自动驾驶

自动驾驶

FLIR与ANSYS联手加速热像仪机器学习,为自动驾驶保驾护航

博客自动驾驶小能手 发表了文章 • 0 个评论 • 187 次浏览 • 2020-01-20 10:47 • 来自相关话题

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。 ...查看全部

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。


据麦姆斯咨询报道,FLIR Systems, Inc.(纳斯达克证交所代码:FLIR,以下简称FLIR)与ANSYS(纳斯达克证交所代码:ANSS)正在合作,共同为辅助驾驶和自动驾驶汽车(AV)提供卓越的危险探测能力,为汽车制造商提供前所未有的汽车安全保障。通过此次合作,FLIR将把完全基于物理的热成像传感器集成到ANSYS的前沿驾驶模拟器中,从而实现在超真实的虚拟世界中对热像仪设计进行建模、测试和验证。全新的解决方案将通过优化热像仪的布局来缩短原始设备制造商(OEM)的开发周期,以便与自动紧急制动(AEB)、行人探测等工具一同使用,并应用于未来的自动驾驶汽车。

对FLIR客户及合作伙伴来说,在虚拟环境中进行测试的能力是对现有系统的有力补充,受益产品主要包括搭载了FLIR Boson®热像仪、FLIR热启动数据集及特定区域/城市热数据集(用于算法训练)的FLIR汽车开发套件(ADK™)。FLIR热数据集是为高级驾驶辅助系统(ADAS)开发、AEB和自动驾驶汽车系统中的机器学习而创建。

目前,自动驾驶汽车和ADAS传感器在黑暗或阴影、强光及恶劣天气(如大雾)等环境中面临着巨大挑战。然而,热像仪可以有效地探测和分类这些环境中的物体。将FLIR的热成像传感器集成到ANSYS® VRXPERIENCE®中,即可在短短几天内模拟完成数百万英里的数千种驾驶场景。此外,工程师还可以模拟热成像能够提供关键数据但难以塑造的场景,包括在拥挤的低对比度环境中探测行人。

“通过将ANSYS行业领先的仿真解决方案加入到我们现有的物理测试工具套件中,工程师、汽车制造商和汽车供应商可显著提升汽车在各类驾驶条件下的安全性。”FLIR工业事业部总裁Frank Pennisi表示,“该方案可以重现驾驶员每天都能看到但在物理环境中难以复制的特殊场景案例,这为改进神经网络和AEB等安全功能开辟了道路。”

“FLIR认识到,仅仅依靠在物理世界中收集的机器学习数据集来使热像仪在汽车应用中达到尽可能安全可靠,是具有很大局限性的。”ANSYS副总裁兼总经理Eric Bantegnie说道,“如今有了ANSYS解决方案的帮助,FLIR可以进一步增强汽车制造商的能力,以加速搭载热像仪的辅助驾驶系统的开发和认证。”

除特定城市的数据集外,FLIR在汽车行业已拥有十多年的丰富经验。FLIR已为包括通用、奥迪和奔驰等在内的汽车制造商提供了超过70万个热成像传感器,作为其夜视预警系统的一部分。此外,FLIR近日还宣布,其热成像传感器已被一级汽车供应商Veoneer选中,用于与全球顶级汽车制造商合作计划于2021年量产的L4自动驾驶汽车中。

于1月6日至10日在美国内华达州拉斯维加斯举办的“2020年国际消费电子展(CES)”期间,FLIR展示了其热成像加持的演示汽车和其它创新型产品,FLIR的展位号为#8528。

马斯克说“傻子才用”的激光雷达,如今要在自动驾驶识别中唱主角了

博客自动驾驶小能手 发表了文章 • 0 个评论 • 44 次浏览 • 2020-01-20 10:43 • 来自相关话题

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展, ...查看全部

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展,智能传感器展现出了蓬勃的发展生机。《中国电子报》将选取自动驾驶、智慧养老、工业互联网、智慧医疗等几个热点领域中传感产品的应用情况进行报道,展示传感器技术发展趋势,产业发展前景。

激光雷达(LiDAR)一向是汽车自动驾驶技术实现的主要部件之一,然而动辄数十万元的造价限制了它的普及应用。近年来随着博世、安森美、英飞凌等半导体大厂的大举投入,以MEMS、光学相控阵列(OPA)技术为基础的固态激光雷达正在走向成熟,逐渐有能力取代传统机械式激光雷达。未来,固态激光雷达有望在自动驾驶识别中扮演主要角色。

固态激光雷达闪亮CES2020

在近日举办的CES2020大展上,激光雷达成为亮点之一。开展前夕,德国汽车零部件供应商博世宣布,其首款车规级激光雷达芯片已经进入量产开发阶段。该系列产品可覆盖长距离和短距离探测,适用于高速公路和城市道路的自动驾驶场景。更为关键的是,博世希望通过规模化量产,降低激光雷达成本,从而促进市场推广。

安森美是图像传感器领域的主要厂商之一,近年来在激光雷达、毫米波雷达和图形传感器芯片等领域均有投入。本届CES上,安森美以激光雷达芯片为重点,展示了业内首款高分辨率、宽视野单光子雪崩二极管(SPAD)阵列探测器。SPAD阵列是微光光子探测器芯片,可用于不同类型(包括短距、中距和长距)激光雷达当中。

欧司朗从去年开始就有消息传出将进入激光雷达市场。本届CES上,欧司朗展示了应用于自动驾驶概念车MetroSnap的激光雷达技术。MetroSnap是一款L5级别的自动驾驶汽车,欧司朗称其所提供的激光雷达技术能够通过红外线脉冲激光绘制车辆周围环境的3D地图,使MetroSnap概念车实现更安全的自动驾驶。

另外,近日图像传感器大厂索尼也传出将进军固态激光雷达的消息。

中国公司也在激光雷达领域崭露头角。在CES2020上,由DJI大疆内部孵化的览沃科技(Livox)发布了两款激光雷达传感器:Horizon和Tele-15。览沃科技表示,这两款激光雷达为L3/L4级自动驾驶而设计,是高性能、低成本、可量产的传感器解决方案。览沃科技以此为契机还与自动驾驶初创公司Refraction
AI和AutoX建立了合作关系。

迅速发展媲美机械式产品

激光雷达一向是汽车自动驾驶技术得以实现的主要部件之一,具有高分辨率、抗干扰能力强、获取的信息量大等优点,然而,高昂的造价也限制了它的普及应用。特斯拉CEO马斯克就曾公开表示:“傻子才用激光雷达,现在谁要还是靠激光雷达,那就注定完蛋!”不过近年来,随着博世、安森美、索尼、英飞凌等半导体厂商的大举投入,固态激光雷达正在慢慢走向成熟。

专家指出,固态激光雷达与传统的机械旋转式激光雷达不同,它采取MEMS、光学相控阵列(OPA)等扫描方式,对物体信息进行识别,以实现收集路况信息,为自动驾驶提供数据基础的作用。而且相比机械式激光雷达,固态激光雷达在成本、体积、可靠性和使用寿命上都有优势。

那么,目前的固态激光雷达可以和机械式激光雷达相媲美吗?从览沃科技发布的产品参数来看,Horizon检测范围达260米,水平视场角81.7°,可覆盖10米距离内的4条车道,等效于传统64线激光雷达,采用5个Horizon即可实现360°场景覆盖。同时,Horizon具有高密度点云、体积小的特点,可以轻松地嵌入到车辆中。Tele-15探测距离达到500米,为远距离检测而设计,兼具紧凑尺寸、高精度和耐用性的优势,0.1秒即可扫描15°圆形视场内99.8%的区域,这一点要优于传统128线激光雷达。

激光雷达解决方案提供商速腾聚创(RoboSense)合伙人兼副总裁Leilei
Shinohara也表示:“我们与安森美半导体合作并利用RD系列SiPM系列,已迅速超越了传统激光雷达制造商使用较老旧的APD技术和机械扫描架构所提供的性能。

有望加快商用进程

激光雷达一直是自动驾驶汽车中价格最为昂贵的传感器,各个零部件供应商和激光雷达初创公司都想降低激光雷达的生产成本,以获得规模效益。随着固态激光雷达技术的逐渐成熟,固态激光雷达由于改变了数据读写模式并省去了旋转部件,成本可以大幅下降,有望推动市场应用的快速扩大。

在宣布推出激光雷达芯片时,博世发言人即表示,博世的激光雷达已经开发完成,并且售价将会低于市面上其他的激光雷达,使其成为一款大众可负担得起的产品。览沃科技更是直接将激光雷达的价格拉到了万元以下,Horizon的报价为6499元,Tele-15为9000元。览沃科技全球市场总监邓睿豪表示,大疆一直在推动的事情是希望将前沿技术平民化,这种思路也同样适用于Livox。

随着博世、安森美等半导体大厂进入激光雷达领域,特别是中国芯片厂的进入,激光雷达技术应该会取得突破,其价格有望进一步下探。而核心芯片价格的下降,直接影响激光雷达的价格,有望从万元时代来到千元时代。

从应用角度来看,激光雷达的应用依然需要与毫米波雷达、摄像头等设备结合使用。恩智浦资深副总裁兼首席技术官Lars
Reger表示:“激光雷达、雷达、摄像头,就像人的眼睛能看到的视线一样,应当相互补充,结合使用。”

毫米波雷达优点主要是探测距离比较远,精度非常高,而且不受天气和光线的影响。毫米波雷达对运动的金属物体比较敏感,但对于静止的金属或非金属物体,运动的非金属物体不太敏感,分辨率也比较低。激光雷达的测距精度非常高,基本上可以达到正负一两厘米,分辨率也非常高。但激光雷达容易受到阳光雨雾和互干扰的影响。摄像头可以通过丰富的成像信息进行各类识别运算,比如行人、形变的物体,还有停车场的横杆以及交通标识等。不同方案结合使用可以起到相互补充的效果。事实上,目前博世、安森美、恩智浦等主流半导体厂商都掌握着三种技术相对完整的产品线,同时致力于打造整体解决方案。(作者:中国电子报)

专注FMCW激光雷达的光勺科技亮相CES 2020

博客自动驾驶小能手 发表了文章 • 0 个评论 • 560 次浏览 • 2020-01-16 18:37 • 来自相关话题

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。市场 ...查看全部

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。

市场上最常见的两种激光光波调制技术有调幅(AM)和调频(FM)。传统的调幅(AM)激光雷达易受其它传感器光源干扰,容易出错;而FMCW技术能够提高对外界干扰的容忍度。FMCW技术的基本原理是用高频连续波作为发射波,利用接收的回波频率与发射的频率之间的微小时间差计算出某物体与目标之间的实际距离,两者的变化规律都是三角波规律。将调频(FM)激光雷达运用于自动驾驶领域,有助于提升无人驾驶汽车的安全性、帮助其根据周围环境做决策。相比AM技术,新制式FMCW激光雷达有三个显著优点:(1)探测距离长度达250米,是AM技术的2倍;(2)能提取动态多普勒信息;(3)使用单机激光特定频率,避免互相干扰。

目前,激光雷达赛道比较拥挤,全球大约有一百多家供应商,但是都是AM老技术制式,只有十余家公司使用FMCW技术。国内的光勺科技就是其中一家,而发布路测视频的目前只有三家。

目前,FMCW雷达方面最为知名的公司是被Aurora收购的Blackmore。与Blackmore采用调频FMCW技术不同,光勺科技的新制式FMCW激光雷达(Self-Homodyne Laser Radar)调制的不仅是激光光波的频率,还包括相位,也就是使用了调相技术。该公司拥有相干检测技术的核心专利,能够实现4D激光点云输出。每一个输出点云中不仅包含距离信息,同时能够提取动态目标的多普勒彩色图形信息,这将有助于在自动驾驶中探测移动的目标,高效、自动输出安全驾驶距离;同时能够排除外界噪声的干扰,提高对外界温度、环境恶劣程度的容忍度。

光勺科技表示,相比于传统FMCW调频技术,公司产品具有核心优势。从符合车规级的角度看,使用调频方案时,需要激光信号具有极高的调制线性度,而调相方案中只需要控制相对长度,对产品长度的误差度和环境的容忍度也有很大的提升,因此更容易符合车规级。


光勺科技的4D多普勒成像信息

光勺科技此次展示了实际路况测试视频。视频中,如团队提供的4D多普勒成像信息图所示,自动驾驶汽车行驶过程中,前方150米出现两个骑自行车的人在车前进方向逆向行驶,即最左图中的圈出的绿点,FMCW激光雷达能够清晰辨认出150米外正在移动的目标。图三中,两个骑行的人中有一人朝着横向方向驶开,离开车载雷达的视线范围;但另一个人仍逆行前进。此时,自动驾驶车前出现一辆出租车将骑行者挡住,人的位置位于最右图中的红圈内,该路况下,传统雷达视线会被出租车阻挡,无法辨认出骑行者所在位置,这对于自动驾驶汽车来说无疑是危险的情况。光勺科技表示,公司的FMCW激光雷达能够在此种情况下透过遮挡物,清晰地提取出室外移动目标的多普勒信息彩图,这将大大有助于提升自动驾驶汽车的安全性。

在CES 2020展会之后,目前已知对其FMCW激光雷达样机感兴趣的企业有专注于公共交通新型自动驾驶的初创公司Bluespace.ai、印度塔塔集团旗下的Elxsi。同时,光勺科技团队还在积极对接谷歌Alphabet旗下的美国第一无人驾驶公司Waymo和通用旗下的Cruise。谈及激光雷达产品正式上市的时间,“预计在2020年的Q3或者Q4发售”,光勺科技团队回复。因为“硬件加工上难度并不大,核心还是模型和算法”,厂商确认订货和下单之后,光勺科技能够在一个月内发货。

谈及竞争优势,光勺科技表示,他们申请了的一套针对激光调相的调制方面的核心专利,这是对手没有掌握的。光勺科技是国内第一家实现真实条件路测的FMCW激光雷达公司。

这个赛道上,除了技术发展路线与光勺科技最相似的Blackmore,还有Strobe、Aeva和Bridger Photonics等专注于FMCW激光雷达的厂商。其中,Blackmore获得了宝马的风险投资,Strobe被通用汽车旗下的无人驾驶公司Cruise收购;而Aeva和Bridger Photonics分别获得了丰田风险投资和德国蔡司的投资。不过,这些激光雷达厂商的产品都或多或少被市场上的头部企业绑定了。比如,Blackmore的产品仅对Aurora发售,Aeva的样机仅用于奥迪和保时捷。

杨晓明:以智能架构推动自动驾驶汽车实现量产

博客自动驾驶小能手 发表了文章 • 0 个评论 • 70 次浏览 • 2020-01-14 17:29 • 来自相关话题

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型&nb ...查看全部

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。

1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型 引领创新”主题,围绕行业、企业、政策的转型与创新展开广泛研讨。

杨晓明介绍,目前,整个行业正在面临着向移动平台未来出行方式变革的挑战,在这个挑战过程中,安波福一直坚持三点:第一、安全,就是解决汽车零事故的问题。第二、环境,就是绿色,如何达到严格的排放要求。第三、互联优势。如何把安全、绿色、互联三方面结合到未来出行自动驾驶的平台上,对整个汽车行业来说,是挑战也是机遇。

杨晓明说,即使在2019年中国汽车市场面临下滑的情况下,主动安全系统仍然处于非常高速的发展阶段。“目前,汽车行业存在的一个大问题,就是传统汽车的架构接近饱和,已经不太可能承受安全、绿色和互联的发展趋势对汽车平台的要求。”

如何解决?杨晓明认为可以从今年的CES展得到启示。杨晓明认为今年的CES表现出三个特点。首先是激光雷达公司强调的重心已经从功能转向成本,在成本价格得到解决的情况下,激光雷达就可以达到适用的量产阶段;其次是AI正在成为主题,算法及计算能力得到发展;第三是感知系统被重视,如面部识别,对汽车内部的传感系统等。

杨晓明透露,安波福正在做下一代汽车架构的团队,注册商标SVA,就是智能汽车架构。这个智能汽车架构有三大特点:一、强调把软件和硬件分离开;第二、把输入端和输出端与中央计算分离;第三、中央计算中心担当服务器角色。

杨晓明认为,智能汽车架构是目前的一个发展趋势。软件和硬件分离会带来更多好处,在升级扩充功能的时候不需要重新对每个模块进行长时间的车级论证,软、硬件开发时间会大大缩短。最重要的是可以扩充功能,就是说可以不停地开发客户需要的功能,通过云端直接升级到车上,而不牵扯大规模硬件方面的论证。同时,可以实现电子电气架构的自动化装配,大大降低汽车组装的成本。“汽车智能架构会带来非常大的业务模式的变化,这个业务模式的变化不仅是消费者端,而是在整个汽车产业链里,谁来完成哪一块的功能,这是一个全新的开放的生态方式。”

安全、绿色、互联的发展趋势需要新的系统的解决方案,新一代汽车智能架构是高度自动驾驶汽车量产的基础保障。“到底市场如何去变?我认为下一个革新最可能成功的地方就在中国,因为我们有各方面的社会优势以及大量的创新企业正在向这些方向发展。”杨晓明说。(作者:交通安全智库)

2020年,5G和边缘计算将如何发展?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 73 次浏览 • 2020-01-13 09:51 • 来自相关话题

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。 ...查看全部

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。

2020年新年伊始,围绕着边缘计算和5G肯定会有一波新的炒作。现在是巩固和更新我们对这两个概念的理解以及探索这两种技术如何相互补充和相互增强的理想时机。特别是在金融支付、在线订单、欺诈监测、机器学习等领域,这两项技术将助力你在未来保持持续地竞争力。

边缘计算主要是处理来自更接近其创建位置的设备信息,而不是在云平台中来回调取信息。5G的到来,为边缘计算之前不可能实现的应用铺平了道路。比如增强现实和虚拟现实,5G的超低延迟特性使你看到的东西与你正在做的事情保持同步;还有自动驾驶汽车,需要在瞬间对大量数据进行处理并做出决策。

IDC预测,到2025年,全球将有1500亿台联网设备(包括RFID),其中大部分都会实时输出数据。2017年,实时数据仅占所有创建、捕获或复制信息的15%;到2025年,这一比例有望达到30%。从百分比上看,边缘计算似乎不会带来翻天覆地的变化,但是从数据的原始容量来看,这是一个数量级的增长(从~5 zb到~ 50zb)。边缘计算基于海量实时数据,具有同步智能分析的能力,同时最小化带宽开销。

新的定义

即使已经到了2020年,关于“边缘”的定义仍会仁者见仁智者见智。从NIST(美国国家标准技术研究所)到IEEE,模型仍在不断发展。它可以是树莓派选择性地将传感器信息发送到云上,也可以是谷歌在线流媒体平台上处理数据的节点。虽然这两种模型之间有很大的差距,但它们都使计算资源更接近用户终端。

一份相对中立的边缘计算报告中给出了一个更明确的定义,得到了一些行业的共识:

  • 边缘是一个位置,而不是一个新事物。

  • 边缘计算有很多,但我们关心的是网络“最后一公里”的边缘计算。

  • 边缘计算有两种形式:基础设施边缘和设备边缘。

  • 计算将同时存在于边缘和云平台,他们之间的界线越来越难以划分

通俗地来讲,设备边缘包含终端,如电话、无人机、AR耳机、物联网传感器和联网汽车;还包含网关设备,如交换机和路由器;以及本地服务器。它们都在网络最后一公里的下游。基础设施边缘存在于上游,是通过网络接入设备和数据中心获取计算资源。

例如在大钻机案例中,树莓派是在设备边缘,它不需要实时传输环境数据来占用带宽,而是在本地进行处理,除非紧急任务下才向后台上报。相反,当本地数据中心需要提供每秒60帧的流媒体速度来播放4K高清视频时,虽然设备边缘能提供了一个明显的低延迟优势,但是用户更希望向上游获得一个具有更强大的处理能力的硬件。

除了分布式基础设施靠近核心网络之外,对云的要求也变得更集中化和可扩展性。但是,当您使用云计算时,延迟要高得多(而且一致性也差得多)。

低时延边缘计算的优势

人们很容易将低延迟视为边缘计算的杀手锏,尤其是在云计算受到物理限制的情况下。

数据的传输速度不可能超过光速,因此向数百或数千英里外的服务器发出请求必然要花费数十或数百毫秒才能完成。当你滚动网页时,这种区别是看不出来的。但对于远程操作的外科医生或虚拟现实中的游戏玩家来说,这些延迟是无法接受的。

边缘计算则消除了延迟以保持数据的一致性。

边缘计算还避免了在连接的设备和云之间来回传输数据。如果您可以确定数据的价值更接近它被创建的地方,那么就可以优化数据流动的方式。将流量只用于云上的数据,可以减少带宽和存储成本,对延时性不敏感的应用也是如此。

边缘计算还会带来可靠性。在恶劣的环境中,设备边缘和集中式云之间数据传输可能会出现很多问题。如海上平台、炼油厂或太阳能农场,设备边缘和基础设施边缘可以在连接不到云的情况下半自主地运行。

分布式体系结构甚至是安全的福音。将更少的信息转移到云中意味着拦截的信息更少。边缘的数据分析在地理上分散了风险,端点信息本身并不容易保护,因此,边缘处的防火墙有助于限制攻击的范围。而且,出于遵从性原因,将数据保存在本地可能很有用。边缘基础设施提供了基于地理位置或版本权限访问的灵活性。

5G和边缘计算相互促进

边缘计算并不新鲜。早在2000年,内容传播网络就被称为边缘网络。但人们普遍认为,随着5G覆盖范围的扩大,边缘计算将有助于利用本地(而非区域)计算资源解决现代应用程序的高带宽、低延迟需求。

5G技术将使计算资源更接近数据生成的地方,从而提高企业应用程序的速度、可靠性和灵活性。更多的信息将在5G网络之间高效传输,而不需要往返于中央云上。因此,我们将会看到以前不存在的应用案例。

根据《边缘计算状态报告2020》,对边缘计算的最大需求来自于通信网络运营商,他们要不断的更新基础设施和升级5G网络。在这些网络上运行的移动消费者服务将依赖于边缘计算,来支持在线游戏平台、增强/虚拟现实和人工智能等应用。

智能家庭、智能电网和智能城市都倾向于使用设备边缘平台。但是,随着这些用例的发展和变得更加复杂,也会出现对基础设施边缘功能的需求。5G对超可靠低延迟通信(URLLC)和大规模物联网通信(mMTC)的规定意味着设备和边缘计算可以更紧密地连接在一起,使它们的短连接更高效。


如图所示:交通信号灯联网并连接到边缘网关,数据可以在那里被收集和分析。作为边缘网络的一部分,它们可以向地图工具提供数据,并围绕拥塞问题重新设置路线。

值得一提的还有自动驾驶汽车。它是5G增强的边缘计算的典范。现在最新的汽车已经利用设备边缘上的计算资源进行避碰、车道保持和自适应巡航控制。但随着辅助驾驶和自动驾驶功能变得越来越复杂,将需要添加来自周围环境的基础设施的边缘资源。例如:根据前方的交通状况来调整行程,与其他自动驾驶车辆相互协调在红灯前通过,或者在瞬间做出决定以避免不安全情况。

边缘计算还需成长

边缘计算被列为Gartner 2020年十大战略技术趋势之一。同时列表中的其他几个概念也植根于边缘计算。超自动化致力于应用人工智能和机器学习等技术,它将依赖于低延迟和持续可靠的通信基础。多维体验也是一大趋势,它依赖于高带宽和实时处理的多维传感器和多功能界面。当然,智能的事物都与AI、5G和边缘计算有关。

启用这些新的应用将需要大量的投资。据Tolaga Research预测,从现在到2028年,IT和数据中心基础设施的累计资本支出将达到7000亿美元。

随着计算资源从集中式云向分布式边缘的扩散,新的应用、新的机会比比皆是,特别是成熟的基础设施边缘。理解边缘计算和5G的影响将帮你给客户带来更加无缝的体验,洞察新市场,并迅速做出反应决策。(作者:Chris Angelini)

邬贺铨:5G发展尚未能满足车联网需求

博客自动驾驶小能手 发表了文章 • 0 个评论 • 72 次浏览 • 2020-01-13 09:31 • 来自相关话题

5G的车联网创新还需要验证  ...查看全部

5G的车联网创新还需要验证 

1月10日-12日,以“把握形势、聚焦转型、引领创新”为主题的2020中国电动汽车百人论坛在北京钓鱼台国宾馆举行。

在10日上午的自动驾驶论坛上,中国工程院院士邬贺铨发表了主题为5G车联网的挑战的演讲。他认为,5G要满足车联网的需求还有很大的挑战。目前的5G技术是为公众通信而设计的,面向的客户群体广大,地域宽广。但对于车联网而言,所需要的应用距离则较短,尤其是车辆与车辆之间。而车联网在80%的状态下都是为行驶准备的,因此对于通信的移动管理要求很高,车联网需要每时每刻都在线。

除此之外,传统的通信主要是满足“点到点”的传输需求,但是城市车联网在V2V环境下是“点到多点”和“多点到点”的传输,需求更加多样。

因此,在邬贺铨看来,5G要满足车联网的需求还有很大挑战。除了技术层面之外,由于车联网拥有众多标识方案,因此未来不用的运营商之间还会存在互通的瓶颈,无法实现有效的直连。

以下是邬贺铨的演讲全文,雷锋网做了不改变愿意的编辑。

车联网的发展需要5G

车联网的通信模式可以分成四类:1.V2V(怎么解决汽车与汽车之间的通信);2.V2P(汽车跟行人之间怎么通信);3.V2I(汽车跟路边、云、红绿灯、停车场的通信),怎么控制信号灯的转换;4.V2N(汽车到网络的通信),解决优化交通流量的问题,做好交通的规划。

我们可以看到为什么会车联网需要有通信呢?我们的汽车车速和刹车的距离,它们是有关系的,假如每小时开到112公里的话,到刹车的时候,差不多要真正刹住需要5秒钟,我们说100米以内可能是驾驶员的感知,200米是车辆的感知,V2V可以有300米的感知,可以提前一些,上到云可以有更远距离的感知(2公里)。

现在汽车作为自动驾驶,是L5级别,不同级别对传统时延有不同的要求的,这需要有不同的技术来支撑。就通信技术而言,在4G时代,L1、L2级别的支撑应该是没问题的,但是如果说真的要到L5级别,就需要5G,最底下一行eMBB是增强的移动宽带,eV2X是增强的v2x通信,包括车到车、车到路、车到基础设施等等。实际上为什么会时延有要求?我们可以停车为例,应该说对时延要求不是最严格的,但是我们可以算出来,如果停车精度要1米的话,扣除处理的时延10毫秒,制动感应30毫秒,这个时候可以看到V2X的时延只允许5毫秒。

