乾貨分享:低速無人駕駛落地有哪些技術要素和...
    無人系統模塊技術結構無人系統的核心技術結構，集中在「系統化算化核心模塊」，當中分為三個重點：（一）感知系統－－由傳感器技術與產品支持（二）決策與預測系統－－由算力及晶片化方案支持（三）規劃與控制－－由車身技術支持
  • 如何重新定義汽車,請由晶片先回答
    、ISP、射頻晶片、毫米波雷達晶片、雷射雷達晶片、定位晶片等多種晶片，將光線、距離、速度、方位等信息處理成實現計算機處理的數位訊號。 量產背後，眾多車企加速更高級別智能汽車的研發與生產，從上汽、廣汽、北汽等國內車企和奧迪、奔馳、寶馬等國外車企的計劃路線上看，當前正處在L3級自動駕駛商用落地的關鍵時期，未來對汽車晶片的需求將快速增長。
  • 從布朗運動到大一統,無人駕駛才能根治中國的擁堵頑疾
    網上有個經典的笑話，是說分子層面的不規律布朗運動在全世界其他地方只有顯微鏡能看見，但到了中國，你站在天橋上，看下面的馬路無時無刻都在上演著布朗運動。每一輛機動車都沒有與鄰近機動車相似的駕駛規律，加塞兒，龜速超車，突然急剎，甚至是逆行等等等等，每個個體都毫無規律的在橫衝直撞。
  • 基於Atmega128的智能教學無人車控制系統設計
    摘要：針對市場上大多數教學無人車設計採用單片機單一控制導致其功能擴展性弱、靈活度低等問題，設計了一種基於Atmega128單片機和無線通信的智能教學無人車控制系統，該系統包括PC機控制部分和無人車控制部分，通過PC控制端軟體可以經無線通信模塊實現對無人車的準確運動控制。
  • 谷歌大腦重磅研究:快速可微分排序算法,速度快出一個數量級
    現在，谷歌大腦針對這一問題，提出了一種快速可微分排序算法，並且，時間複雜度達到了O(nlogn)，空間複雜度達為O(n)。速度比現有方法快出一個數量級！代碼的PyTorch、TensorFlow和JAX版本即將開源。
  • 計算速度是電子晶片1000倍,光子AI晶片商用產品今年面世!
    光子AI晶片的優勢特別明顯，計算速度快，功耗低，空間佔用少 當前，越來越多的行業用到人工智慧，而人工智慧的算力瓶頸也越來越嚴重，根據OpenAI的研究顯示，訓練最大的人工智慧模型所需的計算能力每三個半月就會增長一倍。
  • 專訪地平線創始人:國內首款車規級AI晶片是如何煉成的?
    「我們在短期兩、三年的時間或者三、四年時間常常會高估技術發展速度，但是十年時間來看的話常常會低估技術發展的速度。」餘凱說。「後面我們會有一系列的road map，因為我們更長期的走，把輔助駕駛的功能越做越豐富，越做越全，然後從輔助駕駛到高等級的自動駕駛，我們會有在未來的6到12個月裡面，我們還有更先進的製程跟工藝的車規級晶片，至少有兩款晶片會流片。」
  • 一種基於A*算法的用於道路場景的軌跡規劃方法
    什麼是路徑規劃和軌跡規劃？ 車輛自主駕駛系統從本質上講是一個智能控制機器，其研究內容大致可分為信息感知、行為決策及操縱控制三個子系統。 路徑規劃是智能車輛導航和控制的基礎，是從軌跡決策的角度考慮的，可分為局部路徑規劃和全局路徑規劃。全局路徑規劃的任務是根據全局地圖資料庫信息規劃出自起始點至目標點的一條無碰撞、可通過的路徑。
  • 自動駕駛關鍵技術報告:慣性導航和背後的晶片大戰【附下載】| 智...
    、執行四個部分，其中定位是決策和執行的前提。其中，高精地圖可以為車輛環境感知提供輔助，提供超視距路況信息，並幫助車輛進行規劃決策。慣導系統是一種不依賴於外部信息、也不向外部輻射能量的自主式導航系統；而全球定位系統是通過衛星定位，在地球表面或近地空間的任何地點，提供三維坐標和速度的定位系統。二者的結合就可以取長補短，共同構成自動駕駛定位導航系統。
  • 清華制人工神經網絡晶片,能效比GPU高兩個數量級
    （原標題：清華用憶阻器制人工神經網絡晶片，能效比GPU高兩個數量級）
  • 速度提升百倍,顛覆大數據處理的光子計算晶片來了?
    3-4個數量級，也就是調製解調頻率可達每秒十億次甚至百億次。集成度提升解決光子計算晶片體積挑戰的同時，也帶來了新的挑戰。「我們使用的是矽光的方式，但我們並沒有做光學電晶體，而是用另外一種方式讓光學器件能夠進行交互產生計算。光子晶片的集成度提高之後，如何同時控制上萬個光學器件就是一個難點。」 沈亦晨說。「另外，更高的集成度也帶來了散熱問題。
  • 無人駕駛技術離我們有多遠?
    機械視覺也可以稱作為環境感知，是無人駕駛汽車最重要也是最複雜的一部分。無人駕駛車輛的環境感知層的任務是針對不同的交通環境，對傳感器進行合理的配置、融合不同傳感器獲取的環境信息、對複雜的道路環境建立模型。無人駕駛系統的環境感知層分為交通標誌識別、車道線的檢測與識別、車輛檢測、道路路沿的檢測、障礙物檢測以及多傳感器信息融合與環境建模等模塊。
  • 如何利用ROSMoveIt快速搭建機器人運動規劃平臺?
    主要是因為機器人運動規劃涉及太多基礎內容，如果跳過不講就會變成新坑；一時半會又沒法講完。所以，這次就從初學者如何利用MoveIt快速搭建機器人運動規劃平臺來講吧，先展示Big Picture，其他細節內容以後有空再慢慢填。但可能會坑的地方我會用（坑）標註出來。
  • 全球首款固態雷射雷達無人物流車,定位於末端低速無人配送
    此番推出的無人車，搭載了速騰聚創公司研發的固態雷射雷達。 目前，速騰聚創與阿里菜鳥已經達成戰略合作夥伴關係，將為菜鳥無人物流車提供固態雷射雷達，固雷射雷達會使無人物流車的成本大幅下降，確保無人物流車可以大規模量產。 今年4月18日，菜鳥打造的專門用於物流末端配送的無人車在杭州進行首次公開路測。