2021年03月11日 | 与安森美自动驾驶总监Radhika Arora访谈

本文编译自：AItimeJournal

安森美自动驾驶总监Radhika Arora

您如何认知如今的自动驾驶状态？

Radhika Arora：最近几年来，汽车领域大量引入了新技术，这使该行业成为极为激动人心的领域。在过去的100年中，这是一个保守的市场，并严格按照既定标准进行限制。然后是Waymo和Tesla，它们彻底改变了游戏规则。

有了这些，我们就有了一个可期待的未来，汽车可以互相通信以调节交通流量，这将有助于智慧城市规划，并最大程度地减少交通拥堵。通过共享汽车取代过去挤占道路的停车位，从而在城市中心获得更多的绿色空间。总结一下我们今天在自动驾驶领域中所处的位置，虽然已经取得了很多成就，但是道路仍然漫长而艰巨。尽管Waymo之类的公司有着可喜的进展，但我们还远远没有在全国范围内普及无人驾驶汽车。仍然存在一些棘手的问题，阻碍了该技术的大规模采用。

问题在于技术、法规、基础架构和消费者接受度。覆盖95％的用例是可以实现的，并已被多家汽车制造商证明。但是，要解决5％的边角问题，仍然是该领域每个工程师都想征服的挑战。传感器架构尚无可以完美地克服所有道路挑战的架构，包括恶劣的天气，光线不足或交通标志损坏。最初，大量的投资资金和人才开发具有非常激进的时间表的自主技术，这些预测如今已经修改。道路本身通常井井有条，环境可预测。但是，在这些道路上行驶的人是无法预料的。为了使自动驾驶汽车达到比人类更安全的期望，他们将必须能够应对人类驾驶员无数的怪癖。为了使计算机能够克服这些无法预料的条件，仍然是十分有挑战的地方。在我们实现完美自动驾驶之前，自动驾驶汽车将被限制在固定的地理区域，或者在已经完全规划，针对各种用例进行测试的城市中。

匹兹堡的Argo和湾区的Waymo都是完美无人驾驶技术竞赛中的领跑者，他们正在通过训练他们的自动驾驶系统来解决这一挑战，自动驾驶系统不仅要依赖于精确扫描的道路基础图，还要依赖所使用的传感器。来描述周围的环境。这需要不断的地图更新，从而限制了离网或缩放的能力。

尽管无人驾驶汽车的大规模部署并没有我们预期的那么快，但重要的是要强调技术的进步，以使无人驾驶汽车成为现实。计算机处理能力和人工智能系统越来越像人类一样思考。 NVIDIA最新推出的DRIVE AGX ORIN平台产品比其当前的自动驾驶汽车和机器人产品具有更高的能力和更高的效率。安森美半导体最新的8 MP – AR0820产品在动态范围内可达到140 dB，从而能够感应在同一场景中具有强烈光影的物体。该传感器还具有网络安全等高级功能，为网络攻击提供了额外的保护。

5G蜂窝网络同样重要，云的强大功能将允许处理大量数据，以便使用经过严格更新的服务器进行异地数据处理。它允许进行定期训练，不断更新以提高驾驶安全性。尽管我们预计汽车将在没有连接的情况下也可以行驶，但拥有更强大，更快，带宽更高的数据系统将有助于增强自动驾驶汽车的网络处理能力。

传感器在自主技术中的作用有多重要？

Radhika Arora：除了需要更好，更安全地行驶之外，无人驾驶汽车必须能够像人类驾驶员一样表现，自动驾驶汽车在前进时必须能够看到并分析前方的事物（在倒退时则必须能够看到后面的事物）。还必须支持查看两边的事物。换句话说，它需要360°视角。此外，汽车应具有解释交通标志，车道标志，建筑区域标志等能力。自动驾驶汽车在部分未知且动态的环境中运行，同时需要绘制此环境的地图并将其自身定位在地图上。执行此模拟输入我们的本地化和地图绘制（SLAM）过程需要来自AI系统和创建的传感器及预存地图。

基于摄像头技术的传感器是最早用于自动驾驶汽车的传感器之一。这些相机依赖于CMOS（互补金属氧化物半导体）图像传感器，该传感器通过将在400-1100 nm波长（对近红外光谱可见）中接收到的图像信号转换为电信号。

在大多数情况下，车辆上的无源传感器套件由指向同一方向的多个传感器组成。相机具有在整个视场中提供色彩保真度的附加优势。当识别交通信号灯和道路标志时，这是有利的。高分辨率传感器正在提供更多像素，更广视野以及数量呈增长。这提供了对3级以上自动驾驶至关重要的360度环视。当今的摄像头是一项成熟的技术，一种向汽车中添加智能感应的经济高效的方法。在极端天气条件下（例如暴风雪），相机性能会下降，可能很难感知环境。极低的照明，阴影和其他因素都会增加取景的困难度。