远程驾驶、自动驾驶要求端到端的时延不超过5毫秒,可靠性要求99.999%,需要联网,每辆车每秒的数据会到一个GB,按照移动通信标准化组织3GPP对eV2X的要求,在自动驾驶和传感器共享的要求,时延不能高于3毫秒,传感器共享要求带宽1GB,我们可以看到在4G的时代,LTE的时延可能要到100毫秒,如果我们加上边缘计算,可以减到10毫秒,但是仍然超出了目前自动驾驶的要求,所以我们需要有5G+边缘计算,可以说车联网需要5G,只有5G才能支持这个要求。

车联网的通信可以分成好几类,总的叫V2X,一类是短距离的通信,最大传输距离800米这么长,而最高车速是60公里,最大数据率大概是27MB。另外容量不够,如果交通拥堵的时候,车很多的时候就不能胜任了,在抗干扰方面以及覆盖方面是它的不足,现在较多用C-V2X,C是蜂窝的意思,基于蜂窝的V2X可以分为在4G场景下的LTE的V2X,还有增强的LTE环境下的V2X,以及NR的V2X,就是5G,我们可以看到,在4G时代,带宽可以扩展到上百兆,带宽可以到上行500兆,下行1G,但是用户面的时延10毫秒,控制面的时延50毫秒。

增强的4G的V2X增加了一些功能,像车联网编队、高级驾驶、扩展远程驾驶。我们注意到最右边5G的时候,它的通信距离延伸到1公里,最高相对车速可以支持500公里,最大带宽到1G,最重要的是时延降到3毫秒,通信可靠性能做到99.99%。相对于其他的模式,5G是比较接近车联网需要的。

5G本身,我们走过了第一代移动通信,一个蜂窝小区,是以频率的不同区分用户,我们叫频分多址,它是模拟的,以GSN为代表的2G是数字的,以时隙的不同区分用户,TDMA,3G都是CDMA,是以码道的不同区分用户,码分多址。4G把频分、时分、码分都用上了,它的峰值速率可以上到100兆。现在5G来了,在多址方式上,5G和4G有所改进,但是并没有完全变化。

应该说整个移动通信都是十年一代,每一代移动通信的峰值速率是前一代的100倍,所以5G峰值速率可以上到20G,但是这是极端的情况,是工作在毫米波频段800兆的窄频,而且一个蜂窝全部给一个用户用,服务器就在边上,这种情况基本上是实验室做一个测试可以,对一般的应用是不可能的。

即便做不到20G,做到1G是没有问题的。最重要的区别不在于带宽,而在于它扩展的应用模式叫产业互联网和智慧城市,三代应用场景增强移动宽带、超可靠、低延时、广覆盖、大连接,它基本上还依靠通信的基本原理,蜂窝做得更密,这样容量更大,尽管频率高了,传输距离短了,但是蜂窝密了,能够适应。其实是大规模的天线,也就是说把空分的能力也加上去了,还有窄宽频率以及物理层的改进。

所以5G跟4G比,在多项性能上都有1-2个数量级的提升,比如说移动性现在能支持500公里时速的高铁,无线接口延时减少到1毫秒,连接密度提升10倍,一平方公里有100万个连接,能效和密度密度各提高100倍。

5G面临的诸多挑战

我今天主要想说即便5G要满足车联网的要求也还是有很大的挑战,比如说传统的互联网是叫无连接的,所谓无连接在右图可以看到,一个信件可以拆成很多个IP包,过去是无连接,我们的路由器既有节点控制功能,也有传送转发功能,过去收的一个IP包打开看一下地址,找到最近的路由器做转发,这实际上是不考虑全网优化的,现在我们希望把节点控制功能抽出来,进行网络操作,把应用功能抽出来,然后全网收集全网的大数据,包括业务流量的数据以及车流的数据,还有网络资源的数据。在源端就定义了端到端的这条路由,这就是叫面向连接。

如右图:原来的无连接,一个邮件可以变成很多个信件,本来都是同一个源到同一个目的地的,但是实际上在互联网上,我们是逐包转发的,每一个包各自选路,这叫无连接,相当于走不通的路。在当初互联网开始的时候认为不稳定,所以我们用这种方式能够保证它通信的可靠性,即便一个包传不了,可以重传这个包,而不是一个信道都丢掉。

如果用原来互联网无连接的方式就显得效率太低了,在车联网上尤其如此,所以我们改用软件定义网,也就是说通过网络的集中管理,从头到尾给它指定一个路由,这种情况在现实交通中,比如说我们在北京早高峰、晚高峰给公交车指定一个路由,但是平时不能对任何车定路由。而5G希望对所有的业务流能够在源端把每一个路有指定好,优化方式。实际上在现实情况下,可能只有级别很高的高级车辆才能有这种待遇。

如果把它用在车联网上用,这实际上所有的车都要有单独给它计算一个路由,这个计算量还是很大的,另外怎么能够实时?怎么能够满足低延时的要求?而且传统的通信网在做这个计算,是在网络运营商的中心来做的,而车联网不能够把它放到整个网络运营商的运营中心,因为一个城市是一个城市,所以可能这种管理集中处理功能,只有放到城市里头,而按城市来分级可能就会多了,另外,所有的车都要端到端的指定路由,这实际上是要求比较高的,所以是不是说未来一部分车指定,一部分车不指定,所以这也是一个挑战。

其次,5G上面要适应高铁的通信,很多时候坐在家里用的时候根本没有运动速度的要求,5G要支持高带宽,当然很多时候传感器数据是低带宽,所以要求是各种各样的,我们不能把网络做成不一样,我们是通过逻辑上的切片,你要高带宽的,我把网络资源组成高带宽,你要低延时就给你低延时,要高可靠就给你高可靠,就像马路上一样,大客车给它指定通道,小车给它指定通道,甚至摩托车给它指定通道,5G的时候希望这样,但是实际上能做到这么精准、这么细致也是有难题的。

这个我们在通信上叫网络切片,网络切片就是给它组成了专用通道(VPN),我们知道VPN是大客户,是少量的,而5G现在希望对所有的都做VPN,这显然是一个难题。另外,车联网如果在公共公用网上只有一种业务类型,是不是所有车联网的车都成为一个大切片呢?这种想法跟原来切片提出的“小”思想是不完全一致的。虽然都是车,但是每一辆车对通信的要求是不一样的,里面有特种车辆、一般车辆,需要区别对待。

还有一些问题,马路上有一些车具有支持网络切片的能力,原来的车并不具有支持这个能力。所有车混在一起,你有切片的能力好办一点,没有切片能力怎么办?就像自动驾驶的车上路了,你可以做到不撞别人,但是不等于别人的车不撞你,所以有一个管理上的挑战。

另外,车联网面对行驶中的车辆,要用无线联网,不可能用光纤,刚才说过了,5G和其他的车联网技术比是更有优点的。当然了,我们最方便的办法是用运营商的网络,车联网上到运营商的网络,这样不需要重新投资基础设施,可以节省成本。

但是有一个问题,传统的运营商的基础网络在5G的时候主要使用TDD的模式,TDD是什么意思?就是在一个频段上既有上行也有下行,上下行不见得是对称的,因为在消费侧的应用,大部分消费侧希望从网上下载视频的多,自己往上传视频的少,所以在同一个频段安排上下行的时候一般是三七开,30%的时隙用于往上传,70%的时隙用于接收网络的数据,可是在物联网,我们更多的是传感器的数据往上报,而真正网络指令的数据还是少的,所以应该是倒的三七开。

这两者不同的上下行时隙的配比如果安在同一个运营商的网上,这两者是有互相干扰的,所以要不就设计在不同的窄频,否则就很难配置,所以现在就提出一个问题,车联网能完全上到运营商的5G网络吗?所以我们有可能说我们城市里头可能要建设一个支持车联网的5G的专网,它可以有单独的时隙配置,而不跟公众网上的时隙配置冲突,这就需要专用频率,欧洲对工业互联网已经测算了,预留了76兆,德国分配100兆。

目前分给车联网的频率是5.8G,带宽不高于75兆,真正给V2V用的只有25兆,所以如果每一辆车都要有专用的广播频率的话,频率就不够了,所以频率问题对车联网来讲也是一个挑战。建设一个专用的城市车联网的5G专网也有成本的挑战。

另外,尽管5G的空口时延很短,但是如果存在地面,再经过一些处理,那时延还是比较大的,所以我们需要把云的能力,部分计算能力下沉,成为边缘云,边缘云负责处理一些时延敏感的数据,过滤掉一些数据送到中心云,中心云搜集多个边缘云的数据优化模型再下发,所以我们说为了适应车联网的需要,需要大量使用边缘计算,将存储内容分发下沉到边缘云来处理。

 IDC预测将来50%的数据都要在边缘处理,当然了,两机云会比单机云的成本节省一些,但是在车联网场景下,如果边缘计算下沉到路边单元,颗粒度很小,时延很低,但是太多了就碎片化,如果放到移动通信的RSU,路边的RSU效果是好的,但是边缘计算就要管理很多个路边RSU。

所以这里面也有一个成本问题,而且有一个车联网的问题,不是固定接入到一个边缘计算,边缘计算如果在基站,这个车一会儿开到另一个基站,也就意味着这种计算存储要转换到另一个基站上,这种基站到底是边缘计算与边缘计算之间沟通,还是上到中心云再来沟通,这里面各有优缺点,边缘计算和边缘计算之间直接沟通时延很短,能适应车联网的要求,但是带来了很大的开销。

5G的车联网创新还需要验证

5G很重要的应用是把物联网的终端直接连到人工智能、大数据的分析,过去我们没有5G的时候,除了光纤以外,其他手段不能解决传感器跟后台的大数据、人工智能之间的这种传输的时延问题,因此往往大数据、人工智能的决策分析都是滞后的,也就是说它会带来很大的时延,没法实时化,现在5G的介入使它们两者无缝融合,AI+IoT我们叫AIoT智联网,5G对物联网的要求是一平方公里100万个传感器能联网,传输时延不高于10秒,丢包率不高于1%,按照这个数字,应该是基本能够满足车联网要求,尽管这里写时延10秒,这是讲端到端很长距离的,城市车联网短距离不会有这么高。5G的AIoT需要一些技术来支撑,但是难题是什么?现在车里面几百个传感器都是用选来方式管理吗?这是一个挑战。

另外,虽然5G一平方公里能接入100万个传感器,每个传感器接进来又印证,一个一个印证到什么时间?所以要群组印证,群组印证怎么保证群组跟个性的区别?另外车联网V2V印证还要快,还要车联网要有大量的终端,本身也有安全问题,所以需要有安全的协议,但是安全的协议不能太复杂,否则不但增加能耗,还加大时延。这么多车联网会产生DDOS攻击,都被木马攻陷了,100万个传感器共同访问路边的车联网设施,也会把路边的车联网设施搞瘫痪了。

所以总的来说虽然5G能支持车联网大量的传感器联网,但是也面临很大的挑战,车联网用什么标识,车联网的物联网里面有很多种标识方案,在5G上当然希望用IPV6,但是实际上前面4G的车联网以及DSRC的车联网可能会用其他的标识,怎么实现标识之间的互通就是一个问题,而且车联网的标识一般是在一个运营商范围里头的,而城市里的车,可能某些车接入到移动,某些接入电信,某些接入联通,是不同的运营商,不同的运营商之间要互通,这就带来难题,一个是标识能不能一致,另外,过去我们三个运营商不是在任何城市都是直联的,在中国三个运营商直联的点只有13个,有些省,比如云南、西藏这些是没有的,云南电信跟云南联通要连通就要到成都的直联点才能实现。车联网上如果是这样的话,时延就没法保证,所以车联网就要求运营商的网间直联点要下沉到每一个城市,这也是现有运营商的网络做不到的。

车联网是5G的一种业务,5G的业务采用一种开放的方式,可以说接入到你需要什么能力我可以附加什么能力,就像App一样,这也方便我们的业务灵活性,5G本身又改变了协议的标准,传统的移动通信是专用的协议,所以5G是互联网的协议。

之所以开放和采用互联网的协议是为了让现有的业务更灵活,当然也带来挑战,原来网络是封闭的,协议是专用的,很少听说有网络安全事件发生在运营商的网络,把运营商搞瘫了,现在网络是开放的,协议是通用的,一定意义上5G会增加更多的安全风险。车联网对安全的要求又比一般的通信高,所以在这个情况下,我们需要付出更多的安全代价,而且车联网一般是短包,而互联网的TCP/IP对短包是没有什么效率的,所以是不是考虑新的协议应对物联网。

运营支撑也很复杂,5G有虚拟NFV,就是网络单元虚拟化,还有网络切片,这些都是动态的,要进行动态的管理,很复杂的管理系统,车联网一个问题要快速计算和处理,运营支撑系统不能只是运营商一个,可能到每一个城市也有一个,否则就不能实时性了,所以应该说实时性对5G也好,对车联网也好,都是很大的挑战。

所以我说整个5G来讲,虽然说它相对于其他移动通信系统更靠拢车联网的需要,但是实际上车联网的一些特点,不是5G所面对公众通信的特点,它是不一样的,而且有很多新的需求,现有的5G技术未必能适应。我的看法是:5G的车联网想说爱你也不容易,汽车永远在路上,5G的车联网创新也永远在路上!(作者: 王浠源)

晶方科技拟募资14亿元,用于开发智能传感器模块

博客自动驾驶小能手 发表了文章 • 0 个评论 • 87 次浏览 • 2020-01-06 10:45 • 来自相关话题

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。据公告显示,本 ...查看全部

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。

据公告显示,本次募投项目产品主要应用于手机摄像、汽车电子、生物身份识别、安防监控等领域,通过扩大产能顺应手机摄像、汽车电子、生物身份识别、安防监控等领域的新产品趋势,满足客户的新产品需求。

晶方科技认为,随着物联网和人工智能趋势的不断推进,这些领域正呈现出强劲的增长趋势。手机是影像传感器的最大终端用户市场,未来手机摄像头的需求依然强劲,其成长动力主要来自三摄、四摄对CMOS图像传感器数量的提升,每部手机摄像头数目将大幅度增加;汽车电子中自动驾驶需要多个摄像头传感器,未来增长爆发力足;全面屏+OLED逐渐成为未来手机的主流解决方案,以及手机多摄像头和更大的电池占用手机背部空间,屏下指纹将成为手机指纹识别主流的市场趋势,指纹传感器需求扩容确定性大;安防监控的普及度增加,安防监控市场传感器将会迎来稳定增长。

近几年,公司已对市场需求的新趋势进行了前瞻性的技术储备和布局。针对汽车电子等领域高可靠性的要求,公司在12寸消费类传感器用TSV晶圆级封装工艺的基础上,开发出了高可靠性TSV晶圆级封装工艺;针对市场高可靠性、高集成度、多芯片的市场需求趋势,公司2014年收购DRAM专业封测厂智瑞达电子(原德资奇梦达苏州封测厂),全面导入传统封装量产能力,将其与公司原有的先进封装技术互补,融合并再创新,率先推出了具有国际领先水平和具备完整 IP 的高端智能传感器用扇出型系统级封装平台。

本次投资项目将推动高可靠性 TSV 晶圆级封装工艺、扇出型系统级封装工艺平台等技术的发展,进一步巩固公司已有的技术领先优势和地位。

据悉,该项目建成后,将形成年产18万片的生产能力。该项目实施达标达产后,预计新增年均利润总额1.6亿元,预计投资回收期约6.19年,内部收益率为13.83%。该项目实施单位为苏州晶方半导体科技股份有限公司,项目建设期1年。

据公告介绍,晶方科技主要专注于传感器领域的封装测试业务,主要为影像传感芯片、环境光感应芯片、微机电系统(MEMS)、发光电子器件(LED)等提供晶圆级芯片尺寸封装(WLCSP)及测试服务,是中国大陆首家、全球第二大能为影像传感芯片提供WLCSP量产服务的专业封测服务商,该产品广泛应用在手机、安防监控、身份识别、汽车电子、3D传感等电子领域。

​博世高调杀入激光雷达市场

博客自动驾驶小能手 发表了文章 • 0 个评论 • 91 次浏览 • 2020-01-06 10:42 • 来自相关话题

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。 ...查看全部

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。

1578278976717130.jpg

私人控股的博世公司表示,内部开发的激光雷达传感器将在下周的拉斯维加斯消费电子展上展出,它将覆盖高速公路和城市的长距离和近距离范围,并将与该公司的摄像机和雷达技术配合。

激光雷达技术使用基于光的传感器生成道路的三维视图,但它仍然是一个相对较年轻的技术,仍在不断发展。从目前来看,它对于大众市场的使用来说太昂贵了,但是如果便宜的激光雷达传感器被广泛采用,它可以提供更多的深度数据,从而使自动驾驶汽车能够更好地检测到与行人等其他道路使用者的距离。

尽管众多初创公司正在研究激光雷达,但像博世这样的大型值得信赖的供应商的参与可以帮助加快该技术的采用。

博世管理董事会成员哈拉尔德·克罗格(Harald Kroeger)在一份声明中说:“博世将首先把自动驾驶变为现实。”

最初,激光雷达开发人员使用的是放置在汽车顶棚上的笨重的旋转设备,现在已经过渡到了更紧凑的固态设备,可以将其安装在汽车的其他部件上,例如前大灯附近。现在,这些产品的限量销售价格不到10,000美元,但分析师表示,批量生产的价格必须低至200美元才能实现商业可行性。

博世并未提供其激光雷达的时间表,价格或技术细节,但一位发言人表示,该公司正在努力使传感器“准备就绪”,并将重点放在“负担得起的大众市场”技术上。

发言人拒绝透露博世是否已经有传感器的汽车客户。

由于成本和监管问题导致汽车制造商和科技公司重新考虑其计划,因此无人驾驶汽车的发展已达到了一个减速的步伐。

目前,包括通用汽车公司,福特汽车公司和谷歌Waymo 在内的公司都使用激光雷达。苹果公司也正在评估这项技术。

其他公司则不愿采用激光雷达,原因是成本高昂且功能有限,其中包括埃隆·马斯克的Tesla公司和日产汽车有限公司。

去年4月,马斯克称激光雷达成本太高,并称依赖该技术的任何人都“过时了”。特斯拉汽车依靠摄像头和雷达作为自动驾驶的视觉系统。

在过去几年中,已经向激光雷达初创企业投资了数亿美元。

开发该技术的其他主要供应商包括法雷奥,Aptiv和美国大陆。去年7月,法雷奥表示已赢得价值5亿欧元(5.6亿美元)的激光雷达传感器产品订单。(作者:半导体行业观察编译自路透社)


“合肥造”77GHz毫米波汽车雷达芯片在京亮相引关注

博客自动驾驶小能手 发表了文章 • 0 个评论 • 90 次浏览 • 2020-01-03 14:13 • 来自相关话题

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。 ...查看全部

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。

论坛上,来自国家国防科技工业局、北京市科委、北京市新能源汽车促进中心等众多知名高校、企业的专家与学者齐聚一堂,共同研讨先进智能传感器领域、智能无人平台系统的研究发展状况。

38所科研人员作《毫米波传感器收发机芯片研究进展》主题报告。报告综述了毫米波传感器芯片最新研究进展及技术发展趋势,介绍了基于CMOS技术实现毫米波收发机芯片面临的挑战,以及毫米波天线与封装一体化设计最新解决方案。报告还介绍了38所研发的76~81GHz 3T4R毫米波雷达收发机芯片及最新研制成功的3T4R毫米波封装天线(AiP)模组。

77GHz毫米波芯片是汽车雷达传感器的核心芯片,目前一直被国外公司垄断。经过三年不懈努力,2019年,38所项目组攻克毫米波电路设计、晶圆级封装和封装天线设计等多项关键技术,芯片主要性能指标达到国际同类产品水平,在国际上首次实现77GHz多通道毫米波芯片与7路天线单封装集成。同年发表国际论文12篇,在国际集成电路领域一流会议RFIC、ISCAS、ESSCIRC完成会议报告3次。该项目先后获得安徽省科技重大专项、安徽省战略新兴基地等项目支持。(作者:新安晚报

5G SA应用落地!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 70 次浏览 • 2019-12-31 16:49 • 来自相关话题

5G应用,即将爆发无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多 ...查看全部

5G应用,即将爆发

无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多个城市开启5G商用;12月23日召开的全国工业和信息化工作会议对2020年重点工作进行了部署,要求抓好7个方面重点任务,在其中的“促进信息通信业高质量发展”重点任务方面,明确要在2020年“稳步推进5G网络建设,深化共建共享,力争2020年底实现全国所有地级市覆盖5G网络”。

5G商用,重点在“用”,通过“用”来实现5G投资回报从而促进进一步的5G网络投资、拉动信息消费升级、增加就业岗位等。国务院在12月24日发布的《国务院关于进一步做好稳就业工作的意见》要求开发更多就业岗位,为培育壮大新动能拓展就业空间,加快5G商用发展步伐。据5G微信公众平台的观察,国内各地出台的5G政策文件中,2018年的侧重于5G产业发展以及5G网络建设,而2019年的则侧重于5G应用发展——截至目前,各地已发布的约50个5G政策文件均要求积极推进5G应用示范;已成立省市级5G联盟与研究机构50多个,为5G应用发展搭建合作与创新平台。

着眼于最大限度释放5G系统在大带宽、高容量、低时延的能力,2019年,三大运营商积极探索5G创新型应用。中国电信在媒体直播、智慧警务、智慧交通、智慧生态、智慧党建、智慧医疗等共10大垂直领域探索5G融合应用,积极开展5G+云创新业务、5G+行业应用和5G+工业互联网等三方面5G示范应用。中国移动的5G联合创新中心,汇聚了400余家成员单位,在“5G+”计划框架下面向工业、农业等14个重点垂直行业开发5G融合应用。中国联通网络研究院的5G创新中心主要在新媒体、智能制造、智能网联、智慧医疗、智慧教育、智慧城市等10个行业方向的5G应用方面发力,并编制6 大行业5G工作指引。

5G使能的首个行业,数千亿美元的市场机遇

从大的趋势方向看,各类创新型5G融合应用的商用有着一定的节奏,预计绝大多数类型的5G融合应用的落地商用将会发生在5G SA规模商用后的2021年及未来(5G商用中后期),而2019-2020年间的5G商用初期将以eMBB类型业务为主。那么,哪个行业将成为5G使能的首个行业?从全球及国内的现状看来,答案是媒体行业/传媒行业。目前,该行业正在向超高清、多视角、强互动等全新体验演进,从而对于大带宽传输、云/边缘计算、大数据分析、人工智能等有着极强的需求,5G使能空间大,比如著名咨询公司Ovum在2018年10月发布的《5G娱乐经济报告》预测,在未来10年(2019-2028年),5G网络为传媒产业带来的营收机会将达到近1.3万亿美元,且在预测期内增长迅速:2019年,5G传媒应用营收4.09亿美元,占传媒产业总营收的0.2%;2022年,5G传媒应用营收将达470亿美元,占传媒产业总营收的18.5%;2025年,5G传媒应用营收将达1830亿美元,占传媒产业总营收的57%;2028年,5G传媒应用营收将达3350亿美元,占传媒产业总营收的79.9%。

如此巨大潜力的5G+媒体行业市场,早期的切入突破点何在?当下,人们对于大型公共活动、体育赛事等的直播内容质量要求越来越高,这使得专业制作的视频内容(如PGC)将继续有着很大的发展空间,此类内容在5G+媒体行业市场中将占据很大份额,主流权威媒体正在联合相关各方积极布局,最近的典型实践是新华社在12月22日通过中兴通讯联合中国电信分别在澳门、珠海搭建同厂家/跨厂家5G精品SA网络对“庆祝澳门回归祖国20周年澳珠烟花汇演”进行高清直播,实现澳珠两地跨境烟花汇演的现场实景。

电视直播最重要的环节之一在于“源头”——把活动现场的多路视频素材实时回传至制播系统(一般位于远端),且要求以广播级的质量(带宽、时延等)实现回传(毫秒级的端到端时延和100%的业务可靠性保证)。此次澳珠烟花汇演属于“庆祝澳门回归祖国20周年”的盛事之一,我们可以想见其对于现场视频素材实时回传的质量要求比一般直播活动的要求更高,根据新华社的报道,此次基于5G SA的直播中,应用上行优化专项保障技术建成全国领先的SA覆盖精品网,现场高清摄像机通过5G终端连接5G基站,利用5G高带宽、低时延的特性上传高清视频信号,经过现场实时编辑制作后,转换成视频直播信号,通过5G网络,实时传送到直播中心,最终分发到用户的手机和电视上。

笔者认为,此次盛事直播的成果,再次凸显了5G具备给传媒行业带来变革转型的能力。2019年,很多重大活动的现场直播都有5G的鼎力相助,比如在3月份的“两会”期间,中央广播电视总台联合中兴通讯首次使用5G+4K设备进行网络直播,新华社联合中兴通讯对全国政协记者会进行5G直播;8月份,中国移动山西分公司、山西广播电视台、中兴通讯联合通过一体化5G直播电视解决方案对第二届全国青年运动会进行了直播;10月份的武术运动世界顶级赛事——第十五届世界武术锦标赛期间,中国电信天翼视讯携手中兴通讯首次应用5G智慧场馆赛事直播解决方案为现场观赛用户带来了“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”三大标志性创新直播体验,并首次把“360度视角任意看”应用于大屏电视端为电视用户提供了多样的个性化观赛体验。

由此,可以说,在5G商用元年,5G+传媒行业的探索实践已经在火热地进行,解决了很多实际的细节问题。5G微信公众平台通过对上述各个活动的深度观察,总结出了5G直播的几大特点

一是5G的大带宽、低时延、高可靠等特性可解决重大活动现场直播的痛点问题。此前,由于网络时延比较大、网络质量不太稳定,4G在多数情况下只被作为直播的备路信号或短时间的小型现场新闻连线信号来使用,大型的直播活动和重要节目都还是采用卫星、光缆专线等传统技术手段。卫星传输需要动用大量设备(比如卫星转播车或者便携上行站等),而5G传输设备轻量化,便于工作人员携带,很多技术工作可以远程完成,减少人员和设备的出行成本。总之,把5G应用于直播节目的制作,能够解决诸多痛点——成本高(转播车出车贵)、效率低(制作回传不满足时效性)、环节多(专业技术资源调试时间长)、灵活性差(难以随时随地常态化报道)、抗干扰弱(极端天气/高人口密度/高速移动)、兼容性差(融合发布难)等。

二是5G非常有助于直播业务的创新。几十年以来,直播的模式一直都是“你播我看”。而现在,人们的眼界和欣赏水平已经得到迅速提高,对于“个性化”直播的要求越来越高,希望得到现场感、参与感等直播体验,比如通过现场“黄金”位置去看直播、实时无缝切换到自己喜欢的一些运动员的视角去看直播、自主切换空间看自己认为精彩的部分、边看比赛直播边在线上虚拟社区上参与讨论等。上述2019年的重大活动5G直播表明,5G结合一些新技术能够给用户带来个性化的直播观看体验,比如“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”。这使得我们看到了这样的潜力——通过5G与边缘计算等新技术的融合,能够实现大型活动现场多角度、多机位的拍摄与传输,以及依靠5G 网络结构整合内外场(内场比如电视台内制播系统,外场即转播现场)协同能力、重构内外场协同制作业务架构。

展望未来,各方共赢

对于重大赛事、大型活动、突发新闻等,用户普遍有着直播观看体验革新的需求,5G微信公众平台认为,将来都在5G SA商用后,结合端到端网络切片、MEC、云-边协同、大数据分析、人工智能等新技术的应用,高清/超高清视频直播过程中传输成本高、传输稳定性低、部署周期长、业务创新慢等媒体行业共性痛点问题可以得到很好地解决,使能运营商为媒体行业提供连接能力,通过5G网络实现随时随地直播,并实现视频流快速回传;使用5G网络切片功能,确保视频传输质量,以“动态切片”实现直播应用不再受限于传统光缆或/及卫星通信专线开通的周期,且可在直播活动结束后即可下线网络切片并释放相关网络资源,生命周期短,订购灵活;通过运营商边缘计算能力,实现视频流在本地的快速渲染、处理、个性化虚拟导播等。(作者:5G微信公众平台)


激光雷达中国市场“生变”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 106 次浏览 • 2019-12-27 18:51 • 来自相关话题

近日,激光雷达公司Velodyne裁撤中国区人员的消息,再度搅动了激光雷达圈子。两年前,这家外资公司还对中国市场充满了憧憬与信心,几乎垄断了整个市场。然而,就在今年,市场格局被后来居上的国产激光雷达成功扭转。激光雷达技术的门槛虽然很高,但是 ...查看全部

近日,激光雷达公司Velodyne裁撤中国区人员的消息,再度搅动了激光雷达圈子。两年前,这家外资公司还对中国市场充满了憧憬与信心,几乎垄断了整个市场。然而,就在今年,市场格局被后来居上的国产激光雷达成功扭转。

激光雷达技术的门槛虽然很高,但是随着国内科技创业浪潮的兴起以及资本的加持,一批国产激光雷达初创公司纷纷入局,并迅速以自身的技术和本地化优势占领了市场的一方天地。

对于老牌激光雷达公司Velodyne来说是尴尬的,因为他们可以生产出质量最好、性能最好的机械旋转激光雷达,却忽视了中国本土企业的“产品创新”能力。

例如,镭神智能自主研发的全球首款激光雷达专用16通道TIA芯片,让单颗芯片就可以实现多线束激光雷达模拟接收处理,可使激光雷达结构更紧凑,性能表现更为突出和稳定,同时也更易实现大规模量产。

尽管,国产激光雷达错失先发优势,但其差异化的市场策略有效规避了同质化的市场竞争。在高线数激光雷达市场上,Velodyne的128线激光雷达姗姗来迟,而64线激光雷达多年来没有再进一步优化升级,不仅价格惊人,硕大的体积也难以适应车身集成对感知设备的要求。
而作为Velodyne的投资方之一,百度Apollo自动驾驶车队从今年开始也把自己车上的64线激光雷达都替换成了禾赛的40线激光雷达。
此外,传统机械式激光雷达难以满足汽车主机厂对车规和量产需求。目前,全球唯一获得车规认证的,仅有法雷奥的4线混合固态激光雷达。
而在今年4月份,一直深耕自动驾驶市场的镭神智能也按车规标准推出了混合固态激光雷达,甚至一举做到了市场最高线束128线,相继还推出了车规级的32线和16线混合固态激光雷达。
在性能方面,镭神此系列激光雷达在探测距离、精度和分辨率等多个方面,都比机械式激光雷达有着更为卓越的表现。更重要的是,目前其样机已快速实现了小批量转产,并已陆续出货给国内外主机厂和自动驾驶公司进行测试。
按照该公司的预计,该系列激光雷达很大可能将成为全球第二款获得车规认证的量产激光雷达。
超高性价比顺应商业落地需求
技术和成本是初创公司之间激烈竞争的两个重要维度。随着技术的快速迭代,国产激光雷达的性能与国外相比已无太大差异,在某些性能方面甚至还做得更好。
而在成本控制方面,虽然Velodyne继圣何塞设厂批量生产后,今年还联合尼康在日本建起了一条激光雷达组装线,但其价格依然远高于国产激光雷达。
在生产成本把控方面,有别于其他友商,在成立之初,镭神智能就直接创建了自动化生产产线,以保障出品质量和组装效率。
目前,镭神智能的每个系列产品从立项开始,在关注技术的领先性的同时,也对成本作综合平衡, 通过项目的科学规划与管理,从源头到出品全线进行了严格的成本把控。
今年初,镭神智能宣布大幅降低机械式多线激光雷达之时,其所代表的正是国产激光雷达吹响强势逆袭的号角。
而目前Velodyne主要在售产品64线、32线、16线在2017年底官方定价分别为8万美金(约合52.3万人民币)、4万美金(约合26万人民币)和8千美金(约合5.23万人民币),还未包括运费、税费和代理商的利润等费用。
彼时,2017年9月,镭神智能的16线价格已经降到2.8万元,Velodyne的16线2018年1月份才降到4000美元。2019年2月份,镭神16线的价格降至1.2万元,Velodyne等其他家价格才降到2万多元。
而镭神智能的车规级128线混合固态激光雷达售价才6.8万元,价格是美国公司的1/15,车规16线混合固态激光雷达万台价格也才3999元。

镭神车规级CH系列混合固态激光雷达点云效果

合理的生产成本是目前激光雷达应用市场商业落地的一大瓶颈,显然,在同样的性能表现之下,国产激光雷达的价格优势更符合市场发展所需。
本地售后支持响应迅速
从此次裁撤中国区直销队伍来看,市场需求预期的不匹配是主要原因。
“如果是一次性购买超过100万美元雷达的主机厂,Velodyne中国就会直接为其提供售前与售后服务。” 这是彼时Velodyne在中国市场同时设置直销和代理两种销售模式的初衷。
然而,对于大部分激光雷达用户来说,其一次性需求量目前并没有那么大。因此,繁琐、响应慢的售后也始终是Velodyne产品存在的“硬伤”。
激光雷达作为一种前沿技术产品,目前大部分客户也都还不太清楚该如何使用和集成到整机,因此均存在着大量的售后技术支持需求。
而国产激光雷达则占据着地缘优势,如镭神智能除了深圳总部,在天津、杭州、成都等城市分别成立了办事处,以迅速响应全国各大省市的服务需求。
随着越来越多的激光雷达公司涌入市场,以镭神智能为代表的国产激光雷达从产品系统设计、核心技术、自动化产线、生产效率等方面均已比肩国际一流水平。
虽然未有数据显示Velodyne在中国的销量下滑,但在国产激光雷达公司的强势攻城略地之下,显然整个市场格局已有重大调整。
根据镭神智能官方宣布的数据,其2019年度中高端激光雷达销售出货量超万台,可见激光雷达的国产替代时代已经到来。

Aurora 要为自动驾驶汽车准备一套“空中交通管制系统”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 95 次浏览 • 2019-12-25 14:54 • 来自相关话题

当下的自动驾驶汽车离大规模商业部署还有很长一段距离,不过随着技术进步大部分公司在做规划时直接考虑到了多个层次的车辆安全性。作为有自动驾驶天团坐镇且被亚马逊钦点的新创公司,Aurora 认为一套能像空中交通管制员那样远程监控车辆一举一动的系统是保证公众安心 ...查看全部

当下的自动驾驶汽车离大规模商业部署还有很长一段距离,不过随着技术进步大部分公司在做规划时直接考虑到了多个层次的车辆安全性。作为有自动驾驶天团坐镇且被亚马逊钦点的新创公司,Aurora 认为一套能像空中交通管制员那样远程监控车辆一举一动的系统是保证公众安心接受自动驾驶的重要砝码。

这家创建于帕罗奥托,集合了 Waymo、特斯拉和 Uber 三家公司技术大牛的公司正在投资一套名为“远程协助”(teleassist)的系统。当然,眼下 Aurora 最重要的任务依然是不断提升软件、传立、传感器和视觉系统,方便自家车队在湾区和匹兹堡适应各种路况。

在 Aurora 看来,如果有需要,公司的远程控制中心应该能介入车辆传感器并在必要时刻提供一些建议和指导。在这种情况下,Aurora 的车辆会安全靠边停车。

远程控制系统并非 Aurora 首创,类似 Phantom Auto 和自动驾驶卡车新创公司 Starsky Robotics 都在测试类似系统。不过,该公司联合创始人兼首席产品官 Sterling Anderson 表示,“teleassist”系统可跟它们不一样。

“当需求冒出来时,我们的系统会提醒远程协助人员。当然,协助请求可能来自乘客,也可能来自车辆。”Anderson 说道。不过他也承认,远程协助人员提供的建议不能被当作车辆功能安全的一部分。

对于 Aurora 在这套监督系统上的投入,Anderson 选择闭口不谈。这项技术何时开放或投入使用也没有时间线。

Aurora 有专用的 teleassist API

2018 年 1 月正式亮相后,在 CEO Chris Urmson 的领导下 Aurora 已经融资超 7 亿美元。今年 2 月份亚马逊向其伸出橄榄枝,B 轮融资 Aurora 也成功拿到 5.3 亿美元。除了乘用车,Aurora 还在测试无人递送小货车和卡车。不过,Anderson 不愿透露亚马逊是否已经参与其中。

Aurora 三巨头

在操纵无人机和太空探测器时,远程控制技术已经发光发热几十年了,但在自动驾驶汽车上却始终未能广泛铺开。举例来说,Waymo 控制中心里也有专人负责盯着路上的测试车,并在必要时提供协助。不过,它们不会直接对车辆进行远程操控。至于“离全自动驾驶最近”的特斯拉,则压根没提供过远程指导服务(曾在特斯拉主导 Autopilot 设计开发的 Anderson 不愿谈论老东家的方案)。

Anderson 认为,影响远程控制技术蓬勃发展的原因很多,比如无线网络的延迟、远程操作员的态势感知能力以及对车辆所面临情况的掌握。不过,Aurora 的 teleassist 系统可推动自动驾驶车队尽早投入运营。

“我们的方案安全、快速且广泛。如果我们想尽快杀入市场并搞点不一样的,类似这样的系统是重要的安全保障。”Anderson 解释道。“有可能我们的系统在某些情况下会表现良好,但除非我们能用丰富的数据证明这一点,否则 Aurora 将采取保守的态度。”(作者 |:大壮旅) 

智能计算平台:车载“大脑”重构产业链

博客自动驾驶小能手 发表了文章 • 0 个评论 • 88 次浏览 • 2019-12-25 14:37 • 来自相关话题

12月19日,中国软件评测中心(工业和信息化部软件与集成电路促进中心)联合北京赛迪出版传媒有限公司发布“见证质量”技术白皮书。中国评测立足多年的测试认证等业务经验,结合当前的热点技术,撰写2019年度“见证质量”系列技术白皮书。中国软件评测中心总工程师陈 ...查看全部

12月19日,中国软件评测中心(工业和信息化部软件与集成电路促进中心)联合北京赛迪出版传媒有限公司发布“见证质量”技术白皮书。中国评测立足多年的测试认证等业务经验,结合当前的热点技术,撰写2019年度“见证质量”系列技术白皮书。中国软件评测中心总工程师陈渌萍,赛迪传媒董事长于萱,中国软件评测中心主任助理周亮、安琳等出席发布会。

发布会上,中国软件评测中心总工程师陈渌萍表示:“本白皮书能够为业界厂商、政府机构、研究机构和投资者等利益相关方提供有益参考,并对未来发展方向有所预见。为把我国经济社会发展推向‘质量时代’做出贡献。”

北京赛迪出版传媒有限公司董事长于萱表示,期待“见证质量”与传媒报道有机结合,从而更有力地推动产业发展、服务企业提升质量,为产业主管部门、企业管理人士、高校与研究机构学者等提供更有内容、更有质量的资讯服务。

本白皮书系列分别选取智能制造、机器人、网络安全、智能网联汽车等领域,阐述了行业背景、发展趋势、现存问题以及检测认证内容等,提炼了质量保障的核心指标。

本白皮书系列分为七大部分,其中,《车载智能计算基础平台参考架构1.0(2019)》白皮书,面向汽车的智能化、网联化发展需求,在总结国内外发展实践的基础上梳理车载智能计算基础平台参考架构。这是国内首份关注车载“大脑”的技术白皮书,填补了行业空白。

车载智能计算基础平台 整合跨界资源

近年来,在“新四化”背景下,自动驾驶成为产业竞争焦点,汽车电子的产业链和技术链面临重构。尤其是在当前复杂的国际产业竞争形势下,加强车载智能计算基础平台研究,具有重要的战略意义和现实意义。


车载智能计算基础平台是基于异构分布的硬件平台,集成自动驾驶操作系统的复杂系统,定位下一代汽车电子产业链条Tier1.5,是Tier1(一级供应商)和Tier2(二级供应商)之间的纽带和桥梁。车载智能计算基础平台将打破原有垂直化封闭产业链条,横向打通融合交叉领域,整合跨界资源,协同Tier1、Tier2、ICT企业、电信运营商、地图运营商等企业,重点突破共性技术和基础模块,搭建集成化的基础平台,支撑定制化和市场化的服务需求。当前基础平台存在顶层设计及关键技术标准缺失、滞后等问题,梳理参考架构有利于形成行业共识。

为此,在工业和信息化部电子信息司的指导下,由中国软件评测中心、工信部装备工业发展中心牵头,依托智能网联驾驶测试与评价工业和信息化部重点实验室,联合清华大学、国汽智联、华为、上汽、一汽等多家单位共同编制《车载智能计算基础平台参考架构1.0》白皮书。该白皮书作为前瞻性、战略性、系统性的顶层设计,推进参考架构的研究梳理,可为我国车载智能计算基础平台的技术创新、标准研制、试验验证、应用实践、产业生态构建等提供参考和引导,加快推动车载智能计算基础平台的持续健康发展。

软硬件协同“护航”自动驾驶

《车载智能计算基础平台参考架构1.0》白皮书为《车载智能计算平台白皮书(2018年)》的深化研究,在其基础之上,该白皮书聚焦车载智能计算基础平台的参考架构研究。

车载智能计算基础平台需要软硬件协同发展促进落地应用。车载智能计算基础平台结合车辆平台和传感器等外围硬件,同时采用车内传统网络和新型高速网络(如以太网、高速CAN总线等),根据异构分布硬件架构指导硬件平台设计,装载运行自动驾驶操作系统的系统软件和功能软件,向上支撑应用软件开发,最终实现整体产品化交付。

车载智能计算基础平台参考架构主要包含自动驾驶操作系统和异构分布硬件架构两部分。其中,自动驾驶操作系统是基于异构分布硬件架构,包含系统软件和功能软件的整体基础框架软件。车载智能计算基础平台侧重于系统可靠、运行实时、分布弹性、高算力等特点,实现感知、规划、控制、网联、云控等功能,最终完成安全、实时、可扩展的多等级自动驾驶核心功能。

该白皮书详细解析了异构分布硬件架构中的三个单元。该架构具有芯片选型灵活、可配置拓展、算力可堆砌等优点;在自动驾驶操作系统部分,白皮书对系统所需的不同功能软件进行了阐述,对其发展现状进行了梳理;在工具链部分,白皮书明确了车载智能计算基础平台开发的软硬件环境以及全栈工具链是提升开发效率的重要途径之一,并对五类工具进行了说明。

围绕产业应用 落实四大举措

最后,白皮书对车载智能计算基础平台提出了四条发展建议。第一,明确发展思路,保持发展定力。发展车载智能计算基础平台,必须要紧密围绕产业实际应用需求,以完善产业链和应用生态建设为中心,采用系统工程方法,总体布局,分步推进,保持发展定力。

第二,加快产品研发,引导生态建设。基于现有产业基础,可考虑采用“两步走”的技术实现路径。现阶段,重点基于参考架构和通用产品,尽快完成平台研发和应用示范;同时,鼓励有条件的企业强化创新力度,加快操作系统内核、自动驾驶专用芯片等产品研发。

第三,深化架构研究,加快标准研制。继续发挥好政府引导作用,聚合优势资源,依托创新中心、重点实验室等资源,建立和强化跨领域的专家工作组,进一步深化车载智能计算基础平台参考架构研究,加快开展车载智能计算基础平台标准化工作。

第四,加强能力建设,强化安全保障。高度关注产品质量和信息安全保障工作,在车载智能计算基础平台关键核心技术的研发和应用过程中,同步关注信息安全技术研究和标准规范研制,重点突破操作系统安全机制研究与设计、国产密码算法示范应用与推广,探索推动基于区块链的信息安全应用与服务。(作者:新能源汽车报)

2019智能网联关键动态,这4家公司和1个园区如何引领颠覆风潮 | 2019AI掘金榜

博客自动驾驶小能手 发表了文章 • 0 个评论 • 82 次浏览 • 2019-12-24 11:18 • 来自相关话题

毋庸置疑,智能为汽车打开了一扇全新的大门。 ...查看全部

毋庸置疑,智能为汽车打开了一扇全新的大门。


过去一年,智能驾驶市场热闹非凡,融资、并购、政策、立法、技术突破、成本迭代、野蛮人入侵、传统厂商转型……

所以我们看到,无论是汽车公司、零部件供应商、科技巨头甚至是初创公司,在对智能驾驶的基础研究、应用以及人才储备上,从不吝惜投入。

大背景下,赛道玩家们必须走一步看百步,了然新技术下产业的未来走势,而这都将决定着企业产品的周期、产业竞争的最后胜败。

每一个人都在见证和参与这场重塑未来的变革。

从实验室到商业落地,雷锋网追踪和记录了一系列致力于让智能网联技术从科学项目变成大规模生产力的公司。

从上游芯片企业,到传感器公司、软件和方案公司、一/二级零部件供应商,到车企、出行服务运营商,自动驾驶和未来出行产业链正在激荡的自我“打碎”和“重造”中,找到一种新的平衡,这种趋势推动着每一家产业链企业接纳改变,并拥抱改变。

最终,这些改变也将体现在诸如你我的每一个交通或是出行领域一员的切实生活中。日前,第三届“AI最佳掘金案例年度评选”结果正式出炉,其中,在近来备受关注的AI+智能网联领域,深兰科技、腾讯车联、星云互联、蘑菇车联、苏州高铁新城揽获奖项。

最佳智能网联汽车奖 深兰科技
看得懂的中国人工智能独角兽——深兰科技自诞生就自带AI基因,这让其入局智能驾驶领域游刃有余。借助AI相关技术积累,可以更好地自动化地解决车与车之间的数据沟通问题。 
与传统科技和互联网不同的是,智能驾驶更注重商业化落地和应用场景的打造,一旦无法创造价值,带来全新的体验,智能驾驶也就毫无意义。
从自动驾驶来看,深兰科技从全球城市交通的实际需求出发,自主研发了熊猫智能公交车,并赋予大量AI黑科技,以增强体验,满足用户的出行需求。同时,熊猫智能公交车具有出色的适应性,能够满足不同国家、不同城市的交通需求,实现快速融入“一带一路”沿线国家城市的智慧化建设中。
熊猫智能公交车由深兰科技主导研发,全长12米,实现了纯电新能源、自动驾驶、增值服务三方面的升级,能够实现车辆、道路弱势群体、红绿灯等环境信息感知识别,并控制车辆实现自动加减速和转向、自动紧急制动、自主变道、出入站台等功能。
熊猫智能公交是目前世界范围最先进的公共交通车辆之一,搭载自主知识产权的自动驾驶、人车对话、视觉防盗、手脉技术、无人零售、人车语音交互、语音导路王、精准广告推送等十多项顶级的技术,而且熊猫公交车车体还将使用液态金属涂层,增加自动驾驶安全性,给乘客舒适感、科技感、服务感更强的体验。
此外,熊猫智能公交车可以全方位识别分析乘客异常行为,包括偷窃、打架、吸烟等。一旦识别监测到类似行为,系统将记录行为实施者体貌特征,即时播报预警,为公众出行安全提供更全面保障。
据了解,该款公交车也是全球范围内首个全尺寸车型自动驾驶公交车,目前已在武汉、上海、广州、江苏常州、浙江衢州、山东济南等地上线试运行,并于今年五月在天津上牌正式运营,受到了当地民众的广泛好评。
不仅如此,深兰科技还在展开多种不同场景下的复杂道路测试,正在进行国内多个城市的智能网联汽车道路测试并按计划申领测试牌照,参与多种智能交通和自动驾驶交通系统的建设,赋能城市智慧交通。
最佳车联网解决方案奖 腾讯车联
如今传统车联网仅仅是将手机上的程序移植到汽车上,车联网服务只是将互联网的服务与产品移植到汽车平台上,各大车企纷纷将其当成一个营销手段那样。未来我们所需要的车联网系统,显然是要针对汽车场景以及人车路交互,并以“用户”为中心的互联网服务进行进一步优化。
针对智能网联领域存在的车内应用服务匮乏、应用场景碎片化和非车载场景原生等核心问题,腾讯智慧出行在2019年5月发布的“生态车联网”解决方案,旨在推动车联网向“以人为中心”的服务化方向升级。
借助腾讯车联TAI智能系统,可以将腾讯系及第三方内容和服务生态有机接入车中,与车企伙伴、开发者共同丰富车上应用生态。通过超级ID+在线支付,打通车前、车中、车后的无缝化体验,实现服务的“全时在线”,给用户真正适配汽车场景的车载应用,实现“千人千面”、“服务找人”的智慧用车场景,用户的驾乘体验将会大大提升。
除此之外,腾讯还整合了自身的位置服务、AI技术、内容和服务生态等优势,打造了车上一站式集成内容服务“爱趣听”、跨OS、轻量化的应用开发框架“小场景”,已经可以免唤醒智能交互的腾讯云小微“全双工语音交互”功能,不断为生态车联网注入新的价值,为用户带来更加智能、便捷的车上服务体验。
自腾讯宣布拥抱产业互联网以来,在智慧出行领域发展迅速,最早提出了生态车联网的进化思路,已经与宝马、FCA、广汽、长安、东风、一汽、吉利、长城、等22家车企达成战略合作,超过45款合作车型落地,连接了300多家生态服务合作伙伴为用户提供服务。
从AI in Car到TAI 智能车联系统再到如今的车联网生态,吸引多家车企纷纷加入朋友圈的原因,整个背后的逻辑是将腾讯数年累积的足够技术经验和资源在出行上进行平行移植到汽车场景中,以与汽车厂商合作的模式,推动生态车联网的不断进化。
最佳智能网联实践奖  星云互联
智能网联是一个漫长的过程,业界将其划分为三大境界:基础设施智能网联、自动泊车、无人驾驶时代。
自2015年成立以来,星云互联秉持的是,智能网联之下,人、车、路、云,不再是孤岛的存在。
星云互联是一家集研发、制造、销售V2X产品、新一代智能交通系统、智能网联汽车技术和服务于一体的创新型中国高科技企业,在北京、上海和长沙设有研发中心及分支机构。
依托推出的智能车载终端V-Box、增强型车路协同路侧系统T-Station、标准V2X协议栈软件以及网联云平台X-Cloud等系列产品形成了车辆协同安全辅助驾驶(C-DAS)和车路协同交通主动控制整体解决方案,可有效支撑协作式辅助驾驶和自动驾驶,同时也是智慧城市的重要组件。
基于移动通信技术和汽车通信技术的联合创新, V2X方案对辅助驾驶和自动驾驶都有很大价值。智能网联车路协同,可以有效提升辅助、自动驾驶的交通安全、效率、降低排放,车路协同还可以降低自动驾驶汽车的成本,让自动驾驶更早一点实现规模商用。
目前星云互联已为国内多家智能网联测试示范区、整车厂、自动驾驶企业及公共道路智慧交通升级建设提供方案支撑和产品落地应用。下一步路的连接、车载模块的安装,智能网联与自动驾驶的结合将成为重中之重,智能网联的车与路需要协同发展,共同构筑下一代安全、高效的出行生活,加速实现未来智慧出行。
星云互联的愿景是为自动驾驶、智慧交通和智慧城市提供泛在连接技术与端到端应用服务。近年来在全国范围内广泛联合合作伙伴,积极推动车路协同产业、技术发展。
具体的落地情况,已经实现国内V2X设备部署最多、数据量最大的企业,在北京、上海、广州、宁波、长沙、郑州、天津、南京、盐城、重庆等20多个城市进行了V2X部署落地。
“车路协同”的饕餮盛宴,谁将拔得头筹?没有人知道。 
行业共识,车路协同是智能网联汽车的重要技术路径,车路协同将对智能交通企业产生革命性的影响,最显著的表现是车路协同将推动智能交通系统转型换代,从单车智能走向群智协同。不同于在智能网联车市场的其他公司的的“长驱直入”和“踌躇不前”,星云互联在汽车领域的布局有着典型的“实践特色”,V2X已实现800+路口接入,同时与多家车企达成合作。 确切来说,在智能网联车的布局上,星云互联选择了在探索中不断实践和落地。
最佳车载操作系统奖 蘑菇车联
随着智能网联技术的发展,如何赋予汽车更加强大的智能处理能力,成为汽车行业迈向未来的关键。也正因如此,车载屏幕也被视作继电视、电脑、手机之后,科技界全力聚焦的“第四块屏幕”。如果说这“第四块屏幕”是智能网联汽车显露的“冰山一角”,那么支撑于其下、推动汽车向“智能移动终端”进化的核心,便是技术融合密集、准入门槛极高的车载OS。
在整个车联网行业,无论是要构建单车智能,还是最终达到车路协同,车载OS都是实现的必要基础和关键前提。
在提高出行效率、保障行驶安全以及打造舒适座舱环境与丰富车内娱乐功能等多重目标的驱动下,车载OS必须要具备极高的稳定性、兼容性、安全性。
在多任务并行处理过程中,蘑菇OS利用多核心、高主频的异构计算处理器配合多线程并发,辅以异构异调进程调度策略,有效分配体系硬件资源,实现多任务协同管理,并控制各项任务优先级别,极大提高了系统稳定性,满足了车载多传感器融合计算的需求,解决了智能汽车时代数据高并发、多融合、实时处理的诸多难题。
面对庞大的消费市场车型数量及各主机厂基于不同品牌、不同场景下的个性化定制化需求,车载OS的全面兼容和适配能力已成为了车企评估车载OS的重要参考标准。蘑菇OS现已全面适配市场所有主流芯片组、驱动600多款智能传感器、兼容每款车上的数十至上百个ECU,已覆盖市面上95%以上主流车型,在行业中遥遥领先。
蘑菇OS支持全场景语音交互。搭载自研智能语音引擎,支持车辆控制、内容服务、安全预警等10大类100+场景化语音交互,识别准确率达到97%以上,能够在驾驶中实现全场景语音交互,极大的降低事故发生概率,时刻保障行驶安全。
目前,基于蘑菇OS的蘑菇车联软硬件一体化解决方案已实现了广泛应用并获得来自各方的广泛好评。2019年8月,蘑菇OS用户月语音交互次数突破3亿次;2019年10月, 作为国内第一个开放式5G商用智慧交通车路协同项目,基于蘑菇OS和AI云的蘑菇车路协同项目在顺义全面落地并稳定运行,并正在全国更多区域迅速复制与落地;2019年11月,搭载蘑菇车联自主研发的蘑菇OS和一体化解决方案产品已遍布全国20多个省份。
最佳智能网联生态区奖 苏州高铁新城
据不完全统计,截至目前,我国已拥有至少20个智能网联汽车测试示范区。
总体来看,智能网联汽车测试示范区的地点并不局限于拥有颁发自动驾驶路测牌照资格的城市。还有一些省市是通过与相关企业、机构合作,以资本合作的方式建立示范区的。其原因不仅是为了抢占智能网联的城市先机,更重要的是希望通过创建示范区的方式吸引更多企业入驻。
自设立之初,苏州高铁新城就释放出一个信号出-“全球智能驾驶领域高手,正向苏州高铁新城集结”。
如今,在高铁新城首期8.4公里长的5G智能网联测试道路上,常常可以看到炫酷的智能驾驶车队开展测试。围绕该测试道路苏州高铁新城构建了“三张基础网、一个区域边缘中心、N项智慧应用”全面满足车路协同及自动驾驶开发者的各类应用需求。
项目建设了全国领先的5G网络,通过“宏微协同、异构组网、特殊场景、重点保障”的方式,全线部署5G站点16个,部署设备20余套,采用新一代C-RAN架构进行组网,发挥多站协同、多频互助的网络能力,实现区域边缘上行带宽150Mbps以上的应用效果;该项目被IMT2020组织认定为江苏省唯一5G-MEC融合测试床;项目搭建技术先进、性能优越的车路协同感知交互网,面向全场景智能网联应用开发环境需求,部署路侧感知设备共计超过150个(密度达到36米/个),实现车路全息感知、信息高效交互。
项目还配套建设智能驾驶产业公共服务平台,平台以高性能计算为底层基础平台、配以智能云控平台、数据标注训练平台、仿真模拟测试平台等应用平台,实现路测数据从测试采集,到标注处理,到算法训练,到软件在环仿真的全业务闭环逻辑,助力智能驾驶企业缩短业务开发上线时间、减少开发成本。
此外,包括Robo-taxi,智慧短驳、无人物流、无人环卫、智慧停车等场景也在区域中开放,未来一年将达到100辆左右的车队规模。到苏州2022年世界智能交通大会开幕,还将有一系列的示范应用在此开花结果。
区域内智能驾驶相关联企业在高铁新城已集聚有48家,并涌现出MOMENTA、智加科技等一批明星企业。今年4月,长三角G60科创走廊智能驾驶产业联盟的落户,更是将苏州高铁新城的智能驾驶产业“朋友圈”扩大至长三角。今年9月,智能网联汽车公共测试一期道路还顺利通过智能网联汽车公共测试道路专家评审。
这些企业的最终目标都是实现自动驾驶,但想要获得自动驾驶路测牌照,企业必须满足这样一个前提:拥有在封闭测试场的测试经历。秉持“近水楼台先得月”的原则,企业更倾向于入驻像高铁新城这样拥有智能网联汽车测试示范区的城市。(作者 | 新智驾)