因此，高度自动驾驶汽车还需要第二种传感器——雷达。随着雷达波长不断增加，倘若物体比波长小得多，该物体可能无法反射足够的能量以进行检测。

雷达在暴雪或大雨等恶劣天气条件下的导航更加轻松，在这些条件下，激光雷达和相机的性能往往会下降。总体而言，RADAR的主要优势在于其成熟度，低成本以及对弱光和恶劣天气条件的适应能力。但是，雷达只能检测空间分辨率低的对象，而没有太多有关对象空间形状的信息，因此很难区分多个对象或按到达方向将对象分开。这使雷达在汽车传感器套件中扮演了更多辅助角色。成像雷达对于自动驾驶汽车特别有趣。与依靠24 GHz无线电波的短程雷达不同，成像雷达使用的频率能力更高，为77-79 GHz。这使雷达可以扫描100度的视野，最大距离为300 m。这项技术消除了以前的分辨率限制，并生成了超高分辨率的真实4D雷达图像。

自动驾驶汽车中使用的另一种传感器是LIDAR（光检测和测距）。 LIDAR系统的工作原理是每秒发送数千个激光脉冲，并使用反射光创建3D点，处理该过程以创建环境/对象的3D表示，它们对于深度感知和3D映射非常有优势。

尽管展示的所有传感器都有其优点和缺点，但没有一个传感器可以解决道路上的所有情况。车辆需要能够避开靠近的物体，同时还要感测远离它的物体。它需要能够在具有挑战性的光照和天气条件下，在不同的环境和道路条件下运行。这意味着为了可靠且安全地操作自动驾驶车辆，通常使用传感器融合。使用一系列要素来确定适合该工作的最佳传感器。其中包括扫描范围，确定感测对象的反应时间，分辨率，细节，视角或角分辨率，需要多少传感器也需要满足领域，成本，大小和软件兼容性等场景。

您认为2021年自动驾驶汽车行业将出现哪些趋势？

Radhika Arora：几家自动驾驶汽车开发商在2020年疫情开始时就完成了开发工作。一些公司利用这一时间来部署自动驾驶汽车，例如非接触式送货车，也称为Bots。这些产品可在医院用于非接触送药。我们看到了无人驾驶机器人的热潮，他们不仅在前线运送货物，而且也可以为居民运送货物。借助送货机器人，食品杂货的运送时间仅需20分钟。自动驾驶货车在部分地区发挥着举足轻重的作用，向受病毒爆发影响最严重的地区提供药品。他们甚至可以取代被限制或被迫停止运营的企业。

在2020年，我们看到卡车自动化的活动和融资水平激增。单人无人驾驶卡车引起了媒体的狂热追捧。我们将继续看到这个市场细分市场随着既有的OEM和启动芯片的发展而消失，以实现这一目标。戴姆勒，沃尔沃，Waymo，Scania甚至特斯拉都已部署了公路原型车。商业1级无人驾驶已在27个州获得批准。目前，这些州占据美国卡车货运年运输量的80％以上。由于车队的驾驶员仍然可以处理复杂的操作场景，并根据需要与执法部门进行互动，因此车队的自动跟踪将是加速4级商业发展的绝佳途径。

我们也应该为进一步的合并和收购做好准备。协作将成为游戏的名称。鉴于与开发，建造和培训无人驾驶车辆相关的挑战和巨额成本，现有企业正在合作以拉动资源，同时抵消一些财务负担。最近几个月，亚马逊收购了机器人出租车制造商Zoox，Aurora收购了Uber的自动驾驶部门，Mercedes-Benz和Nvidia宣布建立合作伙伴关系，开发可升级的计算平台以支持自动驾驶，沃尔沃宣布Waymo将成为其Level 4的独家合作伙伴汽车。

在不断发展的自动驾驶未来，有哪些新的商业模式？

Radhika Arora：自动驾驶汽车与基于服务的经济相结合的发展具有破坏性，为移动性的新时代铺平了道路，在新时代，相对于便利性和用户体验，资产所有权的价值更低，这将推动业务模型的更快发展。

自动驾驶车队将成为第一波浪潮。在Uber和Lyft商业模式中已经成功证明了成功，它带来了乘车共享应用的新市场。自动驾驶车队将融入基于服务的模型。对于需要定期使用车辆（通勤者）的消费者来说，许可模式可以很好地工作。车队围绕使用频率和续航里程创建各种复杂业务模型。在世界上多个城市已经证明，这种业务方式可以提高资产利用率，减少停机时间并降低运营成本。城市将拥有更多开放空间，停车场被公园取代，交通拥堵减少以及人员和货物的有效流动，我们正在朝着“一车多用”模式的未来迈进。

自动驾驶汽车将产生前所未有的数据量。汽车数据可分为安全性，娱乐性，便利性和降低成本等各类型。这些类别中的每个类别都将具有其独特的获利模型，这是由提供商之间的协作所驱动的。自动驾驶汽车将把汽车变成一个平台，乘客可以利用该平台将自己的乘车时间用于个人活动。这将迎来新形式的媒体和服务。车载广告可以使车辆成为移动营销点。在安全类别中，汽车数据可根据需要启用救援服务。及时的道路危险警告使驾驶员能够正确行驶。自动化的监控系统/预测性维护可以减少故障，从而带来更多便利。基于网络的数据分析，监视和机会将存在。C-V2X包括交通信息，实时映射，远程信息处理和数据分析。

在不断发展的自动驾驶生态系统中，监管者是重要的利益相关者。例如，如果根据停放的时间/占用的空间征税，则业务模型将发生变化，以最大程度地减少闲置时间。我们正处在技术行业指导法规与让法规指导行业的十字路口中。