小鹏汽车何小鹏:寒冬已至,但机会更多,聚焦智能化,加强品质

博客自动驾驶小能手 发表了文章 • 0 个评论 • 86 次浏览 • 2019-12-19 10:37 • 来自相关话题

第十届全球新能源汽车大会(GNEV10)于12月16日在北京举行。国内各大新能源车企掌舵者聚集北京,大会的主题是"重新定义汽车:伟大的船长"。在这场突如其来的寒冬里,各家车企的负责人正如同惊涛骇浪中的船长,勇气奋力前行,在 ...查看全部

第十届全球新能源汽车大会(GNEV10)于12月16日在北京举行。国内各大新能源车企掌舵者聚集北京,大会的主题是"重新定义汽车:伟大的船长"。在这场突如其来的寒冬里,各家车企的负责人正如同惊涛骇浪中的船长,勇气奋力前行,在他们身后,全球汽车巨头紧随而行。
1.jpg小鹏汽车董事长兼CEO何小鹏:

如果行业平均增速在150%,那么你做到150%的成绩,这对初创企业而言,最多只能算合格。小鹏汽车要想拿到绝对的领头羊地位,一定是要超过行业的平均增速。

何小鹏发表演讲表示:"今年年初,我们业内都认为寒冬会到来,但是我个人觉得这是一件好的事情,因为你可以提前准备、提前思考。从最近两个月来看,我反而对度过寒冬有了更强的信心,虽然寒冬已至,但是机会比危机更多,我们应该更有信心能够度过这个寒冬。"

何小鹏认为补贴退出导致了新能源汽车在中国变成更多低端车,我们需要好的品牌,好的技术,我们需要把智能电动汽车做好做高,从中国走向全球。

何小鹏透露,继不久前刚刚完成4亿美金的融资之后,小鹏汽车正在进行Cplus轮的融资。此外他表示,在未来的12个月里小鹏会带来很多好消息。

小鹏自己如何过寒冬?何小鹏跟大家分享几个简单的看法。

以下是部分演讲内容:

第一,每一个企业都需要广积粮。小鹏汽车最近刚刚完成了4亿美金的C轮融资,正在做下一轮子的CPlus,我也看到很多朋友和企业都在融资,都在获取更多的支持。我相信明年会有更多的好消息出来。

第二,聚焦。聚焦第一个是智能化。我前天从美国回来,美国和中国都在做自动驾驶,今天无人车想同时取代车跟司机的职能,挑战非常大,但是自动辅助驾驶为首的汽车,在两年内就可以做到普及的程度,它可以学习我们每个人开车的方法,学习我们转弯的速度,学习我们过红绿灯的逻辑。二是爆品策略。我以前曾经管过阿里巴巴的游戏,做游戏原来有两种,第一种是做大量的游戏,从中间找到赚钱的。第二种是做大量的中量高质量的游戏,从中间找到赚钱的。我觉得汽车行业,特别是新的公司,每年出一款车努力把爆款做好,既省钱,又能够做好,这非常重要的,不要一年同时做太多的车。三是品质。品质是最最核心的。品质不是一蹴而就的事情,我们真的需要用十年水磨的功夫,把所有的品质做好。

第三,练内功,补短板。我经常说互联网的创业是长板理论,要把1—2个板做长,而在汽车行业是短板理论,不能有任何一个板太短。冬天很好,冬天让我们有更长的时间把我们原来的短板给补充好,我觉得这是最大的价值。

第四,坚持2C销售为主。面向个人客户市场和面向企业客户市场没有对错,只是选择问题,小鹏坚持选择面向2C的客户。小鹏在今年8月份开始转变,从原来的先产车再卖车,变成了先卖车再造车再交付车。我们正在转型过程中。我看到一个非常有趣的现象,跨过风险、控制现金流,可以帮助我们的供应商和帮助我们的销售商、合作伙伴取得更大的价值。

第五,培育品牌。靠市场的打法,靠销售的打法,你可以把车卖出去,但是最后的成功,中国需要更多中高端和高端的品牌,才能够让更多的客户满意,才能够真正的走向全球,而且我也期待我们这里有更多人将来走向全球。

这个寒冬并不可怕,春天并不远。这是一个最好的机会,让我们可以把自己做好。同时我们一定要有耐心跟毅力耐得住今天的寂寞,才能够迎接明天更好的未来,更好的春天。

我国汽车智能化发展趋势展望

博客自动驾驶小能手 发表了文章 • 0 个评论 • 96 次浏览 • 2019-12-19 10:35 • 来自相关话题

随着智能网联、人工智能等技术取得长足进步,“智能化”已是汽车技术升级的重要方向。目前,自动驾驶技术和车联网技术是我国汽车智能化的两个重要技术路径。 ...查看全部

随着智能网联、人工智能等技术取得长足进步,“智能化”已是汽车技术升级的重要方向。目前,自动驾驶技术和车联网技术是我国汽车智能化的两个重要技术路径。

1.jpg
首先是自动驾驶,目前,国内L2级自动驾驶方案已大规模量产装车,少部分企业推出L3级别量产方案,国内首款搭载L3级自动驾驶系统的汽车广汽Aion Lx已上市。由百度和一汽红旗打造的中国首条L4乘用车前装产线,已正式投产下线,首批量产的L4级自动驾驶乘用车将率先落地湖南长沙,预计2020年,主流车企部分车型将适配L3/L4级别自动驾驶系统。
其次是车联网,随着5G技术的商业化落地,其高速、可靠、低延迟的特性能够解决V2X技术对于延迟的要求,也将给V2X商业化落地带来可能。但由于V2X的落地不仅局限于技术,还需要不同车辆、道路,网络、交通系统和平台间相互配合,从技术完善、平台搭建到生态建立,需要大量时间,预计2020年将成为V2X商业化落地探索的元年。
从远期来看,智能汽车是继智能手机之后的第二大互联生态和服务集成,智能化终将改变汽车的定义。在完全自动驾驶成为现实之后,智能汽车将成为移动的智能空间和场景生态服务体验终端,成为工作、生活、娱乐的新载体。
张凯,数量金融学硕士,现供职于赛迪智库工业经济研究所,主要研究财税和产业政策,贸易关税谈判等。

不应让自动驾驶汽车与人类共享车道

博客gaohong 发表了文章 • 0 个评论 • 87 次浏览 • 2019-12-18 12:27 • 来自相关话题

让自动驾驶汽车与我们共用复杂而混乱的道路,目前的算法还难以解决相关问题。最简单的方法是给它们划定专用公路和车道。美国目前现有规则允许公司让研发的自动驾驶汽车上路测试、并“自我认证”他们的测试方法是安全的——美国安全调查员对美国的这种现有规则感到 ...查看全部

让自动驾驶汽车与我们共用复杂而混乱的道路,目前的算法还难以解决相关问题。最简单的方法是给它们划定专用公路和车道。
美国目前现有规则允许公司让研发的自动驾驶汽车上路测试、并“自我认证”他们的测试方法是安全的——美国安全调查员对美国的这种现有规则感到不满,美国国家交通安全委员会成员,在最近的一场关于2018年3月优步无人驾驶汽车致命车祸的听证会上表示:“在我看来,他们把技术进步放在拯救生命之前。”而在中国自动驾驶汽车上路目前还属于违法行为。
1576643135194496.jpeg
要理解为什么那辆车撞死了一个推自行车过马路的行人,以及为什么这种事故在将来很难避免,可以想想你在国内一个中等城市开车去买杂货的过程。不得不穿过狭窄的街道,经过几十辆停着的汽车。这是一个复杂的过程:如果迎面有车开过来,你必须停下来,然后决定他们给你让路还是你给他们让路。有时候,如果你赶时间,希望迎面而来的车子会停下来让路。如果对面的司机做了同样的事情,你必须冲到一辆停着的汽车后面,否则我们不得不相互紧贴着通过,同时保持后视镜完好无损。

中国的道路非常特殊, “加塞儿”、“乱停放”、等都是中国路况的常态,各种各样的交通工具和中国式过马路令每次行驶都异常艰难,同国外的驾驶场景有很大不同,包括中国“玩手机”等驾驶习惯也都同国外有一定的差异,众多国外拥有领先自动驾驶技术的企业进到中国都十分不适应,如何应对中国不断变化的驾驶习惯与不同城市的地域化特性,成为了当前所有在中国发展自动驾驶技术企业的一大挑战。
自动驾驶汽车中的摄像头、图像处理和计算机视觉系统不可能好到足以看到人类驾驶员微笑、指点或点头。即使是闪灯等容易检测到的信号,对它们来说可能也难以理解。根据具体情况的不同,你对别人闪灯可能意思是“前进”、“小心”或“你的车有问题”。

技术人员一直在尝试模拟这种交通谈判,以帮助自动驾驶车辆、人类驾驶员、骑自行车者和行人安全地在这种谈判中通过道路。它包括解决有关人类行为的基本问题。
当在狭窄的道路上遇到另一辆车时,很明显,你只需要倒车一小段距离,而且也应该这样做。同样明显的是,不管路况如何,在任何谈判中,坦克或卡车都会胜出。虚拟谈判有助于确保双方按应该会达成一致的做法行事。
子布曰:今年,前瞻产业研究院发布《2019年中国自动驾驶行业发展研究报告》,对自动驾驶行业发展现状及趋势进行了深入解读。报告显示,2018年,我国自动驾驶主要在物流运输、配送服务、作业、载客四大领域实现落地。我国对智能网联汽车有分阶段的具体规划,其中2020年是关键节点。新能源汽车往往都伴随着自动驾驶,而今年丰田,大众,特斯拉三家明星车企都加速了新能源车在中国市场的布局,2020年会投放大量新能源自动驾驶汽车,不过目前中国的法律法规尚不允许自动驾驶汽车上路行驶,解决自动驾驶汽车和人类共享汽车的“交通虚拟谈判”才是自动驾驶能够走入寻常百姓家的时候。

NeurIPS 2019 | 显著提升图像语义分割性能,滴滴携手伯克利提出多源对抗域聚合网络

博客自动驾驶小能手 发表了文章 • 0 个评论 • 89 次浏览 • 2019-12-16 13:25 • 来自相关话题

在深度学习的发展过程中,领域自适应和知识迁移受到越来越多研究者的关注。他们希望一个领域数据集中学习的知识可以迁移到新的领域中。针对这一目的,滴滴和加州大学伯克利分校的研究者提出一种新的多源领域自适应模型,该模型能够同时利用和学习多个不同源域的训练样本,进 ...查看全部

在深度学习的发展过程中,领域自适应和知识迁移受到越来越多研究者的关注。他们希望一个领域数据集中学习的知识可以迁移到新的领域中。针对这一目的,滴滴和加州大学伯克利分校的研究者提出一种新的多源领域自适应模型,该模型能够同时利用和学习多个不同源域的训练样本,进而显著提升了图像语义分割的性能。

1.jpg

随着深度学习的发展,研究者们希望深度学习模型不但可以从特定领域训练集中学习监督知识,更希望能够进行领域自适应(domain adaptation)和知识迁移技术(knowledge transfer techniques),将在一个领域数据集中学习的知识迁移到新的领域中。那么能否同时利用多个不同领域的训练样本,提高在新领域上的语义理解能力呢?来自滴滴地图事业部和加州大学伯克利分校的研究员提出一种新的多源领域自适应模型,对多个不同源域的有标注合成数据和目标域的无标注真实数据进行联合学习,显著提高了图像语义分割的性能。据悉,这是多源领域自适应第一次应用在语义分割任务上。相关研究以「Multi-source Domain Adaptation for Semantic Segmentation」(基于多源领域自适应的语义分割)为题发表在神经计算和机器学习领域的顶级会议—第 33 届神经信息处理系统大会(NeurIPS 2019)上。

一、研究背景

语义分割为图像中的每个像素分配一个语义标签(如汽车、自行车、行人、道路),如图 1 所示。这个计算机视觉内核在许多应用中起着至关重要的作用,比如自动驾驶、机器人控制、医学成像和时尚推荐等。

1、研究动机

随着深度学习的出现,特别是卷积神经网络(convolutional neural networks, CNNs),人们提出了多种端到端的语义分割方法 [1]。虽然这些方法取得了良好的效果,但也存在一定的局限性。一方面,训练这些方法需要使用像素级标注的大规模数据,这是非常昂贵和耗时的。例如,在 Cityscapes 数据集中标注每幅图像大约需要 90 分钟。另一方面,由于存在领域偏移(domain shift)或数据集偏差(dataset bias),他们不能很好地将所学知识迁移到新的域或数据集。为了避免数据收集和标注的成本,图形学和仿真软件的发展使得研究者们可以使用 CARLA 和 GTA-V 等模拟器所生产的无限量合成标注数据。为了减少不同领域之间的差距,研究者们提出了领域自适应(domain adaptation, DA)或知识迁移技术(knowledge transfer techniques),并进行了理论分析和算法设计。语义分割的领域自适应算法在自动驾驶等领域具有重要的作用。现有的工作主要关注于单个源域的场景,很难处理实际中具有不同分布的多个源域的情况。在这篇论文中,研究者们研究了基于多源领域自适应的语义分割。

2、现有领域自适应方法在图像分割上的挑战

除了传统的有标注源域上的任务损失外,深度无监督领域自适应(UDA)方法通常还会训练其他损失函数来处理领域偏移,如差异损失(discrepancy loss)[2]、对抗损失(adversarial loss)[3]、重构损失(reconstruction loss)[3] 等。目前语义分割任务上从合成数据到真实场景的领域自适应方法都集中在单数据源设置上,没有考虑从多个不同分布的数据源收集数据这一更实际的场景。简单地将不同的源组合成一个源并直接使用单一源 DA 不会有很好的效果,因为来自不同源域的图像在学习过程中可能会相互干扰。早期对多源 DA(multi-source DA, MDA)的研究使用了浅层模型。

近年来,人们提出了一些多源深度 UDA 方法,这些方法主要针对图像分类 [4]。由于以下原因,直接将这些 MDA 方法从分类扩展到分割可能不会有很好的效果。(1) 分割是一个结构化的预测任务,其决策函数比分类更复杂,因为它必须在指数大的标签空间中解析预测 [5]。(2) 目前的 MDA 方法主要关注特征级对齐,只对高层次的信息进行对齐。这对于粗粒度的分类任务来说可能足够了,但是对于细粒度的语义分割来说显然是不够的,因为分割是像素级的预测。(3) 这些 MDA 方法只将每个源域和目标域对齐。虽然不同的源域被匹配到目标域,但在不同的源域之间可能存在显著的不一致。

二、所提出的多源对抗域聚合网络算法

针对上述挑战,基于对抗生成式网络(GAN)[11] 和循环对抗生成式网络(CycleGAN)[6],本文提出了一种新的端到端的多源对抗域聚合网络(Multi-source Adversarial Domain Aggregation Network, MADAN),框架如图 2 所示。MADAN 主要包括三个模块:(1)动态对抗图像生成模块(Dynamic Adversarial Image Generation),(2)对抗域聚合模块(Adversarial Domain Aggregation),(3)分割特征语义对齐模块(Feature Aligned Semantic Segmentation)。

首先,对于每个源域,文章使用循环对抗生成式网络(CycleGAN)[6] 生成一个动态保持语义并且具有像素级一致性的自适应域;其次,文章提出了子域聚合判别器(Sub-domain Aggregation Discriminator)和跨域循环判别器(Cross-domain Cycle Discriminator),以使不同的自适应域更紧密地聚合;最后,在训练分割网络的同时,对聚合域和目标域进行特征层面的对齐。通过 MADAN,不同的适应域可以更好地聚合为一个更统一的域。基于聚合域对分割模型进行训练,能够更好地提升分割模型在目标域上的表现。从合成的 GTA[7] 和 SYNTHIA[8] 到真实的 Cityscapes[9] 和 BDDS[12] 数据集上的大量实验证明,文章所提出的 MADAN 模型比当前最先进的方法表现得更好。表 1 展示了 MADAN 和其他当前主流的领域自适应模型的比较。

1、文章的主要贡献点

文章的贡献主要有三个方面:(1)提出了语义分割的多源领域自适应方法。这是第一个多源领域自适应在语义分割任务上的工作。(2)设计了一个新的框架 MADAN 来做多源领域自适应的语义分割。除了特征级(feature level)对齐外,还考虑了像素级(pixel level)对齐,即为每个源循环生成一个自适应域,这与动态语义一致性损失是一致的。提出了子域聚合判别器和跨域循环判别器,以更好地匹配不同的自适应域。(3)进行了大量的实验,从合成的 GTA [7] 和 SYNTHIA [8] 到真实的 Cityscapes [9] 和 BDDS 数据集 [12],结果证明了文章所提出的 MADAN 模型的有效性。

2、动态对抗图像生成模块

DAIG 模块的主要作用在于使得来自不同源域的图像经过生成器转换为在视觉表示上具有目标域风格特征的图像。这在单源域自适应工作 CyCADA [10] 中被证明是有效的。为了在多源域状态下达到这个目标,对于每个源域 S_i, 使用生成器将源域的图像转换为具有目标域 T 风格的图像。这个生成器的作用是欺骗判别器D_T , 主要用于在像素级别的对抗训练,D_T 在对抗训练的过程中目标是正确区分转换后的图像与目标域的真实图像。

3、对抗式域聚合模块

可以分别在不同的自适应域上训练语义分割模型,然后将这些结果结合起来预测目标域图像的分割结果,或者是简单地将各个自适应域合并到一起,然后训练一个语义分割模型,从而对目标域进行预测。对于前者,如何在不同的源域上选择合适的权重是一个十分复杂的事情。对于后者,要对齐的图像分布在一个很高维度的空间,尽管自适应域和目标域进行了一定的对齐,但是不同的自适应域之间仍然没有对齐,这在训练的过程中会相互干扰,从而导致训练难以收敛且不能达到很好的效果。

为了解决这个问题,文章提出了对抗式域聚合的方式进行多源域数据集的训练。具体地,文章提出了两个判别器来使得不同自适应域之间相互对齐,即域的聚合。首先是子域聚合判别器(Sub-domain Aggregation Discriminator),直接判断来自不同自适应域的图像是否可分。另一个是跨域循环判别器(Cross-domain Cycle Discriminator),用以区分第个自适应域通过第生成的图像和源域S_i 的图像。

子域聚合判别器的损失函数如下:

跨域聚合判别器的损失函数如下:

4、特征对齐的语义分割模块

在经过了对抗式聚合模块之后,不同源域转换后的图像聚合到了一起,使得生成的图像在风格和高维空间的分布上都与目标域更加的一致。同时,动态语义一致性使得转换前后的图像在语义和像素级信息上均具有一致性。此外,文章引入了特征层面的判别器,这部分的损失函数如下:

三、实验结果

为了验证所提出的方法的有效性,文章进行了详细的对比实验结果和可视化结果展示。1、对比实验结果

在域自适应实验中,文章使用了合成数据集 GTA[7] 以及 SYNTHIA[8] 作为源域,真实数据集 Cityscapes[9] 和 BDDS[12] 作为目标域。提出的 MADAN 模型以及当前主流的单源域、多源域自适应模型等的性能比较如表 2 和表 3 所示。

2、可视化结果

四、结论

本文研究了从合成数据到真实数据的多源领域自适应语义分割问题。提出了一种新的多源对抗域聚合网络(MADAN)。对于每个源域,文章生成了具有动态语义一致性的自适应图像。在此基础上,使用子域隔离判别器和跨域循环判别器,以更好地综合不同的源域的数据。在多个数据集的大量实验结果表明,文章所提出的 MADAN 模型具有较好的有效性。

了解更多技术细节,请查看论文Multi-source Domain Adaptation for Semantic Segmentation:https://arxiv.org/abs/1910.12181

论文代码已公布:https://github.com/Luodian/MADAN

“你离自动驾驶还差几个道路测试的距离?”

博客gaohong 发表了文章 • 0 个评论 • 127 次浏览 • 2019-12-13 10:43 • 来自相关话题

道路测试是检测自动驾驶汽车系统性能的必要环节,也是实现自动驾驶商业部署的前置条件。美国尤其是加州汇集了大批优秀的自动驾驶企业,自动驾驶测试工作开展得较早,在测试里程、牌照数量、牌照申请机制、测试成本和测试路网丰富程度等方面已形成优势。 ...查看全部

道路测试是检测自动驾驶汽车系统性能的必要环节,也是实现自动驾驶商业部署的前置条件。美国尤其是加州汇集了大批优秀的自动驾驶企业,自动驾驶测试工作开展得较早,在测试里程、牌照数量、牌照申请机制、测试成本和测试路网丰富程度等方面已形成优势。

1576142734672873.jpg

1576142744223899.jpg

1576142748421173.jpg

1576205147684768.jpg

自动驾驶出租车,巨头们的应许之地?

博客gaohong 发表了文章 • 0 个评论 • 107 次浏览 • 2019-12-11 10:06 • 来自相关话题

百度的自动驾驶出租车在长沙试运营后,广州也开启了RoboTaxi的试运营服务,如果算上滴滴年底在上海推出自动驾驶出租车的计划,2019年有可能在三座城市中看到自动驾驶的出租车。尽管外界在提到自动驾驶出租车的时候,大多会使用“试运营”一 ...查看全部

百度的自动驾驶出租车在长沙试运营后,广州也开启了RoboTaxi的试运营服务,如果算上滴滴年底在上海推出自动驾驶出租车的计划,2019年有可能在三座城市中看到自动驾驶的出租车。

尽管外界在提到自动驾驶出租车的时候,大多会使用“试运营”一词,几乎所有落地运营的自动驾驶出租车,都在主驾驶位配备了一名安全员。却也不乏一些积极的现实意义,原本只在封闭场所中测试的自动驾驶,让公众有了近距离触摸的可能。
1.jpg
再激进一些的,谷歌旗下的自动驾驶公司Waymo在10月份给用户发送了一封电子邮件,表示用户下一次乘车时,可能不再配备人类安全员。倘若这份邮件内容奏效,无疑将是自动驾驶出租车的新里程碑。

无论是国内自动驾驶的“保守运营”,还是谷歌的“艺高人胆大”,自动驾驶领域大大小小的玩家们,把目标瞄向出租车市场早已是不争的事实。

01

小切口与大蛋糕

需要回答的第一个问题是:为何自动驾驶技术的商业化落地,纷纷将出租车作为首选的切入点?

第一个答案可能是市场教育的需要。

战略管理咨询公司罗兰贝格在第五期《汽车行业颠覆性数据探索》中,做出了一个大胆的预测:2030年全自动驾驶出租车将占据全球三分之一以上的汽车出行市场。另一家分析机构瑞银集团也有着乐观的预计,公开表示“2030年全球自动驾驶出租车市场每年的价值可能超过2万亿美元。”

不过“万亿市场”也有一个前提,即自动驾驶汽车成为人类社会日常且必要的交通行为。而在改变人们生活方式的漫长征途中,自动驾驶出租车可以说不可或缺的路径,如果人们尚无法接受“无人驾驶”的出租车,万亿的潜在市场也就无从谈起。

第二个答案或许是资本市场的驱动。

2019年开年起,自动驾驶领域便频频爆出融资困难、内讧倒闭、裁员过冬等负面新闻,就连吴恩达参与运营的明星项目Drive.ai也被迫清盘。“经过长达三年的泡沫期,自动驾驶开始进入期望幻灭的低谷期。”逐渐成为一种行业共识,在项目进度屡屡不达预期的教训下,资本市场也不约而同地收紧了钱袋子。

那些还没有倒下的探路者们,势必要找到新的生存根基,毕竟在技术、成本、安全等一系列问题的制约下,自动驾驶在乘用车市场的落地近乎无解。当资本相继以落地作为投资门槛的时候,商用车市场自然成了自动驾驶的新阵地。

第三个答案应该是庞大蛋糕的诱惑。

在万亿市场的蛋糕面前,科技巨头们可以扮演两个角色,一是自动驾驶的技术供应商,二是自动驾驶出行服务供应商。即便前后只有一字只差,所能分到的蛋糕却差之千里,以至于英特尔高级副总裁兼Mobileye首席执行官阿姆农·沙舒亚直接断言:“对于特斯拉、Uber和Lyft来说,自动驾驶出租车市场之争关乎生死存亡。”

同样被影响的还有自动驾驶的创业者们,在搅局乘用车市场近乎无门的局面下,一些创业者开始紧抱主机厂商的大腿,尽可能降低成本止血过冬。也有一些创业者选择去讲出行服务提供商的故事,以求拿到融资做高估值。

不管是什么样的原因,自动驾驶出租车还将逐步出现在更多的城市中,背后的商业格局也将逐渐水落石出。

02

巨头的应许之地?

就目前来看,自动驾驶出租车的参与者可以大致归为三类:以Waymo、百度Apollo为代表的技术派;诸如特斯拉、通用等主机厂商;以及Uber、Lyft、滴滴等网约车平台。不同派系的所长不同、路径不同、打法不同,却不无被贴上了“巨头”的标签,以至于让人产生了这样的错觉:自动驾驶出租车,终归只是巨头的应许之地?

在广州试运营RoboTaxi的文远知行,不失为一个很好的例子。

与谷歌、百度不同,文远知行的出租车上路可谓颇费周折。早在去年11月份的时候,文远知行就曾借“全国首辆自动驾驶出租车”的光环博尽了眼球,随后即被执法部门叫停,从路况复杂的广州大学城挪到了交通不那么紧张的生物岛。

一辆自动驾驶出租车到自动驾驶出租车队的进化也有“代价”。文远知行在今年8月份和广州市白云出租汽车集团有限公司、科学城(广州)投资集团有限公司联合组建了名为“文远粤行”的合资公司,文远粤行正是名义上的运营方。言外之意,文远知行涉足自动驾驶出租车市场,并没有触碰原有出租车市场的蛋糕,像是一场对未来出行的联合探索。

但这并非是文远知行得以进入出租车市场的全部“秘密”。

2018年10月底,前身为“景驰科技”的文远知行完成了更名后的A轮融资,其中雷诺日产三菱联盟AllianceRNM为战略领投方,也是后者在中国市场的首次投资。与之相关的一幕是,去年让文远知行风光无二的“首辆自动驾驶出租车”还是一台改造后的传祺SUV,刚刚在广州街头落地的自动驾驶出租车队,已经是清一色的日产电动汽车。

原因也不难理解,百度的自动驾驶出租车已经曝出了20元/公里的成本,其中车辆本身成本和运营成本各占一半,相较于传统出租车每公里3元的成本,“每公里成本”无疑是制约自动驾驶出租车规模化落地的又一因素。特别是在商业化前景尚不明朗,自动驾驶又漂在资本寒流中的时候,自动驾驶出租车仍然是一个“烧钱”的新物种,也只有现金流稳定的巨头们敢于以金钱换时间。

也有人为自动驾驶的创业者们指出了一条明路,放弃与巨头争夺“出行服务提供商”的资格,转向物流、环卫车、矿山、港口、机场、园区等特定且刚需的垂直市场,不失为“活下去”的可行之路。

03

社会共识的欠缺

商业上的博弈永远都是后话,巨头们筹谋自动驾驶出租车市场的同时,还面临另一个棘手问题——社会对于自动驾驶的共识。

至少就目前来看,Robotaxi的需求并非来自消费者和车主,甚至都不是车企,而是人工智能企业试图找到的商业模式,Uber、滴滴等共享出行平台对未来的未雨绸缪。比技术成熟度更大的不确定性,仍在于公众的认可。

期待而又恐惧,大体就是人们对于自动驾驶的情感。

早在1925年,人类历史上第一辆有证可考的“无人驾驶汽车”就在纽约亮相,随后在不少科幻电影中可以找到和自动驾驶相关的情节。但在1993年的《侏罗纪公园》中,斯皮尔伯格却在镜头中表达了对自动驾驶汽车的“恐惧”:当公园系统瘫痪,Explorer无人驾驶汽车与中央计算机链接中端后,装满人的汽车成了霸王龙的“罐头”。

事实也是如此。2013年的一项调查结果显示,66%的美国人认为“自动驾驶汽车让我感到害怕”,有50%的人认为“该技术无法可靠运行”。到了2018年,两项调查结果的数据却增加到了77%。原因可能是特斯拉、Uber等在自动驾驶测试中的一起起交通事故,被媒体放大后直接影响了公众对于自动驾驶的感情。

以至于自动驾驶出租车领域的巨头们,也逐渐形成了乐观派和悲观派。

乐观派有如特斯拉、百度等玩家,马斯克希望特斯拉的车主能够添加“特斯拉网络”,让自家车在闲置的时候利用自动驾驶技术提供打车服务,甚至给出了0.18美元每公里的定价;悲观派的代表有Uber、Waymo等,自动驾驶业务成了Uber上一轮裁员的重灾区,WaymoCEO约翰·克拉夫茨克曾在2018年表态称:“未来几十年内,自动驾驶技术还无法做到无处不在,自动驾驶汽车将一直存在限制。”

好在乐观派和悲观派都在尝试增加公众对自动驾驶汽车信任,比如在Waymo、百度的自动驾驶出租车上,在前排的座椅靠背上安装了一对触摸屏,乘客可以从屏幕中看到汽车当前行驶速度、周围环境的3D示意图,甚至汽车停在斑马线前让行人过马路时,也会在屏幕上标注出来。

巨头的价值也在于此,在商业利益的驱动下,被巨头们主导的自动驾驶出租车市场,注定会是自动驾驶成为一种社会共识的先行军。

04

写在最后

有理由相信,等待自动驾驶出租车的还有诸多不可预知的关卡,仍然会有越来越多的城市中出现试运营的自动驾驶汽车。

毕竟大多数人每天使用汽车的时间不到5%,每年的使用成本却动辄上万,高昂的成本与限制的运力,足以给自动驾驶玩家们巨大的动力去颠覆现有的用车模式。何况当自动驾驶技术足够成熟的时候,完全的自动驾驶也不无可能,诸如“滴滴空姐遇害”等潜在的安全问题,也能找到相对妥帖的解决方案。

或许,这正是“科技”存在的意义。

使能自动驾驶解决方案的大规模应用解决方案

知识讲堂tututu 发表了文章 • 0 个评论 • 695 次浏览 • 2019-01-19 10:36 • 来自相关话题

Enabling Autonomous Automotive Solutions at Scale 使能自动驾驶解决方案的大规模 应用 Intelligent Vehicle Compute Platform Workshop Beij ...查看全部
Enabling Autonomous Automotive Solutions at Scale
使能自动驾驶解决方案的大规模 应用
Intelligent Vehicle Compute Platform Workshop Beijing  December 2018
 

自动驾驶的五级分类标准如何制定的?

回复

问答自动驾驶小能手 回复了问题 • 5 人关注 • 3 个回复 • 1112 次浏览 • 2019-01-19 14:13 • 来自相关话题

FLIR与ANSYS联手加速热像仪机器学习,为自动驾驶保驾护航

博客自动驾驶小能手 发表了文章 • 0 个评论 • 187 次浏览 • 2020-01-20 10:47 • 来自相关话题

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。 ...查看全部

FLIR将其热成像传感器集成到ANSYS的前沿驾驶模拟器中,为自动驾驶汽车开发建模、测试并验证热成像技术。


据麦姆斯咨询报道,FLIR Systems, Inc.(纳斯达克证交所代码:FLIR,以下简称FLIR)与ANSYS(纳斯达克证交所代码:ANSS)正在合作,共同为辅助驾驶和自动驾驶汽车(AV)提供卓越的危险探测能力,为汽车制造商提供前所未有的汽车安全保障。通过此次合作,FLIR将把完全基于物理的热成像传感器集成到ANSYS的前沿驾驶模拟器中,从而实现在超真实的虚拟世界中对热像仪设计进行建模、测试和验证。全新的解决方案将通过优化热像仪的布局来缩短原始设备制造商(OEM)的开发周期,以便与自动紧急制动(AEB)、行人探测等工具一同使用,并应用于未来的自动驾驶汽车。

对FLIR客户及合作伙伴来说,在虚拟环境中进行测试的能力是对现有系统的有力补充,受益产品主要包括搭载了FLIR Boson®热像仪、FLIR热启动数据集及特定区域/城市热数据集(用于算法训练)的FLIR汽车开发套件(ADK™)。FLIR热数据集是为高级驾驶辅助系统(ADAS)开发、AEB和自动驾驶汽车系统中的机器学习而创建。

目前,自动驾驶汽车和ADAS传感器在黑暗或阴影、强光及恶劣天气(如大雾)等环境中面临着巨大挑战。然而,热像仪可以有效地探测和分类这些环境中的物体。将FLIR的热成像传感器集成到ANSYS® VRXPERIENCE®中,即可在短短几天内模拟完成数百万英里的数千种驾驶场景。此外,工程师还可以模拟热成像能够提供关键数据但难以塑造的场景,包括在拥挤的低对比度环境中探测行人。

“通过将ANSYS行业领先的仿真解决方案加入到我们现有的物理测试工具套件中,工程师、汽车制造商和汽车供应商可显著提升汽车在各类驾驶条件下的安全性。”FLIR工业事业部总裁Frank Pennisi表示,“该方案可以重现驾驶员每天都能看到但在物理环境中难以复制的特殊场景案例,这为改进神经网络和AEB等安全功能开辟了道路。”

“FLIR认识到,仅仅依靠在物理世界中收集的机器学习数据集来使热像仪在汽车应用中达到尽可能安全可靠,是具有很大局限性的。”ANSYS副总裁兼总经理Eric Bantegnie说道,“如今有了ANSYS解决方案的帮助,FLIR可以进一步增强汽车制造商的能力,以加速搭载热像仪的辅助驾驶系统的开发和认证。”

除特定城市的数据集外,FLIR在汽车行业已拥有十多年的丰富经验。FLIR已为包括通用、奥迪和奔驰等在内的汽车制造商提供了超过70万个热成像传感器,作为其夜视预警系统的一部分。此外,FLIR近日还宣布,其热成像传感器已被一级汽车供应商Veoneer选中,用于与全球顶级汽车制造商合作计划于2021年量产的L4自动驾驶汽车中。

于1月6日至10日在美国内华达州拉斯维加斯举办的“2020年国际消费电子展(CES)”期间,FLIR展示了其热成像加持的演示汽车和其它创新型产品,FLIR的展位号为#8528。

马斯克说“傻子才用”的激光雷达,如今要在自动驾驶识别中唱主角了

博客自动驾驶小能手 发表了文章 • 0 个评论 • 44 次浏览 • 2020-01-20 10:43 • 来自相关话题

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展, ...查看全部

扩大应用范围是推进传感器产业发展的关键。早在2013年,工业和信息化部、科技部等四部委就出台了《加快推进传感器及智能化仪器仪表产业发展行动计划》,以推动传感器表产业创新、持续、协调发展,整体水平跨入世界先进行列。近年来,随着物联网、5G及AI的快速发展,智能传感器展现出了蓬勃的发展生机。《中国电子报》将选取自动驾驶、智慧养老、工业互联网、智慧医疗等几个热点领域中传感产品的应用情况进行报道,展示传感器技术发展趋势,产业发展前景。

激光雷达(LiDAR)一向是汽车自动驾驶技术实现的主要部件之一,然而动辄数十万元的造价限制了它的普及应用。近年来随着博世、安森美、英飞凌等半导体大厂的大举投入,以MEMS、光学相控阵列(OPA)技术为基础的固态激光雷达正在走向成熟,逐渐有能力取代传统机械式激光雷达。未来,固态激光雷达有望在自动驾驶识别中扮演主要角色。

固态激光雷达闪亮CES2020

在近日举办的CES2020大展上,激光雷达成为亮点之一。开展前夕,德国汽车零部件供应商博世宣布,其首款车规级激光雷达芯片已经进入量产开发阶段。该系列产品可覆盖长距离和短距离探测,适用于高速公路和城市道路的自动驾驶场景。更为关键的是,博世希望通过规模化量产,降低激光雷达成本,从而促进市场推广。

安森美是图像传感器领域的主要厂商之一,近年来在激光雷达、毫米波雷达和图形传感器芯片等领域均有投入。本届CES上,安森美以激光雷达芯片为重点,展示了业内首款高分辨率、宽视野单光子雪崩二极管(SPAD)阵列探测器。SPAD阵列是微光光子探测器芯片,可用于不同类型(包括短距、中距和长距)激光雷达当中。

欧司朗从去年开始就有消息传出将进入激光雷达市场。本届CES上,欧司朗展示了应用于自动驾驶概念车MetroSnap的激光雷达技术。MetroSnap是一款L5级别的自动驾驶汽车,欧司朗称其所提供的激光雷达技术能够通过红外线脉冲激光绘制车辆周围环境的3D地图,使MetroSnap概念车实现更安全的自动驾驶。

另外,近日图像传感器大厂索尼也传出将进军固态激光雷达的消息。

中国公司也在激光雷达领域崭露头角。在CES2020上,由DJI大疆内部孵化的览沃科技(Livox)发布了两款激光雷达传感器:Horizon和Tele-15。览沃科技表示,这两款激光雷达为L3/L4级自动驾驶而设计,是高性能、低成本、可量产的传感器解决方案。览沃科技以此为契机还与自动驾驶初创公司Refraction
AI和AutoX建立了合作关系。

迅速发展媲美机械式产品

激光雷达一向是汽车自动驾驶技术得以实现的主要部件之一,具有高分辨率、抗干扰能力强、获取的信息量大等优点,然而,高昂的造价也限制了它的普及应用。特斯拉CEO马斯克就曾公开表示:“傻子才用激光雷达,现在谁要还是靠激光雷达,那就注定完蛋!”不过近年来,随着博世、安森美、索尼、英飞凌等半导体厂商的大举投入,固态激光雷达正在慢慢走向成熟。

专家指出,固态激光雷达与传统的机械旋转式激光雷达不同,它采取MEMS、光学相控阵列(OPA)等扫描方式,对物体信息进行识别,以实现收集路况信息,为自动驾驶提供数据基础的作用。而且相比机械式激光雷达,固态激光雷达在成本、体积、可靠性和使用寿命上都有优势。

那么,目前的固态激光雷达可以和机械式激光雷达相媲美吗?从览沃科技发布的产品参数来看,Horizon检测范围达260米,水平视场角81.7°,可覆盖10米距离内的4条车道,等效于传统64线激光雷达,采用5个Horizon即可实现360°场景覆盖。同时,Horizon具有高密度点云、体积小的特点,可以轻松地嵌入到车辆中。Tele-15探测距离达到500米,为远距离检测而设计,兼具紧凑尺寸、高精度和耐用性的优势,0.1秒即可扫描15°圆形视场内99.8%的区域,这一点要优于传统128线激光雷达。

激光雷达解决方案提供商速腾聚创(RoboSense)合伙人兼副总裁Leilei
Shinohara也表示:“我们与安森美半导体合作并利用RD系列SiPM系列,已迅速超越了传统激光雷达制造商使用较老旧的APD技术和机械扫描架构所提供的性能。

有望加快商用进程

激光雷达一直是自动驾驶汽车中价格最为昂贵的传感器,各个零部件供应商和激光雷达初创公司都想降低激光雷达的生产成本,以获得规模效益。随着固态激光雷达技术的逐渐成熟,固态激光雷达由于改变了数据读写模式并省去了旋转部件,成本可以大幅下降,有望推动市场应用的快速扩大。

在宣布推出激光雷达芯片时,博世发言人即表示,博世的激光雷达已经开发完成,并且售价将会低于市面上其他的激光雷达,使其成为一款大众可负担得起的产品。览沃科技更是直接将激光雷达的价格拉到了万元以下,Horizon的报价为6499元,Tele-15为9000元。览沃科技全球市场总监邓睿豪表示,大疆一直在推动的事情是希望将前沿技术平民化,这种思路也同样适用于Livox。

随着博世、安森美等半导体大厂进入激光雷达领域,特别是中国芯片厂的进入,激光雷达技术应该会取得突破,其价格有望进一步下探。而核心芯片价格的下降,直接影响激光雷达的价格,有望从万元时代来到千元时代。

从应用角度来看,激光雷达的应用依然需要与毫米波雷达、摄像头等设备结合使用。恩智浦资深副总裁兼首席技术官Lars
Reger表示:“激光雷达、雷达、摄像头,就像人的眼睛能看到的视线一样,应当相互补充,结合使用。”

毫米波雷达优点主要是探测距离比较远,精度非常高,而且不受天气和光线的影响。毫米波雷达对运动的金属物体比较敏感,但对于静止的金属或非金属物体,运动的非金属物体不太敏感,分辨率也比较低。激光雷达的测距精度非常高,基本上可以达到正负一两厘米,分辨率也非常高。但激光雷达容易受到阳光雨雾和互干扰的影响。摄像头可以通过丰富的成像信息进行各类识别运算,比如行人、形变的物体,还有停车场的横杆以及交通标识等。不同方案结合使用可以起到相互补充的效果。事实上,目前博世、安森美、恩智浦等主流半导体厂商都掌握着三种技术相对完整的产品线,同时致力于打造整体解决方案。(作者:中国电子报)

专注FMCW激光雷达的光勺科技亮相CES 2020

博客自动驾驶小能手 发表了文章 • 0 个评论 • 560 次浏览 • 2020-01-16 18:37 • 来自相关话题

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。市场 ...查看全部

据麦姆斯咨询报道,在2020年国际消费类电子产品展览会(CES)上,北京光勺科技有限公司(简称:光勺科技)展示了调频连续波(FMCW)激光雷达演示(Demo)及最新路测视频。据悉,光勺科技已于2019年年初完成了500万元的天使轮投资。

市场上最常见的两种激光光波调制技术有调幅(AM)和调频(FM)。传统的调幅(AM)激光雷达易受其它传感器光源干扰,容易出错;而FMCW技术能够提高对外界干扰的容忍度。FMCW技术的基本原理是用高频连续波作为发射波,利用接收的回波频率与发射的频率之间的微小时间差计算出某物体与目标之间的实际距离,两者的变化规律都是三角波规律。将调频(FM)激光雷达运用于自动驾驶领域,有助于提升无人驾驶汽车的安全性、帮助其根据周围环境做决策。相比AM技术,新制式FMCW激光雷达有三个显著优点:(1)探测距离长度达250米,是AM技术的2倍;(2)能提取动态多普勒信息;(3)使用单机激光特定频率,避免互相干扰。

目前,激光雷达赛道比较拥挤,全球大约有一百多家供应商,但是都是AM老技术制式,只有十余家公司使用FMCW技术。国内的光勺科技就是其中一家,而发布路测视频的目前只有三家。

目前,FMCW雷达方面最为知名的公司是被Aurora收购的Blackmore。与Blackmore采用调频FMCW技术不同,光勺科技的新制式FMCW激光雷达(Self-Homodyne Laser Radar)调制的不仅是激光光波的频率,还包括相位,也就是使用了调相技术。该公司拥有相干检测技术的核心专利,能够实现4D激光点云输出。每一个输出点云中不仅包含距离信息,同时能够提取动态目标的多普勒彩色图形信息,这将有助于在自动驾驶中探测移动的目标,高效、自动输出安全驾驶距离;同时能够排除外界噪声的干扰,提高对外界温度、环境恶劣程度的容忍度。

光勺科技表示,相比于传统FMCW调频技术,公司产品具有核心优势。从符合车规级的角度看,使用调频方案时,需要激光信号具有极高的调制线性度,而调相方案中只需要控制相对长度,对产品长度的误差度和环境的容忍度也有很大的提升,因此更容易符合车规级。


光勺科技的4D多普勒成像信息

光勺科技此次展示了实际路况测试视频。视频中,如团队提供的4D多普勒成像信息图所示,自动驾驶汽车行驶过程中,前方150米出现两个骑自行车的人在车前进方向逆向行驶,即最左图中的圈出的绿点,FMCW激光雷达能够清晰辨认出150米外正在移动的目标。图三中,两个骑行的人中有一人朝着横向方向驶开,离开车载雷达的视线范围;但另一个人仍逆行前进。此时,自动驾驶车前出现一辆出租车将骑行者挡住,人的位置位于最右图中的红圈内,该路况下,传统雷达视线会被出租车阻挡,无法辨认出骑行者所在位置,这对于自动驾驶汽车来说无疑是危险的情况。光勺科技表示,公司的FMCW激光雷达能够在此种情况下透过遮挡物,清晰地提取出室外移动目标的多普勒信息彩图,这将大大有助于提升自动驾驶汽车的安全性。

在CES 2020展会之后,目前已知对其FMCW激光雷达样机感兴趣的企业有专注于公共交通新型自动驾驶的初创公司Bluespace.ai、印度塔塔集团旗下的Elxsi。同时,光勺科技团队还在积极对接谷歌Alphabet旗下的美国第一无人驾驶公司Waymo和通用旗下的Cruise。谈及激光雷达产品正式上市的时间,“预计在2020年的Q3或者Q4发售”,光勺科技团队回复。因为“硬件加工上难度并不大,核心还是模型和算法”,厂商确认订货和下单之后,光勺科技能够在一个月内发货。

谈及竞争优势,光勺科技表示,他们申请了的一套针对激光调相的调制方面的核心专利,这是对手没有掌握的。光勺科技是国内第一家实现真实条件路测的FMCW激光雷达公司。

这个赛道上,除了技术发展路线与光勺科技最相似的Blackmore,还有Strobe、Aeva和Bridger Photonics等专注于FMCW激光雷达的厂商。其中,Blackmore获得了宝马的风险投资,Strobe被通用汽车旗下的无人驾驶公司Cruise收购;而Aeva和Bridger Photonics分别获得了丰田风险投资和德国蔡司的投资。不过,这些激光雷达厂商的产品都或多或少被市场上的头部企业绑定了。比如,Blackmore的产品仅对Aurora发售,Aeva的样机仅用于奥迪和保时捷。

杨晓明:以智能架构推动自动驾驶汽车实现量产

博客自动驾驶小能手 发表了文章 • 0 个评论 • 70 次浏览 • 2020-01-14 17:29 • 来自相关话题

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型&nb ...查看全部

安波福亚太区总裁杨晓明在发言中表示,安全、绿色、互联的发展趋势需要系统的解决方案,新一代智能架构是自动驾驶汽车量产的基础保障。

1月10日,2020中国电动汽车百人会论坛在北京举行。本次论坛以“把握形势 聚焦转型 引领创新”主题,围绕行业、企业、政策的转型与创新展开广泛研讨。

杨晓明介绍,目前,整个行业正在面临着向移动平台未来出行方式变革的挑战,在这个挑战过程中,安波福一直坚持三点:第一、安全,就是解决汽车零事故的问题。第二、环境,就是绿色,如何达到严格的排放要求。第三、互联优势。如何把安全、绿色、互联三方面结合到未来出行自动驾驶的平台上,对整个汽车行业来说,是挑战也是机遇。

杨晓明说,即使在2019年中国汽车市场面临下滑的情况下,主动安全系统仍然处于非常高速的发展阶段。“目前,汽车行业存在的一个大问题,就是传统汽车的架构接近饱和,已经不太可能承受安全、绿色和互联的发展趋势对汽车平台的要求。”

如何解决?杨晓明认为可以从今年的CES展得到启示。杨晓明认为今年的CES表现出三个特点。首先是激光雷达公司强调的重心已经从功能转向成本,在成本价格得到解决的情况下,激光雷达就可以达到适用的量产阶段;其次是AI正在成为主题,算法及计算能力得到发展;第三是感知系统被重视,如面部识别,对汽车内部的传感系统等。

杨晓明透露,安波福正在做下一代汽车架构的团队,注册商标SVA,就是智能汽车架构。这个智能汽车架构有三大特点:一、强调把软件和硬件分离开;第二、把输入端和输出端与中央计算分离;第三、中央计算中心担当服务器角色。

杨晓明认为,智能汽车架构是目前的一个发展趋势。软件和硬件分离会带来更多好处,在升级扩充功能的时候不需要重新对每个模块进行长时间的车级论证,软、硬件开发时间会大大缩短。最重要的是可以扩充功能,就是说可以不停地开发客户需要的功能,通过云端直接升级到车上,而不牵扯大规模硬件方面的论证。同时,可以实现电子电气架构的自动化装配,大大降低汽车组装的成本。“汽车智能架构会带来非常大的业务模式的变化,这个业务模式的变化不仅是消费者端,而是在整个汽车产业链里,谁来完成哪一块的功能,这是一个全新的开放的生态方式。”

安全、绿色、互联的发展趋势需要新的系统的解决方案,新一代汽车智能架构是高度自动驾驶汽车量产的基础保障。“到底市场如何去变?我认为下一个革新最可能成功的地方就在中国,因为我们有各方面的社会优势以及大量的创新企业正在向这些方向发展。”杨晓明说。(作者:交通安全智库)

2020年,5G和边缘计算将如何发展?

博客自动驾驶小能手 发表了文章 • 0 个评论 • 73 次浏览 • 2020-01-13 09:51 • 来自相关话题

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。 ...查看全部

5G的到来,为边缘计算之前不可能实现的应用铺平了道路。

2020年新年伊始,围绕着边缘计算和5G肯定会有一波新的炒作。现在是巩固和更新我们对这两个概念的理解以及探索这两种技术如何相互补充和相互增强的理想时机。特别是在金融支付、在线订单、欺诈监测、机器学习等领域,这两项技术将助力你在未来保持持续地竞争力。

边缘计算主要是处理来自更接近其创建位置的设备信息,而不是在云平台中来回调取信息。5G的到来,为边缘计算之前不可能实现的应用铺平了道路。比如增强现实和虚拟现实,5G的超低延迟特性使你看到的东西与你正在做的事情保持同步;还有自动驾驶汽车,需要在瞬间对大量数据进行处理并做出决策。

IDC预测,到2025年,全球将有1500亿台联网设备(包括RFID),其中大部分都会实时输出数据。2017年,实时数据仅占所有创建、捕获或复制信息的15%;到2025年,这一比例有望达到30%。从百分比上看,边缘计算似乎不会带来翻天覆地的变化,但是从数据的原始容量来看,这是一个数量级的增长(从~5 zb到~ 50zb)。边缘计算基于海量实时数据,具有同步智能分析的能力,同时最小化带宽开销。

新的定义

即使已经到了2020年,关于“边缘”的定义仍会仁者见仁智者见智。从NIST(美国国家标准技术研究所)到IEEE,模型仍在不断发展。它可以是树莓派选择性地将传感器信息发送到云上,也可以是谷歌在线流媒体平台上处理数据的节点。虽然这两种模型之间有很大的差距,但它们都使计算资源更接近用户终端。

一份相对中立的边缘计算报告中给出了一个更明确的定义,得到了一些行业的共识:

  • 边缘是一个位置,而不是一个新事物。

  • 边缘计算有很多,但我们关心的是网络“最后一公里”的边缘计算。

  • 边缘计算有两种形式:基础设施边缘和设备边缘。

  • 计算将同时存在于边缘和云平台,他们之间的界线越来越难以划分

通俗地来讲,设备边缘包含终端,如电话、无人机、AR耳机、物联网传感器和联网汽车;还包含网关设备,如交换机和路由器;以及本地服务器。它们都在网络最后一公里的下游。基础设施边缘存在于上游,是通过网络接入设备和数据中心获取计算资源。

例如在大钻机案例中,树莓派是在设备边缘,它不需要实时传输环境数据来占用带宽,而是在本地进行处理,除非紧急任务下才向后台上报。相反,当本地数据中心需要提供每秒60帧的流媒体速度来播放4K高清视频时,虽然设备边缘能提供了一个明显的低延迟优势,但是用户更希望向上游获得一个具有更强大的处理能力的硬件。

除了分布式基础设施靠近核心网络之外,对云的要求也变得更集中化和可扩展性。但是,当您使用云计算时,延迟要高得多(而且一致性也差得多)。

低时延边缘计算的优势

人们很容易将低延迟视为边缘计算的杀手锏,尤其是在云计算受到物理限制的情况下。

数据的传输速度不可能超过光速,因此向数百或数千英里外的服务器发出请求必然要花费数十或数百毫秒才能完成。当你滚动网页时,这种区别是看不出来的。但对于远程操作的外科医生或虚拟现实中的游戏玩家来说,这些延迟是无法接受的。

边缘计算则消除了延迟以保持数据的一致性。

边缘计算还避免了在连接的设备和云之间来回传输数据。如果您可以确定数据的价值更接近它被创建的地方,那么就可以优化数据流动的方式。将流量只用于云上的数据,可以减少带宽和存储成本,对延时性不敏感的应用也是如此。

边缘计算还会带来可靠性。在恶劣的环境中,设备边缘和集中式云之间数据传输可能会出现很多问题。如海上平台、炼油厂或太阳能农场,设备边缘和基础设施边缘可以在连接不到云的情况下半自主地运行。

分布式体系结构甚至是安全的福音。将更少的信息转移到云中意味着拦截的信息更少。边缘的数据分析在地理上分散了风险,端点信息本身并不容易保护,因此,边缘处的防火墙有助于限制攻击的范围。而且,出于遵从性原因,将数据保存在本地可能很有用。边缘基础设施提供了基于地理位置或版本权限访问的灵活性。

5G和边缘计算相互促进

边缘计算并不新鲜。早在2000年,内容传播网络就被称为边缘网络。但人们普遍认为,随着5G覆盖范围的扩大,边缘计算将有助于利用本地(而非区域)计算资源解决现代应用程序的高带宽、低延迟需求。

5G技术将使计算资源更接近数据生成的地方,从而提高企业应用程序的速度、可靠性和灵活性。更多的信息将在5G网络之间高效传输,而不需要往返于中央云上。因此,我们将会看到以前不存在的应用案例。

根据《边缘计算状态报告2020》,对边缘计算的最大需求来自于通信网络运营商,他们要不断的更新基础设施和升级5G网络。在这些网络上运行的移动消费者服务将依赖于边缘计算,来支持在线游戏平台、增强/虚拟现实和人工智能等应用。

智能家庭、智能电网和智能城市都倾向于使用设备边缘平台。但是,随着这些用例的发展和变得更加复杂,也会出现对基础设施边缘功能的需求。5G对超可靠低延迟通信(URLLC)和大规模物联网通信(mMTC)的规定意味着设备和边缘计算可以更紧密地连接在一起,使它们的短连接更高效。


如图所示:交通信号灯联网并连接到边缘网关,数据可以在那里被收集和分析。作为边缘网络的一部分,它们可以向地图工具提供数据,并围绕拥塞问题重新设置路线。

值得一提的还有自动驾驶汽车。它是5G增强的边缘计算的典范。现在最新的汽车已经利用设备边缘上的计算资源进行避碰、车道保持和自适应巡航控制。但随着辅助驾驶和自动驾驶功能变得越来越复杂,将需要添加来自周围环境的基础设施的边缘资源。例如:根据前方的交通状况来调整行程,与其他自动驾驶车辆相互协调在红灯前通过,或者在瞬间做出决定以避免不安全情况。

边缘计算还需成长

边缘计算被列为Gartner 2020年十大战略技术趋势之一。同时列表中的其他几个概念也植根于边缘计算。超自动化致力于应用人工智能和机器学习等技术,它将依赖于低延迟和持续可靠的通信基础。多维体验也是一大趋势,它依赖于高带宽和实时处理的多维传感器和多功能界面。当然,智能的事物都与AI、5G和边缘计算有关。

启用这些新的应用将需要大量的投资。据Tolaga Research预测,从现在到2028年,IT和数据中心基础设施的累计资本支出将达到7000亿美元。

随着计算资源从集中式云向分布式边缘的扩散,新的应用、新的机会比比皆是,特别是成熟的基础设施边缘。理解边缘计算和5G的影响将帮你给客户带来更加无缝的体验,洞察新市场,并迅速做出反应决策。(作者:Chris Angelini)

邬贺铨:5G发展尚未能满足车联网需求

博客自动驾驶小能手 发表了文章 • 0 个评论 • 72 次浏览 • 2020-01-13 09:31 • 来自相关话题

5G的车联网创新还需要验证  ...查看全部

5G的车联网创新还需要验证 

1月10日-12日,以“把握形势、聚焦转型、引领创新”为主题的2020中国电动汽车百人论坛在北京钓鱼台国宾馆举行。

在10日上午的自动驾驶论坛上,中国工程院院士邬贺铨发表了主题为5G车联网的挑战的演讲。他认为,5G要满足车联网的需求还有很大的挑战。目前的5G技术是为公众通信而设计的,面向的客户群体广大,地域宽广。但对于车联网而言,所需要的应用距离则较短,尤其是车辆与车辆之间。而车联网在80%的状态下都是为行驶准备的,因此对于通信的移动管理要求很高,车联网需要每时每刻都在线。

除此之外,传统的通信主要是满足“点到点”的传输需求,但是城市车联网在V2V环境下是“点到多点”和“多点到点”的传输,需求更加多样。

因此,在邬贺铨看来,5G要满足车联网的需求还有很大挑战。除了技术层面之外,由于车联网拥有众多标识方案,因此未来不用的运营商之间还会存在互通的瓶颈,无法实现有效的直连。

以下是邬贺铨的演讲全文,雷锋网做了不改变愿意的编辑。

车联网的发展需要5G

车联网的通信模式可以分成四类:1.V2V(怎么解决汽车与汽车之间的通信);2.V2P(汽车跟行人之间怎么通信);3.V2I(汽车跟路边、云、红绿灯、停车场的通信),怎么控制信号灯的转换;4.V2N(汽车到网络的通信),解决优化交通流量的问题,做好交通的规划。

我们可以看到为什么会车联网需要有通信呢?我们的汽车车速和刹车的距离,它们是有关系的,假如每小时开到112公里的话,到刹车的时候,差不多要真正刹住需要5秒钟,我们说100米以内可能是驾驶员的感知,200米是车辆的感知,V2V可以有300米的感知,可以提前一些,上到云可以有更远距离的感知(2公里)。

现在汽车作为自动驾驶,是L5级别,不同级别对传统时延有不同的要求的,这需要有不同的技术来支撑。就通信技术而言,在4G时代,L1、L2级别的支撑应该是没问题的,但是如果说真的要到L5级别,就需要5G,最底下一行eMBB是增强的移动宽带,eV2X是增强的v2x通信,包括车到车、车到路、车到基础设施等等。实际上为什么会时延有要求?我们可以停车为例,应该说对时延要求不是最严格的,但是我们可以算出来,如果停车精度要1米的话,扣除处理的时延10毫秒,制动感应30毫秒,这个时候可以看到V2X的时延只允许5毫秒。

远程驾驶、自动驾驶要求端到端的时延不超过5毫秒,可靠性要求99.999%,需要联网,每辆车每秒的数据会到一个GB,按照移动通信标准化组织3GPP对eV2X的要求,在自动驾驶和传感器共享的要求,时延不能高于3毫秒,传感器共享要求带宽1GB,我们可以看到在4G的时代,LTE的时延可能要到100毫秒,如果我们加上边缘计算,可以减到10毫秒,但是仍然超出了目前自动驾驶的要求,所以我们需要有5G+边缘计算,可以说车联网需要5G,只有5G才能支持这个要求。

车联网的通信可以分成好几类,总的叫V2X,一类是短距离的通信,最大传输距离800米这么长,而最高车速是60公里,最大数据率大概是27MB。另外容量不够,如果交通拥堵的时候,车很多的时候就不能胜任了,在抗干扰方面以及覆盖方面是它的不足,现在较多用C-V2X,C是蜂窝的意思,基于蜂窝的V2X可以分为在4G场景下的LTE的V2X,还有增强的LTE环境下的V2X,以及NR的V2X,就是5G,我们可以看到,在4G时代,带宽可以扩展到上百兆,带宽可以到上行500兆,下行1G,但是用户面的时延10毫秒,控制面的时延50毫秒。

增强的4G的V2X增加了一些功能,像车联网编队、高级驾驶、扩展远程驾驶。我们注意到最右边5G的时候,它的通信距离延伸到1公里,最高相对车速可以支持500公里,最大带宽到1G,最重要的是时延降到3毫秒,通信可靠性能做到99.99%。相对于其他的模式,5G是比较接近车联网需要的。

5G本身,我们走过了第一代移动通信,一个蜂窝小区,是以频率的不同区分用户,我们叫频分多址,它是模拟的,以GSN为代表的2G是数字的,以时隙的不同区分用户,TDMA,3G都是CDMA,是以码道的不同区分用户,码分多址。4G把频分、时分、码分都用上了,它的峰值速率可以上到100兆。现在5G来了,在多址方式上,5G和4G有所改进,但是并没有完全变化。

应该说整个移动通信都是十年一代,每一代移动通信的峰值速率是前一代的100倍,所以5G峰值速率可以上到20G,但是这是极端的情况,是工作在毫米波频段800兆的窄频,而且一个蜂窝全部给一个用户用,服务器就在边上,这种情况基本上是实验室做一个测试可以,对一般的应用是不可能的。

即便做不到20G,做到1G是没有问题的。最重要的区别不在于带宽,而在于它扩展的应用模式叫产业互联网和智慧城市,三代应用场景增强移动宽带、超可靠、低延时、广覆盖、大连接,它基本上还依靠通信的基本原理,蜂窝做得更密,这样容量更大,尽管频率高了,传输距离短了,但是蜂窝密了,能够适应。其实是大规模的天线,也就是说把空分的能力也加上去了,还有窄宽频率以及物理层的改进。

所以5G跟4G比,在多项性能上都有1-2个数量级的提升,比如说移动性现在能支持500公里时速的高铁,无线接口延时减少到1毫秒,连接密度提升10倍,一平方公里有100万个连接,能效和密度密度各提高100倍。

5G面临的诸多挑战

我今天主要想说即便5G要满足车联网的要求也还是有很大的挑战,比如说传统的互联网是叫无连接的,所谓无连接在右图可以看到,一个信件可以拆成很多个IP包,过去是无连接,我们的路由器既有节点控制功能,也有传送转发功能,过去收的一个IP包打开看一下地址,找到最近的路由器做转发,这实际上是不考虑全网优化的,现在我们希望把节点控制功能抽出来,进行网络操作,把应用功能抽出来,然后全网收集全网的大数据,包括业务流量的数据以及车流的数据,还有网络资源的数据。在源端就定义了端到端的这条路由,这就是叫面向连接。

如右图:原来的无连接,一个邮件可以变成很多个信件,本来都是同一个源到同一个目的地的,但是实际上在互联网上,我们是逐包转发的,每一个包各自选路,这叫无连接,相当于走不通的路。在当初互联网开始的时候认为不稳定,所以我们用这种方式能够保证它通信的可靠性,即便一个包传不了,可以重传这个包,而不是一个信道都丢掉。

如果用原来互联网无连接的方式就显得效率太低了,在车联网上尤其如此,所以我们改用软件定义网,也就是说通过网络的集中管理,从头到尾给它指定一个路由,这种情况在现实交通中,比如说我们在北京早高峰、晚高峰给公交车指定一个路由,但是平时不能对任何车定路由。而5G希望对所有的业务流能够在源端把每一个路有指定好,优化方式。实际上在现实情况下,可能只有级别很高的高级车辆才能有这种待遇。

如果把它用在车联网上用,这实际上所有的车都要有单独给它计算一个路由,这个计算量还是很大的,另外怎么能够实时?怎么能够满足低延时的要求?而且传统的通信网在做这个计算,是在网络运营商的中心来做的,而车联网不能够把它放到整个网络运营商的运营中心,因为一个城市是一个城市,所以可能这种管理集中处理功能,只有放到城市里头,而按城市来分级可能就会多了,另外,所有的车都要端到端的指定路由,这实际上是要求比较高的,所以是不是说未来一部分车指定,一部分车不指定,所以这也是一个挑战。

其次,5G上面要适应高铁的通信,很多时候坐在家里用的时候根本没有运动速度的要求,5G要支持高带宽,当然很多时候传感器数据是低带宽,所以要求是各种各样的,我们不能把网络做成不一样,我们是通过逻辑上的切片,你要高带宽的,我把网络资源组成高带宽,你要低延时就给你低延时,要高可靠就给你高可靠,就像马路上一样,大客车给它指定通道,小车给它指定通道,甚至摩托车给它指定通道,5G的时候希望这样,但是实际上能做到这么精准、这么细致也是有难题的。

这个我们在通信上叫网络切片,网络切片就是给它组成了专用通道(VPN),我们知道VPN是大客户,是少量的,而5G现在希望对所有的都做VPN,这显然是一个难题。另外,车联网如果在公共公用网上只有一种业务类型,是不是所有车联网的车都成为一个大切片呢?这种想法跟原来切片提出的“小”思想是不完全一致的。虽然都是车,但是每一辆车对通信的要求是不一样的,里面有特种车辆、一般车辆,需要区别对待。

还有一些问题,马路上有一些车具有支持网络切片的能力,原来的车并不具有支持这个能力。所有车混在一起,你有切片的能力好办一点,没有切片能力怎么办?就像自动驾驶的车上路了,你可以做到不撞别人,但是不等于别人的车不撞你,所以有一个管理上的挑战。

另外,车联网面对行驶中的车辆,要用无线联网,不可能用光纤,刚才说过了,5G和其他的车联网技术比是更有优点的。当然了,我们最方便的办法是用运营商的网络,车联网上到运营商的网络,这样不需要重新投资基础设施,可以节省成本。

但是有一个问题,传统的运营商的基础网络在5G的时候主要使用TDD的模式,TDD是什么意思?就是在一个频段上既有上行也有下行,上下行不见得是对称的,因为在消费侧的应用,大部分消费侧希望从网上下载视频的多,自己往上传视频的少,所以在同一个频段安排上下行的时候一般是三七开,30%的时隙用于往上传,70%的时隙用于接收网络的数据,可是在物联网,我们更多的是传感器的数据往上报,而真正网络指令的数据还是少的,所以应该是倒的三七开。

这两者不同的上下行时隙的配比如果安在同一个运营商的网上,这两者是有互相干扰的,所以要不就设计在不同的窄频,否则就很难配置,所以现在就提出一个问题,车联网能完全上到运营商的5G网络吗?所以我们有可能说我们城市里头可能要建设一个支持车联网的5G的专网,它可以有单独的时隙配置,而不跟公众网上的时隙配置冲突,这就需要专用频率,欧洲对工业互联网已经测算了,预留了76兆,德国分配100兆。

目前分给车联网的频率是5.8G,带宽不高于75兆,真正给V2V用的只有25兆,所以如果每一辆车都要有专用的广播频率的话,频率就不够了,所以频率问题对车联网来讲也是一个挑战。建设一个专用的城市车联网的5G专网也有成本的挑战。

另外,尽管5G的空口时延很短,但是如果存在地面,再经过一些处理,那时延还是比较大的,所以我们需要把云的能力,部分计算能力下沉,成为边缘云,边缘云负责处理一些时延敏感的数据,过滤掉一些数据送到中心云,中心云搜集多个边缘云的数据优化模型再下发,所以我们说为了适应车联网的需要,需要大量使用边缘计算,将存储内容分发下沉到边缘云来处理。

 IDC预测将来50%的数据都要在边缘处理,当然了,两机云会比单机云的成本节省一些,但是在车联网场景下,如果边缘计算下沉到路边单元,颗粒度很小,时延很低,但是太多了就碎片化,如果放到移动通信的RSU,路边的RSU效果是好的,但是边缘计算就要管理很多个路边RSU。

所以这里面也有一个成本问题,而且有一个车联网的问题,不是固定接入到一个边缘计算,边缘计算如果在基站,这个车一会儿开到另一个基站,也就意味着这种计算存储要转换到另一个基站上,这种基站到底是边缘计算与边缘计算之间沟通,还是上到中心云再来沟通,这里面各有优缺点,边缘计算和边缘计算之间直接沟通时延很短,能适应车联网的要求,但是带来了很大的开销。

5G的车联网创新还需要验证

5G很重要的应用是把物联网的终端直接连到人工智能、大数据的分析,过去我们没有5G的时候,除了光纤以外,其他手段不能解决传感器跟后台的大数据、人工智能之间的这种传输的时延问题,因此往往大数据、人工智能的决策分析都是滞后的,也就是说它会带来很大的时延,没法实时化,现在5G的介入使它们两者无缝融合,AI+IoT我们叫AIoT智联网,5G对物联网的要求是一平方公里100万个传感器能联网,传输时延不高于10秒,丢包率不高于1%,按照这个数字,应该是基本能够满足车联网要求,尽管这里写时延10秒,这是讲端到端很长距离的,城市车联网短距离不会有这么高。5G的AIoT需要一些技术来支撑,但是难题是什么?现在车里面几百个传感器都是用选来方式管理吗?这是一个挑战。

另外,虽然5G一平方公里能接入100万个传感器,每个传感器接进来又印证,一个一个印证到什么时间?所以要群组印证,群组印证怎么保证群组跟个性的区别?另外车联网V2V印证还要快,还要车联网要有大量的终端,本身也有安全问题,所以需要有安全的协议,但是安全的协议不能太复杂,否则不但增加能耗,还加大时延。这么多车联网会产生DDOS攻击,都被木马攻陷了,100万个传感器共同访问路边的车联网设施,也会把路边的车联网设施搞瘫痪了。

所以总的来说虽然5G能支持车联网大量的传感器联网,但是也面临很大的挑战,车联网用什么标识,车联网的物联网里面有很多种标识方案,在5G上当然希望用IPV6,但是实际上前面4G的车联网以及DSRC的车联网可能会用其他的标识,怎么实现标识之间的互通就是一个问题,而且车联网的标识一般是在一个运营商范围里头的,而城市里的车,可能某些车接入到移动,某些接入电信,某些接入联通,是不同的运营商,不同的运营商之间要互通,这就带来难题,一个是标识能不能一致,另外,过去我们三个运营商不是在任何城市都是直联的,在中国三个运营商直联的点只有13个,有些省,比如云南、西藏这些是没有的,云南电信跟云南联通要连通就要到成都的直联点才能实现。车联网上如果是这样的话,时延就没法保证,所以车联网就要求运营商的网间直联点要下沉到每一个城市,这也是现有运营商的网络做不到的。

车联网是5G的一种业务,5G的业务采用一种开放的方式,可以说接入到你需要什么能力我可以附加什么能力,就像App一样,这也方便我们的业务灵活性,5G本身又改变了协议的标准,传统的移动通信是专用的协议,所以5G是互联网的协议。

之所以开放和采用互联网的协议是为了让现有的业务更灵活,当然也带来挑战,原来网络是封闭的,协议是专用的,很少听说有网络安全事件发生在运营商的网络,把运营商搞瘫了,现在网络是开放的,协议是通用的,一定意义上5G会增加更多的安全风险。车联网对安全的要求又比一般的通信高,所以在这个情况下,我们需要付出更多的安全代价,而且车联网一般是短包,而互联网的TCP/IP对短包是没有什么效率的,所以是不是考虑新的协议应对物联网。

运营支撑也很复杂,5G有虚拟NFV,就是网络单元虚拟化,还有网络切片,这些都是动态的,要进行动态的管理,很复杂的管理系统,车联网一个问题要快速计算和处理,运营支撑系统不能只是运营商一个,可能到每一个城市也有一个,否则就不能实时性了,所以应该说实时性对5G也好,对车联网也好,都是很大的挑战。

所以我说整个5G来讲,虽然说它相对于其他移动通信系统更靠拢车联网的需要,但是实际上车联网的一些特点,不是5G所面对公众通信的特点,它是不一样的,而且有很多新的需求,现有的5G技术未必能适应。我的看法是:5G的车联网想说爱你也不容易,汽车永远在路上,5G的车联网创新也永远在路上!(作者: 王浠源)

晶方科技拟募资14亿元,用于开发智能传感器模块

博客自动驾驶小能手 发表了文章 • 0 个评论 • 87 次浏览 • 2020-01-06 10:45 • 来自相关话题

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。据公告显示,本 ...查看全部

2020年1月2日,晶方科技发布公告称,公司拟向10名特定对象,非公开发行不超过发行前总股本20%的股份(即45935891股),募集资金总额不超过14.02亿元,用于“ 集成电路12英寸TSV及异质集成智能传感器模块项目”。

据公告显示,本次募投项目产品主要应用于手机摄像、汽车电子、生物身份识别、安防监控等领域,通过扩大产能顺应手机摄像、汽车电子、生物身份识别、安防监控等领域的新产品趋势,满足客户的新产品需求。

晶方科技认为,随着物联网和人工智能趋势的不断推进,这些领域正呈现出强劲的增长趋势。手机是影像传感器的最大终端用户市场,未来手机摄像头的需求依然强劲,其成长动力主要来自三摄、四摄对CMOS图像传感器数量的提升,每部手机摄像头数目将大幅度增加;汽车电子中自动驾驶需要多个摄像头传感器,未来增长爆发力足;全面屏+OLED逐渐成为未来手机的主流解决方案,以及手机多摄像头和更大的电池占用手机背部空间,屏下指纹将成为手机指纹识别主流的市场趋势,指纹传感器需求扩容确定性大;安防监控的普及度增加,安防监控市场传感器将会迎来稳定增长。

近几年,公司已对市场需求的新趋势进行了前瞻性的技术储备和布局。针对汽车电子等领域高可靠性的要求,公司在12寸消费类传感器用TSV晶圆级封装工艺的基础上,开发出了高可靠性TSV晶圆级封装工艺;针对市场高可靠性、高集成度、多芯片的市场需求趋势,公司2014年收购DRAM专业封测厂智瑞达电子(原德资奇梦达苏州封测厂),全面导入传统封装量产能力,将其与公司原有的先进封装技术互补,融合并再创新,率先推出了具有国际领先水平和具备完整 IP 的高端智能传感器用扇出型系统级封装平台。

本次投资项目将推动高可靠性 TSV 晶圆级封装工艺、扇出型系统级封装工艺平台等技术的发展,进一步巩固公司已有的技术领先优势和地位。

据悉,该项目建成后,将形成年产18万片的生产能力。该项目实施达标达产后,预计新增年均利润总额1.6亿元,预计投资回收期约6.19年,内部收益率为13.83%。该项目实施单位为苏州晶方半导体科技股份有限公司,项目建设期1年。

据公告介绍,晶方科技主要专注于传感器领域的封装测试业务,主要为影像传感芯片、环境光感应芯片、微机电系统(MEMS)、发光电子器件(LED)等提供晶圆级芯片尺寸封装(WLCSP)及测试服务,是中国大陆首家、全球第二大能为影像传感芯片提供WLCSP量产服务的专业封测服务商,该产品广泛应用在手机、安防监控、身份识别、汽车电子、3D传感等电子领域。

​博世高调杀入激光雷达市场

博客自动驾驶小能手 发表了文章 • 0 个评论 • 91 次浏览 • 2020-01-06 10:42 • 来自相关话题

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。 ...查看全部

据路透社报道,德国汽车供应商罗伯特·博世(Robert Bosch)周四表示,公司已开发出一种传感器,该传感器可使汽车“看到”道路的三维视图,旨在降低可加速无人驾驶汽车发展的技术成本。

1578278976717130.jpg

私人控股的博世公司表示,内部开发的激光雷达传感器将在下周的拉斯维加斯消费电子展上展出,它将覆盖高速公路和城市的长距离和近距离范围,并将与该公司的摄像机和雷达技术配合。

激光雷达技术使用基于光的传感器生成道路的三维视图,但它仍然是一个相对较年轻的技术,仍在不断发展。从目前来看,它对于大众市场的使用来说太昂贵了,但是如果便宜的激光雷达传感器被广泛采用,它可以提供更多的深度数据,从而使自动驾驶汽车能够更好地检测到与行人等其他道路使用者的距离。

尽管众多初创公司正在研究激光雷达,但像博世这样的大型值得信赖的供应商的参与可以帮助加快该技术的采用。

博世管理董事会成员哈拉尔德·克罗格(Harald Kroeger)在一份声明中说:“博世将首先把自动驾驶变为现实。”

最初,激光雷达开发人员使用的是放置在汽车顶棚上的笨重的旋转设备,现在已经过渡到了更紧凑的固态设备,可以将其安装在汽车的其他部件上,例如前大灯附近。现在,这些产品的限量销售价格不到10,000美元,但分析师表示,批量生产的价格必须低至200美元才能实现商业可行性。

博世并未提供其激光雷达的时间表,价格或技术细节,但一位发言人表示,该公司正在努力使传感器“准备就绪”,并将重点放在“负担得起的大众市场”技术上。

发言人拒绝透露博世是否已经有传感器的汽车客户。

由于成本和监管问题导致汽车制造商和科技公司重新考虑其计划,因此无人驾驶汽车的发展已达到了一个减速的步伐。

目前,包括通用汽车公司,福特汽车公司和谷歌Waymo 在内的公司都使用激光雷达。苹果公司也正在评估这项技术。

其他公司则不愿采用激光雷达,原因是成本高昂且功能有限,其中包括埃隆·马斯克的Tesla公司和日产汽车有限公司。

去年4月,马斯克称激光雷达成本太高,并称依赖该技术的任何人都“过时了”。特斯拉汽车依靠摄像头和雷达作为自动驾驶的视觉系统。

在过去几年中,已经向激光雷达初创企业投资了数亿美元。

开发该技术的其他主要供应商包括法雷奥,Aptiv和美国大陆。去年7月,法雷奥表示已赢得价值5亿欧元(5.6亿美元)的激光雷达传感器产品订单。(作者:半导体行业观察编译自路透社)


“合肥造”77GHz毫米波汽车雷达芯片在京亮相引关注

博客自动驾驶小能手 发表了文章 • 0 个评论 • 90 次浏览 • 2020-01-03 14:13 • 来自相关话题

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。 ...查看全部

记者从38所获悉,日前 “智能传感器及无人系统应用”论坛在北京理工大学召开。38所携77GHz毫米波汽车雷达芯片和AiP模组参加论坛,受到业内专家广泛关注与高度认可。

论坛上,来自国家国防科技工业局、北京市科委、北京市新能源汽车促进中心等众多知名高校、企业的专家与学者齐聚一堂,共同研讨先进智能传感器领域、智能无人平台系统的研究发展状况。

38所科研人员作《毫米波传感器收发机芯片研究进展》主题报告。报告综述了毫米波传感器芯片最新研究进展及技术发展趋势,介绍了基于CMOS技术实现毫米波收发机芯片面临的挑战,以及毫米波天线与封装一体化设计最新解决方案。报告还介绍了38所研发的76~81GHz 3T4R毫米波雷达收发机芯片及最新研制成功的3T4R毫米波封装天线(AiP)模组。

77GHz毫米波芯片是汽车雷达传感器的核心芯片,目前一直被国外公司垄断。经过三年不懈努力,2019年,38所项目组攻克毫米波电路设计、晶圆级封装和封装天线设计等多项关键技术,芯片主要性能指标达到国际同类产品水平,在国际上首次实现77GHz多通道毫米波芯片与7路天线单封装集成。同年发表国际论文12篇,在国际集成电路领域一流会议RFIC、ISCAS、ESSCIRC完成会议报告3次。该项目先后获得安徽省科技重大专项、安徽省战略新兴基地等项目支持。(作者:新安晚报

5G SA应用落地!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 70 次浏览 • 2019-12-31 16:49 • 来自相关话题

5G应用,即将爆发无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多 ...查看全部

5G应用,即将爆发

无论对于全球还是国内而言,2019年都是5G商用元年,并将从2020年开始进入到5G规模商用阶段。2019年,国内有50多个城市开启5G商用;12月23日召开的全国工业和信息化工作会议对2020年重点工作进行了部署,要求抓好7个方面重点任务,在其中的“促进信息通信业高质量发展”重点任务方面,明确要在2020年“稳步推进5G网络建设,深化共建共享,力争2020年底实现全国所有地级市覆盖5G网络”。

5G商用,重点在“用”,通过“用”来实现5G投资回报从而促进进一步的5G网络投资、拉动信息消费升级、增加就业岗位等。国务院在12月24日发布的《国务院关于进一步做好稳就业工作的意见》要求开发更多就业岗位,为培育壮大新动能拓展就业空间,加快5G商用发展步伐。据5G微信公众平台的观察,国内各地出台的5G政策文件中,2018年的侧重于5G产业发展以及5G网络建设,而2019年的则侧重于5G应用发展——截至目前,各地已发布的约50个5G政策文件均要求积极推进5G应用示范;已成立省市级5G联盟与研究机构50多个,为5G应用发展搭建合作与创新平台。

着眼于最大限度释放5G系统在大带宽、高容量、低时延的能力,2019年,三大运营商积极探索5G创新型应用。中国电信在媒体直播、智慧警务、智慧交通、智慧生态、智慧党建、智慧医疗等共10大垂直领域探索5G融合应用,积极开展5G+云创新业务、5G+行业应用和5G+工业互联网等三方面5G示范应用。中国移动的5G联合创新中心,汇聚了400余家成员单位,在“5G+”计划框架下面向工业、农业等14个重点垂直行业开发5G融合应用。中国联通网络研究院的5G创新中心主要在新媒体、智能制造、智能网联、智慧医疗、智慧教育、智慧城市等10个行业方向的5G应用方面发力,并编制6 大行业5G工作指引。

5G使能的首个行业,数千亿美元的市场机遇

从大的趋势方向看,各类创新型5G融合应用的商用有着一定的节奏,预计绝大多数类型的5G融合应用的落地商用将会发生在5G SA规模商用后的2021年及未来(5G商用中后期),而2019-2020年间的5G商用初期将以eMBB类型业务为主。那么,哪个行业将成为5G使能的首个行业?从全球及国内的现状看来,答案是媒体行业/传媒行业。目前,该行业正在向超高清、多视角、强互动等全新体验演进,从而对于大带宽传输、云/边缘计算、大数据分析、人工智能等有着极强的需求,5G使能空间大,比如著名咨询公司Ovum在2018年10月发布的《5G娱乐经济报告》预测,在未来10年(2019-2028年),5G网络为传媒产业带来的营收机会将达到近1.3万亿美元,且在预测期内增长迅速:2019年,5G传媒应用营收4.09亿美元,占传媒产业总营收的0.2%;2022年,5G传媒应用营收将达470亿美元,占传媒产业总营收的18.5%;2025年,5G传媒应用营收将达1830亿美元,占传媒产业总营收的57%;2028年,5G传媒应用营收将达3350亿美元,占传媒产业总营收的79.9%。

如此巨大潜力的5G+媒体行业市场,早期的切入突破点何在?当下,人们对于大型公共活动、体育赛事等的直播内容质量要求越来越高,这使得专业制作的视频内容(如PGC)将继续有着很大的发展空间,此类内容在5G+媒体行业市场中将占据很大份额,主流权威媒体正在联合相关各方积极布局,最近的典型实践是新华社在12月22日通过中兴通讯联合中国电信分别在澳门、珠海搭建同厂家/跨厂家5G精品SA网络对“庆祝澳门回归祖国20周年澳珠烟花汇演”进行高清直播,实现澳珠两地跨境烟花汇演的现场实景。

电视直播最重要的环节之一在于“源头”——把活动现场的多路视频素材实时回传至制播系统(一般位于远端),且要求以广播级的质量(带宽、时延等)实现回传(毫秒级的端到端时延和100%的业务可靠性保证)。此次澳珠烟花汇演属于“庆祝澳门回归祖国20周年”的盛事之一,我们可以想见其对于现场视频素材实时回传的质量要求比一般直播活动的要求更高,根据新华社的报道,此次基于5G SA的直播中,应用上行优化专项保障技术建成全国领先的SA覆盖精品网,现场高清摄像机通过5G终端连接5G基站,利用5G高带宽、低时延的特性上传高清视频信号,经过现场实时编辑制作后,转换成视频直播信号,通过5G网络,实时传送到直播中心,最终分发到用户的手机和电视上。

笔者认为,此次盛事直播的成果,再次凸显了5G具备给传媒行业带来变革转型的能力。2019年,很多重大活动的现场直播都有5G的鼎力相助,比如在3月份的“两会”期间,中央广播电视总台联合中兴通讯首次使用5G+4K设备进行网络直播,新华社联合中兴通讯对全国政协记者会进行5G直播;8月份,中国移动山西分公司、山西广播电视台、中兴通讯联合通过一体化5G直播电视解决方案对第二届全国青年运动会进行了直播;10月份的武术运动世界顶级赛事——第十五届世界武术锦标赛期间,中国电信天翼视讯携手中兴通讯首次应用5G智慧场馆赛事直播解决方案为现场观赛用户带来了“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”三大标志性创新直播体验,并首次把“360度视角任意看”应用于大屏电视端为电视用户提供了多样的个性化观赛体验。

由此,可以说,在5G商用元年,5G+传媒行业的探索实践已经在火热地进行,解决了很多实际的细节问题。5G微信公众平台通过对上述各个活动的深度观察,总结出了5G直播的几大特点

一是5G的大带宽、低时延、高可靠等特性可解决重大活动现场直播的痛点问题。此前,由于网络时延比较大、网络质量不太稳定,4G在多数情况下只被作为直播的备路信号或短时间的小型现场新闻连线信号来使用,大型的直播活动和重要节目都还是采用卫星、光缆专线等传统技术手段。卫星传输需要动用大量设备(比如卫星转播车或者便携上行站等),而5G传输设备轻量化,便于工作人员携带,很多技术工作可以远程完成,减少人员和设备的出行成本。总之,把5G应用于直播节目的制作,能够解决诸多痛点——成本高(转播车出车贵)、效率低(制作回传不满足时效性)、环节多(专业技术资源调试时间长)、灵活性差(难以随时随地常态化报道)、抗干扰弱(极端天气/高人口密度/高速移动)、兼容性差(融合发布难)等。

二是5G非常有助于直播业务的创新。几十年以来,直播的模式一直都是“你播我看”。而现在,人们的眼界和欣赏水平已经得到迅速提高,对于“个性化”直播的要求越来越高,希望得到现场感、参与感等直播体验,比如通过现场“黄金”位置去看直播、实时无缝切换到自己喜欢的一些运动员的视角去看直播、自主切换空间看自己认为精彩的部分、边看比赛直播边在线上虚拟社区上参与讨论等。上述2019年的重大活动5G直播表明,5G结合一些新技术能够给用户带来个性化的直播观看体验,比如“导播视角自主看”“4K超高清伸缩看”“360度视角任意看”。这使得我们看到了这样的潜力——通过5G与边缘计算等新技术的融合,能够实现大型活动现场多角度、多机位的拍摄与传输,以及依靠5G 网络结构整合内外场(内场比如电视台内制播系统,外场即转播现场)协同能力、重构内外场协同制作业务架构。

展望未来,各方共赢

对于重大赛事、大型活动、突发新闻等,用户普遍有着直播观看体验革新的需求,5G微信公众平台认为,将来都在5G SA商用后,结合端到端网络切片、MEC、云-边协同、大数据分析、人工智能等新技术的应用,高清/超高清视频直播过程中传输成本高、传输稳定性低、部署周期长、业务创新慢等媒体行业共性痛点问题可以得到很好地解决,使能运营商为媒体行业提供连接能力,通过5G网络实现随时随地直播,并实现视频流快速回传;使用5G网络切片功能,确保视频传输质量,以“动态切片”实现直播应用不再受限于传统光缆或/及卫星通信专线开通的周期,且可在直播活动结束后即可下线网络切片并释放相关网络资源,生命周期短,订购灵活;通过运营商边缘计算能力,实现视频流在本地的快速渲染、处理、个性化虚拟导播等。(作者:5G微信公众平台)


激光雷达中国市场“生变”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 106 次浏览 • 2019-12-27 18:51 • 来自相关话题

近日,激光雷达公司Velodyne裁撤中国区人员的消息,再度搅动了激光雷达圈子。两年前,这家外资公司还对中国市场充满了憧憬与信心,几乎垄断了整个市场。然而,就在今年,市场格局被后来居上的国产激光雷达成功扭转。激光雷达技术的门槛虽然很高,但是 ...查看全部

近日,激光雷达公司Velodyne裁撤中国区人员的消息,再度搅动了激光雷达圈子。两年前,这家外资公司还对中国市场充满了憧憬与信心,几乎垄断了整个市场。然而,就在今年,市场格局被后来居上的国产激光雷达成功扭转。

激光雷达技术的门槛虽然很高,但是随着国内科技创业浪潮的兴起以及资本的加持,一批国产激光雷达初创公司纷纷入局,并迅速以自身的技术和本地化优势占领了市场的一方天地。

对于老牌激光雷达公司Velodyne来说是尴尬的,因为他们可以生产出质量最好、性能最好的机械旋转激光雷达,却忽视了中国本土企业的“产品创新”能力。

例如,镭神智能自主研发的全球首款激光雷达专用16通道TIA芯片,让单颗芯片就可以实现多线束激光雷达模拟接收处理,可使激光雷达结构更紧凑,性能表现更为突出和稳定,同时也更易实现大规模量产。

尽管,国产激光雷达错失先发优势,但其差异化的市场策略有效规避了同质化的市场竞争。在高线数激光雷达市场上,Velodyne的128线激光雷达姗姗来迟,而64线激光雷达多年来没有再进一步优化升级,不仅价格惊人,硕大的体积也难以适应车身集成对感知设备的要求。
而作为Velodyne的投资方之一,百度Apollo自动驾驶车队从今年开始也把自己车上的64线激光雷达都替换成了禾赛的40线激光雷达。
此外,传统机械式激光雷达难以满足汽车主机厂对车规和量产需求。目前,全球唯一获得车规认证的,仅有法雷奥的4线混合固态激光雷达。
而在今年4月份,一直深耕自动驾驶市场的镭神智能也按车规标准推出了混合固态激光雷达,甚至一举做到了市场最高线束128线,相继还推出了车规级的32线和16线混合固态激光雷达。
在性能方面,镭神此系列激光雷达在探测距离、精度和分辨率等多个方面,都比机械式激光雷达有着更为卓越的表现。更重要的是,目前其样机已快速实现了小批量转产,并已陆续出货给国内外主机厂和自动驾驶公司进行测试。
按照该公司的预计,该系列激光雷达很大可能将成为全球第二款获得车规认证的量产激光雷达。
超高性价比顺应商业落地需求
技术和成本是初创公司之间激烈竞争的两个重要维度。随着技术的快速迭代,国产激光雷达的性能与国外相比已无太大差异,在某些性能方面甚至还做得更好。
而在成本控制方面,虽然Velodyne继圣何塞设厂批量生产后,今年还联合尼康在日本建起了一条激光雷达组装线,但其价格依然远高于国产激光雷达。
在生产成本把控方面,有别于其他友商,在成立之初,镭神智能就直接创建了自动化生产产线,以保障出品质量和组装效率。
目前,镭神智能的每个系列产品从立项开始,在关注技术的领先性的同时,也对成本作综合平衡, 通过项目的科学规划与管理,从源头到出品全线进行了严格的成本把控。
今年初,镭神智能宣布大幅降低机械式多线激光雷达之时,其所代表的正是国产激光雷达吹响强势逆袭的号角。
而目前Velodyne主要在售产品64线、32线、16线在2017年底官方定价分别为8万美金(约合52.3万人民币)、4万美金(约合26万人民币)和8千美金(约合5.23万人民币),还未包括运费、税费和代理商的利润等费用。
彼时,2017年9月,镭神智能的16线价格已经降到2.8万元,Velodyne的16线2018年1月份才降到4000美元。2019年2月份,镭神16线的价格降至1.2万元,Velodyne等其他家价格才降到2万多元。
而镭神智能的车规级128线混合固态激光雷达售价才6.8万元,价格是美国公司的1/15,车规16线混合固态激光雷达万台价格也才3999元。

镭神车规级CH系列混合固态激光雷达点云效果

合理的生产成本是目前激光雷达应用市场商业落地的一大瓶颈,显然,在同样的性能表现之下,国产激光雷达的价格优势更符合市场发展所需。
本地售后支持响应迅速
从此次裁撤中国区直销队伍来看,市场需求预期的不匹配是主要原因。
“如果是一次性购买超过100万美元雷达的主机厂,Velodyne中国就会直接为其提供售前与售后服务。” 这是彼时Velodyne在中国市场同时设置直销和代理两种销售模式的初衷。
然而,对于大部分激光雷达用户来说,其一次性需求量目前并没有那么大。因此,繁琐、响应慢的售后也始终是Velodyne产品存在的“硬伤”。
激光雷达作为一种前沿技术产品,目前大部分客户也都还不太清楚该如何使用和集成到整机,因此均存在着大量的售后技术支持需求。
而国产激光雷达则占据着地缘优势,如镭神智能除了深圳总部,在天津、杭州、成都等城市分别成立了办事处,以迅速响应全国各大省市的服务需求。
随着越来越多的激光雷达公司涌入市场,以镭神智能为代表的国产激光雷达从产品系统设计、核心技术、自动化产线、生产效率等方面均已比肩国际一流水平。
虽然未有数据显示Velodyne在中国的销量下滑,但在国产激光雷达公司的强势攻城略地之下,显然整个市场格局已有重大调整。
根据镭神智能官方宣布的数据,其2019年度中高端激光雷达销售出货量超万台,可见激光雷达的国产替代时代已经到来。

Aurora 要为自动驾驶汽车准备一套“空中交通管制系统”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 95 次浏览 • 2019-12-25 14:54 • 来自相关话题

当下的自动驾驶汽车离大规模商业部署还有很长一段距离,不过随着技术进步大部分公司在做规划时直接考虑到了多个层次的车辆安全性。作为有自动驾驶天团坐镇且被亚马逊钦点的新创公司,Aurora 认为一套能像空中交通管制员那样远程监控车辆一举一动的系统是保证公众安心 ...查看全部

当下的自动驾驶汽车离大规模商业部署还有很长一段距离,不过随着技术进步大部分公司在做规划时直接考虑到了多个层次的车辆安全性。作为有自动驾驶天团坐镇且被亚马逊钦点的新创公司,Aurora 认为一套能像空中交通管制员那样远程监控车辆一举一动的系统是保证公众安心接受自动驾驶的重要砝码。

这家创建于帕罗奥托,集合了 Waymo、特斯拉和 Uber 三家公司技术大牛的公司正在投资一套名为“远程协助”(teleassist)的系统。当然,眼下 Aurora 最重要的任务依然是不断提升软件、传立、传感器和视觉系统,方便自家车队在湾区和匹兹堡适应各种路况。

在 Aurora 看来,如果有需要,公司的远程控制中心应该能介入车辆传感器并在必要时刻提供一些建议和指导。在这种情况下,Aurora 的车辆会安全靠边停车。

远程控制系统并非 Aurora 首创,类似 Phantom Auto 和自动驾驶卡车新创公司 Starsky Robotics 都在测试类似系统。不过,该公司联合创始人兼首席产品官 Sterling Anderson 表示,“teleassist”系统可跟它们不一样。

“当需求冒出来时,我们的系统会提醒远程协助人员。当然,协助请求可能来自乘客,也可能来自车辆。”Anderson 说道。不过他也承认,远程协助人员提供的建议不能被当作车辆功能安全的一部分。

对于 Aurora 在这套监督系统上的投入,Anderson 选择闭口不谈。这项技术何时开放或投入使用也没有时间线。

Aurora 有专用的 teleassist API

2018 年 1 月正式亮相后,在 CEO Chris Urmson 的领导下 Aurora 已经融资超 7 亿美元。今年 2 月份亚马逊向其伸出橄榄枝,B 轮融资 Aurora 也成功拿到 5.3 亿美元。除了乘用车,Aurora 还在测试无人递送小货车和卡车。不过,Anderson 不愿透露亚马逊是否已经参与其中。

Aurora 三巨头

在操纵无人机和太空探测器时,远程控制技术已经发光发热几十年了,但在自动驾驶汽车上却始终未能广泛铺开。举例来说,Waymo 控制中心里也有专人负责盯着路上的测试车,并在必要时提供协助。不过,它们不会直接对车辆进行远程操控。至于“离全自动驾驶最近”的特斯拉,则压根没提供过远程指导服务(曾在特斯拉主导 Autopilot 设计开发的 Anderson 不愿谈论老东家的方案)。

Anderson 认为,影响远程控制技术蓬勃发展的原因很多,比如无线网络的延迟、远程操作员的态势感知能力以及对车辆所面临情况的掌握。不过,Aurora 的 teleassist 系统可推动自动驾驶车队尽早投入运营。

“我们的方案安全、快速且广泛。如果我们想尽快杀入市场并搞点不一样的,类似这样的系统是重要的安全保障。”Anderson 解释道。“有可能我们的系统在某些情况下会表现良好,但除非我们能用丰富的数据证明这一点,否则 Aurora 将采取保守的态度。”(作者 |:大壮旅) 

智能计算平台:车载“大脑”重构产业链

博客自动驾驶小能手 发表了文章 • 0 个评论 • 88 次浏览 • 2019-12-25 14:37 • 来自相关话题

12月19日,中国软件评测中心(工业和信息化部软件与集成电路促进中心)联合北京赛迪出版传媒有限公司发布“见证质量”技术白皮书。中国评测立足多年的测试认证等业务经验,结合当前的热点技术,撰写2019年度“见证质量”系列技术白皮书。中国软件评测中心总工程师陈 ...查看全部

12月19日,中国软件评测中心(工业和信息化部软件与集成电路促进中心)联合北京赛迪出版传媒有限公司发布“见证质量”技术白皮书。中国评测立足多年的测试认证等业务经验,结合当前的热点技术,撰写2019年度“见证质量”系列技术白皮书。中国软件评测中心总工程师陈渌萍,赛迪传媒董事长于萱,中国软件评测中心主任助理周亮、安琳等出席发布会。

发布会上,中国软件评测中心总工程师陈渌萍表示:“本白皮书能够为业界厂商、政府机构、研究机构和投资者等利益相关方提供有益参考,并对未来发展方向有所预见。为把我国经济社会发展推向‘质量时代’做出贡献。”

北京赛迪出版传媒有限公司董事长于萱表示,期待“见证质量”与传媒报道有机结合,从而更有力地推动产业发展、服务企业提升质量,为产业主管部门、企业管理人士、高校与研究机构学者等提供更有内容、更有质量的资讯服务。

本白皮书系列分别选取智能制造、机器人、网络安全、智能网联汽车等领域,阐述了行业背景、发展趋势、现存问题以及检测认证内容等,提炼了质量保障的核心指标。

本白皮书系列分为七大部分,其中,《车载智能计算基础平台参考架构1.0(2019)》白皮书,面向汽车的智能化、网联化发展需求,在总结国内外发展实践的基础上梳理车载智能计算基础平台参考架构。这是国内首份关注车载“大脑”的技术白皮书,填补了行业空白。

车载智能计算基础平台 整合跨界资源

近年来,在“新四化”背景下,自动驾驶成为产业竞争焦点,汽车电子的产业链和技术链面临重构。尤其是在当前复杂的国际产业竞争形势下,加强车载智能计算基础平台研究,具有重要的战略意义和现实意义。


车载智能计算基础平台是基于异构分布的硬件平台,集成自动驾驶操作系统的复杂系统,定位下一代汽车电子产业链条Tier1.5,是Tier1(一级供应商)和Tier2(二级供应商)之间的纽带和桥梁。车载智能计算基础平台将打破原有垂直化封闭产业链条,横向打通融合交叉领域,整合跨界资源,协同Tier1、Tier2、ICT企业、电信运营商、地图运营商等企业,重点突破共性技术和基础模块,搭建集成化的基础平台,支撑定制化和市场化的服务需求。当前基础平台存在顶层设计及关键技术标准缺失、滞后等问题,梳理参考架构有利于形成行业共识。

为此,在工业和信息化部电子信息司的指导下,由中国软件评测中心、工信部装备工业发展中心牵头,依托智能网联驾驶测试与评价工业和信息化部重点实验室,联合清华大学、国汽智联、华为、上汽、一汽等多家单位共同编制《车载智能计算基础平台参考架构1.0》白皮书。该白皮书作为前瞻性、战略性、系统性的顶层设计,推进参考架构的研究梳理,可为我国车载智能计算基础平台的技术创新、标准研制、试验验证、应用实践、产业生态构建等提供参考和引导,加快推动车载智能计算基础平台的持续健康发展。

软硬件协同“护航”自动驾驶

《车载智能计算基础平台参考架构1.0》白皮书为《车载智能计算平台白皮书(2018年)》的深化研究,在其基础之上,该白皮书聚焦车载智能计算基础平台的参考架构研究。

车载智能计算基础平台需要软硬件协同发展促进落地应用。车载智能计算基础平台结合车辆平台和传感器等外围硬件,同时采用车内传统网络和新型高速网络(如以太网、高速CAN总线等),根据异构分布硬件架构指导硬件平台设计,装载运行自动驾驶操作系统的系统软件和功能软件,向上支撑应用软件开发,最终实现整体产品化交付。

车载智能计算基础平台参考架构主要包含自动驾驶操作系统和异构分布硬件架构两部分。其中,自动驾驶操作系统是基于异构分布硬件架构,包含系统软件和功能软件的整体基础框架软件。车载智能计算基础平台侧重于系统可靠、运行实时、分布弹性、高算力等特点,实现感知、规划、控制、网联、云控等功能,最终完成安全、实时、可扩展的多等级自动驾驶核心功能。

该白皮书详细解析了异构分布硬件架构中的三个单元。该架构具有芯片选型灵活、可配置拓展、算力可堆砌等优点;在自动驾驶操作系统部分,白皮书对系统所需的不同功能软件进行了阐述,对其发展现状进行了梳理;在工具链部分,白皮书明确了车载智能计算基础平台开发的软硬件环境以及全栈工具链是提升开发效率的重要途径之一,并对五类工具进行了说明。

围绕产业应用 落实四大举措

最后,白皮书对车载智能计算基础平台提出了四条发展建议。第一,明确发展思路,保持发展定力。发展车载智能计算基础平台,必须要紧密围绕产业实际应用需求,以完善产业链和应用生态建设为中心,采用系统工程方法,总体布局,分步推进,保持发展定力。

第二,加快产品研发,引导生态建设。基于现有产业基础,可考虑采用“两步走”的技术实现路径。现阶段,重点基于参考架构和通用产品,尽快完成平台研发和应用示范;同时,鼓励有条件的企业强化创新力度,加快操作系统内核、自动驾驶专用芯片等产品研发。

第三,深化架构研究,加快标准研制。继续发挥好政府引导作用,聚合优势资源,依托创新中心、重点实验室等资源,建立和强化跨领域的专家工作组,进一步深化车载智能计算基础平台参考架构研究,加快开展车载智能计算基础平台标准化工作。

第四,加强能力建设,强化安全保障。高度关注产品质量和信息安全保障工作,在车载智能计算基础平台关键核心技术的研发和应用过程中,同步关注信息安全技术研究和标准规范研制,重点突破操作系统安全机制研究与设计、国产密码算法示范应用与推广,探索推动基于区块链的信息安全应用与服务。(作者:新能源汽车报)

2019智能网联关键动态,这4家公司和1个园区如何引领颠覆风潮 | 2019AI掘金榜

博客自动驾驶小能手 发表了文章 • 0 个评论 • 82 次浏览 • 2019-12-24 11:18 • 来自相关话题

毋庸置疑,智能为汽车打开了一扇全新的大门。 ...查看全部

毋庸置疑,智能为汽车打开了一扇全新的大门。


过去一年,智能驾驶市场热闹非凡,融资、并购、政策、立法、技术突破、成本迭代、野蛮人入侵、传统厂商转型……

所以我们看到,无论是汽车公司、零部件供应商、科技巨头甚至是初创公司,在对智能驾驶的基础研究、应用以及人才储备上,从不吝惜投入。

大背景下,赛道玩家们必须走一步看百步,了然新技术下产业的未来走势,而这都将决定着企业产品的周期、产业竞争的最后胜败。

每一个人都在见证和参与这场重塑未来的变革。

从实验室到商业落地,雷锋网追踪和记录了一系列致力于让智能网联技术从科学项目变成大规模生产力的公司。

从上游芯片企业,到传感器公司、软件和方案公司、一/二级零部件供应商,到车企、出行服务运营商,自动驾驶和未来出行产业链正在激荡的自我“打碎”和“重造”中,找到一种新的平衡,这种趋势推动着每一家产业链企业接纳改变,并拥抱改变。

最终,这些改变也将体现在诸如你我的每一个交通或是出行领域一员的切实生活中。日前,第三届“AI最佳掘金案例年度评选”结果正式出炉,其中,在近来备受关注的AI+智能网联领域,深兰科技、腾讯车联、星云互联、蘑菇车联、苏州高铁新城揽获奖项。

最佳智能网联汽车奖 深兰科技
看得懂的中国人工智能独角兽——深兰科技自诞生就自带AI基因,这让其入局智能驾驶领域游刃有余。借助AI相关技术积累,可以更好地自动化地解决车与车之间的数据沟通问题。 
与传统科技和互联网不同的是,智能驾驶更注重商业化落地和应用场景的打造,一旦无法创造价值,带来全新的体验,智能驾驶也就毫无意义。
从自动驾驶来看,深兰科技从全球城市交通的实际需求出发,自主研发了熊猫智能公交车,并赋予大量AI黑科技,以增强体验,满足用户的出行需求。同时,熊猫智能公交车具有出色的适应性,能够满足不同国家、不同城市的交通需求,实现快速融入“一带一路”沿线国家城市的智慧化建设中。
熊猫智能公交车由深兰科技主导研发,全长12米,实现了纯电新能源、自动驾驶、增值服务三方面的升级,能够实现车辆、道路弱势群体、红绿灯等环境信息感知识别,并控制车辆实现自动加减速和转向、自动紧急制动、自主变道、出入站台等功能。
熊猫智能公交是目前世界范围最先进的公共交通车辆之一,搭载自主知识产权的自动驾驶、人车对话、视觉防盗、手脉技术、无人零售、人车语音交互、语音导路王、精准广告推送等十多项顶级的技术,而且熊猫公交车车体还将使用液态金属涂层,增加自动驾驶安全性,给乘客舒适感、科技感、服务感更强的体验。
此外,熊猫智能公交车可以全方位识别分析乘客异常行为,包括偷窃、打架、吸烟等。一旦识别监测到类似行为,系统将记录行为实施者体貌特征,即时播报预警,为公众出行安全提供更全面保障。
据了解,该款公交车也是全球范围内首个全尺寸车型自动驾驶公交车,目前已在武汉、上海、广州、江苏常州、浙江衢州、山东济南等地上线试运行,并于今年五月在天津上牌正式运营,受到了当地民众的广泛好评。
不仅如此,深兰科技还在展开多种不同场景下的复杂道路测试,正在进行国内多个城市的智能网联汽车道路测试并按计划申领测试牌照,参与多种智能交通和自动驾驶交通系统的建设,赋能城市智慧交通。
最佳车联网解决方案奖 腾讯车联
如今传统车联网仅仅是将手机上的程序移植到汽车上,车联网服务只是将互联网的服务与产品移植到汽车平台上,各大车企纷纷将其当成一个营销手段那样。未来我们所需要的车联网系统,显然是要针对汽车场景以及人车路交互,并以“用户”为中心的互联网服务进行进一步优化。
针对智能网联领域存在的车内应用服务匮乏、应用场景碎片化和非车载场景原生等核心问题,腾讯智慧出行在2019年5月发布的“生态车联网”解决方案,旨在推动车联网向“以人为中心”的服务化方向升级。
借助腾讯车联TAI智能系统,可以将腾讯系及第三方内容和服务生态有机接入车中,与车企伙伴、开发者共同丰富车上应用生态。通过超级ID+在线支付,打通车前、车中、车后的无缝化体验,实现服务的“全时在线”,给用户真正适配汽车场景的车载应用,实现“千人千面”、“服务找人”的智慧用车场景,用户的驾乘体验将会大大提升。
除此之外,腾讯还整合了自身的位置服务、AI技术、内容和服务生态等优势,打造了车上一站式集成内容服务“爱趣听”、跨OS、轻量化的应用开发框架“小场景”,已经可以免唤醒智能交互的腾讯云小微“全双工语音交互”功能,不断为生态车联网注入新的价值,为用户带来更加智能、便捷的车上服务体验。
自腾讯宣布拥抱产业互联网以来,在智慧出行领域发展迅速,最早提出了生态车联网的进化思路,已经与宝马、FCA、广汽、长安、东风、一汽、吉利、长城、等22家车企达成战略合作,超过45款合作车型落地,连接了300多家生态服务合作伙伴为用户提供服务。
从AI in Car到TAI 智能车联系统再到如今的车联网生态,吸引多家车企纷纷加入朋友圈的原因,整个背后的逻辑是将腾讯数年累积的足够技术经验和资源在出行上进行平行移植到汽车场景中,以与汽车厂商合作的模式,推动生态车联网的不断进化。
最佳智能网联实践奖  星云互联
智能网联是一个漫长的过程,业界将其划分为三大境界:基础设施智能网联、自动泊车、无人驾驶时代。
自2015年成立以来,星云互联秉持的是,智能网联之下,人、车、路、云,不再是孤岛的存在。
星云互联是一家集研发、制造、销售V2X产品、新一代智能交通系统、智能网联汽车技术和服务于一体的创新型中国高科技企业,在北京、上海和长沙设有研发中心及分支机构。
依托推出的智能车载终端V-Box、增强型车路协同路侧系统T-Station、标准V2X协议栈软件以及网联云平台X-Cloud等系列产品形成了车辆协同安全辅助驾驶(C-DAS)和车路协同交通主动控制整体解决方案,可有效支撑协作式辅助驾驶和自动驾驶,同时也是智慧城市的重要组件。
基于移动通信技术和汽车通信技术的联合创新, V2X方案对辅助驾驶和自动驾驶都有很大价值。智能网联车路协同,可以有效提升辅助、自动驾驶的交通安全、效率、降低排放,车路协同还可以降低自动驾驶汽车的成本,让自动驾驶更早一点实现规模商用。
目前星云互联已为国内多家智能网联测试示范区、整车厂、自动驾驶企业及公共道路智慧交通升级建设提供方案支撑和产品落地应用。下一步路的连接、车载模块的安装,智能网联与自动驾驶的结合将成为重中之重,智能网联的车与路需要协同发展,共同构筑下一代安全、高效的出行生活,加速实现未来智慧出行。
星云互联的愿景是为自动驾驶、智慧交通和智慧城市提供泛在连接技术与端到端应用服务。近年来在全国范围内广泛联合合作伙伴,积极推动车路协同产业、技术发展。
具体的落地情况,已经实现国内V2X设备部署最多、数据量最大的企业,在北京、上海、广州、宁波、长沙、郑州、天津、南京、盐城、重庆等20多个城市进行了V2X部署落地。
“车路协同”的饕餮盛宴,谁将拔得头筹?没有人知道。 
行业共识,车路协同是智能网联汽车的重要技术路径,车路协同将对智能交通企业产生革命性的影响,最显著的表现是车路协同将推动智能交通系统转型换代,从单车智能走向群智协同。不同于在智能网联车市场的其他公司的的“长驱直入”和“踌躇不前”,星云互联在汽车领域的布局有着典型的“实践特色”,V2X已实现800+路口接入,同时与多家车企达成合作。 确切来说,在智能网联车的布局上,星云互联选择了在探索中不断实践和落地。
最佳车载操作系统奖 蘑菇车联
随着智能网联技术的发展,如何赋予汽车更加强大的智能处理能力,成为汽车行业迈向未来的关键。也正因如此,车载屏幕也被视作继电视、电脑、手机之后,科技界全力聚焦的“第四块屏幕”。如果说这“第四块屏幕”是智能网联汽车显露的“冰山一角”,那么支撑于其下、推动汽车向“智能移动终端”进化的核心,便是技术融合密集、准入门槛极高的车载OS。
在整个车联网行业,无论是要构建单车智能,还是最终达到车路协同,车载OS都是实现的必要基础和关键前提。
在提高出行效率、保障行驶安全以及打造舒适座舱环境与丰富车内娱乐功能等多重目标的驱动下,车载OS必须要具备极高的稳定性、兼容性、安全性。
在多任务并行处理过程中,蘑菇OS利用多核心、高主频的异构计算处理器配合多线程并发,辅以异构异调进程调度策略,有效分配体系硬件资源,实现多任务协同管理,并控制各项任务优先级别,极大提高了系统稳定性,满足了车载多传感器融合计算的需求,解决了智能汽车时代数据高并发、多融合、实时处理的诸多难题。
面对庞大的消费市场车型数量及各主机厂基于不同品牌、不同场景下的个性化定制化需求,车载OS的全面兼容和适配能力已成为了车企评估车载OS的重要参考标准。蘑菇OS现已全面适配市场所有主流芯片组、驱动600多款智能传感器、兼容每款车上的数十至上百个ECU,已覆盖市面上95%以上主流车型,在行业中遥遥领先。
蘑菇OS支持全场景语音交互。搭载自研智能语音引擎,支持车辆控制、内容服务、安全预警等10大类100+场景化语音交互,识别准确率达到97%以上,能够在驾驶中实现全场景语音交互,极大的降低事故发生概率,时刻保障行驶安全。
目前,基于蘑菇OS的蘑菇车联软硬件一体化解决方案已实现了广泛应用并获得来自各方的广泛好评。2019年8月,蘑菇OS用户月语音交互次数突破3亿次;2019年10月, 作为国内第一个开放式5G商用智慧交通车路协同项目,基于蘑菇OS和AI云的蘑菇车路协同项目在顺义全面落地并稳定运行,并正在全国更多区域迅速复制与落地;2019年11月,搭载蘑菇车联自主研发的蘑菇OS和一体化解决方案产品已遍布全国20多个省份。
最佳智能网联生态区奖 苏州高铁新城
据不完全统计,截至目前,我国已拥有至少20个智能网联汽车测试示范区。
总体来看,智能网联汽车测试示范区的地点并不局限于拥有颁发自动驾驶路测牌照资格的城市。还有一些省市是通过与相关企业、机构合作,以资本合作的方式建立示范区的。其原因不仅是为了抢占智能网联的城市先机,更重要的是希望通过创建示范区的方式吸引更多企业入驻。
自设立之初,苏州高铁新城就释放出一个信号出-“全球智能驾驶领域高手,正向苏州高铁新城集结”。
如今,在高铁新城首期8.4公里长的5G智能网联测试道路上,常常可以看到炫酷的智能驾驶车队开展测试。围绕该测试道路苏州高铁新城构建了“三张基础网、一个区域边缘中心、N项智慧应用”全面满足车路协同及自动驾驶开发者的各类应用需求。
项目建设了全国领先的5G网络,通过“宏微协同、异构组网、特殊场景、重点保障”的方式,全线部署5G站点16个,部署设备20余套,采用新一代C-RAN架构进行组网,发挥多站协同、多频互助的网络能力,实现区域边缘上行带宽150Mbps以上的应用效果;该项目被IMT2020组织认定为江苏省唯一5G-MEC融合测试床;项目搭建技术先进、性能优越的车路协同感知交互网,面向全场景智能网联应用开发环境需求,部署路侧感知设备共计超过150个(密度达到36米/个),实现车路全息感知、信息高效交互。
项目还配套建设智能驾驶产业公共服务平台,平台以高性能计算为底层基础平台、配以智能云控平台、数据标注训练平台、仿真模拟测试平台等应用平台,实现路测数据从测试采集,到标注处理,到算法训练,到软件在环仿真的全业务闭环逻辑,助力智能驾驶企业缩短业务开发上线时间、减少开发成本。
此外,包括Robo-taxi,智慧短驳、无人物流、无人环卫、智慧停车等场景也在区域中开放,未来一年将达到100辆左右的车队规模。到苏州2022年世界智能交通大会开幕,还将有一系列的示范应用在此开花结果。
区域内智能驾驶相关联企业在高铁新城已集聚有48家,并涌现出MOMENTA、智加科技等一批明星企业。今年4月,长三角G60科创走廊智能驾驶产业联盟的落户,更是将苏州高铁新城的智能驾驶产业“朋友圈”扩大至长三角。今年9月,智能网联汽车公共测试一期道路还顺利通过智能网联汽车公共测试道路专家评审。
这些企业的最终目标都是实现自动驾驶,但想要获得自动驾驶路测牌照,企业必须满足这样一个前提:拥有在封闭测试场的测试经历。秉持“近水楼台先得月”的原则,企业更倾向于入驻像高铁新城这样拥有智能网联汽车测试示范区的城市。(作者 | 新智驾)


小鹏汽车何小鹏:寒冬已至,但机会更多,聚焦智能化,加强品质

博客自动驾驶小能手 发表了文章 • 0 个评论 • 86 次浏览 • 2019-12-19 10:37 • 来自相关话题

第十届全球新能源汽车大会(GNEV10)于12月16日在北京举行。国内各大新能源车企掌舵者聚集北京,大会的主题是"重新定义汽车:伟大的船长"。在这场突如其来的寒冬里,各家车企的负责人正如同惊涛骇浪中的船长,勇气奋力前行,在 ...查看全部

第十届全球新能源汽车大会(GNEV10)于12月16日在北京举行。国内各大新能源车企掌舵者聚集北京,大会的主题是"重新定义汽车:伟大的船长"。在这场突如其来的寒冬里,各家车企的负责人正如同惊涛骇浪中的船长,勇气奋力前行,在他们身后,全球汽车巨头紧随而行。
1.jpg小鹏汽车董事长兼CEO何小鹏:

如果行业平均增速在150%,那么你做到150%的成绩,这对初创企业而言,最多只能算合格。小鹏汽车要想拿到绝对的领头羊地位,一定是要超过行业的平均增速。

何小鹏发表演讲表示:"今年年初,我们业内都认为寒冬会到来,但是我个人觉得这是一件好的事情,因为你可以提前准备、提前思考。从最近两个月来看,我反而对度过寒冬有了更强的信心,虽然寒冬已至,但是机会比危机更多,我们应该更有信心能够度过这个寒冬。"

何小鹏认为补贴退出导致了新能源汽车在中国变成更多低端车,我们需要好的品牌,好的技术,我们需要把智能电动汽车做好做高,从中国走向全球。

何小鹏透露,继不久前刚刚完成4亿美金的融资之后,小鹏汽车正在进行Cplus轮的融资。此外他表示,在未来的12个月里小鹏会带来很多好消息。

小鹏自己如何过寒冬?何小鹏跟大家分享几个简单的看法。

以下是部分演讲内容:

第一,每一个企业都需要广积粮。小鹏汽车最近刚刚完成了4亿美金的C轮融资,正在做下一轮子的CPlus,我也看到很多朋友和企业都在融资,都在获取更多的支持。我相信明年会有更多的好消息出来。

第二,聚焦。聚焦第一个是智能化。我前天从美国回来,美国和中国都在做自动驾驶,今天无人车想同时取代车跟司机的职能,挑战非常大,但是自动辅助驾驶为首的汽车,在两年内就可以做到普及的程度,它可以学习我们每个人开车的方法,学习我们转弯的速度,学习我们过红绿灯的逻辑。二是爆品策略。我以前曾经管过阿里巴巴的游戏,做游戏原来有两种,第一种是做大量的游戏,从中间找到赚钱的。第二种是做大量的中量高质量的游戏,从中间找到赚钱的。我觉得汽车行业,特别是新的公司,每年出一款车努力把爆款做好,既省钱,又能够做好,这非常重要的,不要一年同时做太多的车。三是品质。品质是最最核心的。品质不是一蹴而就的事情,我们真的需要用十年水磨的功夫,把所有的品质做好。

第三,练内功,补短板。我经常说互联网的创业是长板理论,要把1—2个板做长,而在汽车行业是短板理论,不能有任何一个板太短。冬天很好,冬天让我们有更长的时间把我们原来的短板给补充好,我觉得这是最大的价值。

第四,坚持2C销售为主。面向个人客户市场和面向企业客户市场没有对错,只是选择问题,小鹏坚持选择面向2C的客户。小鹏在今年8月份开始转变,从原来的先产车再卖车,变成了先卖车再造车再交付车。我们正在转型过程中。我看到一个非常有趣的现象,跨过风险、控制现金流,可以帮助我们的供应商和帮助我们的销售商、合作伙伴取得更大的价值。

第五,培育品牌。靠市场的打法,靠销售的打法,你可以把车卖出去,但是最后的成功,中国需要更多中高端和高端的品牌,才能够让更多的客户满意,才能够真正的走向全球,而且我也期待我们这里有更多人将来走向全球。

这个寒冬并不可怕,春天并不远。这是一个最好的机会,让我们可以把自己做好。同时我们一定要有耐心跟毅力耐得住今天的寂寞,才能够迎接明天更好的未来,更好的春天。

我国汽车智能化发展趋势展望

博客自动驾驶小能手 发表了文章 • 0 个评论 • 96 次浏览 • 2019-12-19 10:35 • 来自相关话题

随着智能网联、人工智能等技术取得长足进步,“智能化”已是汽车技术升级的重要方向。目前,自动驾驶技术和车联网技术是我国汽车智能化的两个重要技术路径。 ...查看全部

随着智能网联、人工智能等技术取得长足进步,“智能化”已是汽车技术升级的重要方向。目前,自动驾驶技术和车联网技术是我国汽车智能化的两个重要技术路径。

1.jpg
首先是自动驾驶,目前,国内L2级自动驾驶方案已大规模量产装车,少部分企业推出L3级别量产方案,国内首款搭载L3级自动驾驶系统的汽车广汽Aion Lx已上市。由百度和一汽红旗打造的中国首条L4乘用车前装产线,已正式投产下线,首批量产的L4级自动驾驶乘用车将率先落地湖南长沙,预计2020年,主流车企部分车型将适配L3/L4级别自动驾驶系统。
其次是车联网,随着5G技术的商业化落地,其高速、可靠、低延迟的特性能够解决V2X技术对于延迟的要求,也将给V2X商业化落地带来可能。但由于V2X的落地不仅局限于技术,还需要不同车辆、道路,网络、交通系统和平台间相互配合,从技术完善、平台搭建到生态建立,需要大量时间,预计2020年将成为V2X商业化落地探索的元年。
从远期来看,智能汽车是继智能手机之后的第二大互联生态和服务集成,智能化终将改变汽车的定义。在完全自动驾驶成为现实之后,智能汽车将成为移动的智能空间和场景生态服务体验终端,成为工作、生活、娱乐的新载体。
张凯,数量金融学硕士,现供职于赛迪智库工业经济研究所,主要研究财税和产业政策,贸易关税谈判等。

不应让自动驾驶汽车与人类共享车道

博客gaohong 发表了文章 • 0 个评论 • 87 次浏览 • 2019-12-18 12:27 • 来自相关话题

让自动驾驶汽车与我们共用复杂而混乱的道路,目前的算法还难以解决相关问题。最简单的方法是给它们划定专用公路和车道。美国目前现有规则允许公司让研发的自动驾驶汽车上路测试、并“自我认证”他们的测试方法是安全的——美国安全调查员对美国的这种现有规则感到 ...查看全部

让自动驾驶汽车与我们共用复杂而混乱的道路,目前的算法还难以解决相关问题。最简单的方法是给它们划定专用公路和车道。
美国目前现有规则允许公司让研发的自动驾驶汽车上路测试、并“自我认证”他们的测试方法是安全的——美国安全调查员对美国的这种现有规则感到不满,美国国家交通安全委员会成员,在最近的一场关于2018年3月优步无人驾驶汽车致命车祸的听证会上表示:“在我看来,他们把技术进步放在拯救生命之前。”而在中国自动驾驶汽车上路目前还属于违法行为。
1576643135194496.jpeg
要理解为什么那辆车撞死了一个推自行车过马路的行人,以及为什么这种事故在将来很难避免,可以想想你在国内一个中等城市开车去买杂货的过程。不得不穿过狭窄的街道,经过几十辆停着的汽车。这是一个复杂的过程:如果迎面有车开过来,你必须停下来,然后决定他们给你让路还是你给他们让路。有时候,如果你赶时间,希望迎面而来的车子会停下来让路。如果对面的司机做了同样的事情,你必须冲到一辆停着的汽车后面,否则我们不得不相互紧贴着通过,同时保持后视镜完好无损。

中国的道路非常特殊, “加塞儿”、“乱停放”、等都是中国路况的常态,各种各样的交通工具和中国式过马路令每次行驶都异常艰难,同国外的驾驶场景有很大不同,包括中国“玩手机”等驾驶习惯也都同国外有一定的差异,众多国外拥有领先自动驾驶技术的企业进到中国都十分不适应,如何应对中国不断变化的驾驶习惯与不同城市的地域化特性,成为了当前所有在中国发展自动驾驶技术企业的一大挑战。
自动驾驶汽车中的摄像头、图像处理和计算机视觉系统不可能好到足以看到人类驾驶员微笑、指点或点头。即使是闪灯等容易检测到的信号,对它们来说可能也难以理解。根据具体情况的不同,你对别人闪灯可能意思是“前进”、“小心”或“你的车有问题”。

技术人员一直在尝试模拟这种交通谈判,以帮助自动驾驶车辆、人类驾驶员、骑自行车者和行人安全地在这种谈判中通过道路。它包括解决有关人类行为的基本问题。
当在狭窄的道路上遇到另一辆车时,很明显,你只需要倒车一小段距离,而且也应该这样做。同样明显的是,不管路况如何,在任何谈判中,坦克或卡车都会胜出。虚拟谈判有助于确保双方按应该会达成一致的做法行事。
子布曰:今年,前瞻产业研究院发布《2019年中国自动驾驶行业发展研究报告》,对自动驾驶行业发展现状及趋势进行了深入解读。报告显示,2018年,我国自动驾驶主要在物流运输、配送服务、作业、载客四大领域实现落地。我国对智能网联汽车有分阶段的具体规划,其中2020年是关键节点。新能源汽车往往都伴随着自动驾驶,而今年丰田,大众,特斯拉三家明星车企都加速了新能源车在中国市场的布局,2020年会投放大量新能源自动驾驶汽车,不过目前中国的法律法规尚不允许自动驾驶汽车上路行驶,解决自动驾驶汽车和人类共享汽车的“交通虚拟谈判”才是自动驾驶能够走入寻常百姓家的时候。

NeurIPS 2019 | 显著提升图像语义分割性能,滴滴携手伯克利提出多源对抗域聚合网络

博客自动驾驶小能手 发表了文章 • 0 个评论 • 89 次浏览 • 2019-12-16 13:25 • 来自相关话题

在深度学习的发展过程中,领域自适应和知识迁移受到越来越多研究者的关注。他们希望一个领域数据集中学习的知识可以迁移到新的领域中。针对这一目的,滴滴和加州大学伯克利分校的研究者提出一种新的多源领域自适应模型,该模型能够同时利用和学习多个不同源域的训练样本,进 ...查看全部

在深度学习的发展过程中,领域自适应和知识迁移受到越来越多研究者的关注。他们希望一个领域数据集中学习的知识可以迁移到新的领域中。针对这一目的,滴滴和加州大学伯克利分校的研究者提出一种新的多源领域自适应模型,该模型能够同时利用和学习多个不同源域的训练样本,进而显著提升了图像语义分割的性能。

1.jpg

随着深度学习的发展,研究者们希望深度学习模型不但可以从特定领域训练集中学习监督知识,更希望能够进行领域自适应(domain adaptation)和知识迁移技术(knowledge transfer techniques),将在一个领域数据集中学习的知识迁移到新的领域中。那么能否同时利用多个不同领域的训练样本,提高在新领域上的语义理解能力呢?来自滴滴地图事业部和加州大学伯克利分校的研究员提出一种新的多源领域自适应模型,对多个不同源域的有标注合成数据和目标域的无标注真实数据进行联合学习,显著提高了图像语义分割的性能。据悉,这是多源领域自适应第一次应用在语义分割任务上。相关研究以「Multi-source Domain Adaptation for Semantic Segmentation」(基于多源领域自适应的语义分割)为题发表在神经计算和机器学习领域的顶级会议—第 33 届神经信息处理系统大会(NeurIPS 2019)上。

一、研究背景

语义分割为图像中的每个像素分配一个语义标签(如汽车、自行车、行人、道路),如图 1 所示。这个计算机视觉内核在许多应用中起着至关重要的作用,比如自动驾驶、机器人控制、医学成像和时尚推荐等。

1、研究动机

随着深度学习的出现,特别是卷积神经网络(convolutional neural networks, CNNs),人们提出了多种端到端的语义分割方法 [1]。虽然这些方法取得了良好的效果,但也存在一定的局限性。一方面,训练这些方法需要使用像素级标注的大规模数据,这是非常昂贵和耗时的。例如,在 Cityscapes 数据集中标注每幅图像大约需要 90 分钟。另一方面,由于存在领域偏移(domain shift)或数据集偏差(dataset bias),他们不能很好地将所学知识迁移到新的域或数据集。为了避免数据收集和标注的成本,图形学和仿真软件的发展使得研究者们可以使用 CARLA 和 GTA-V 等模拟器所生产的无限量合成标注数据。为了减少不同领域之间的差距,研究者们提出了领域自适应(domain adaptation, DA)或知识迁移技术(knowledge transfer techniques),并进行了理论分析和算法设计。语义分割的领域自适应算法在自动驾驶等领域具有重要的作用。现有的工作主要关注于单个源域的场景,很难处理实际中具有不同分布的多个源域的情况。在这篇论文中,研究者们研究了基于多源领域自适应的语义分割。

2、现有领域自适应方法在图像分割上的挑战

除了传统的有标注源域上的任务损失外,深度无监督领域自适应(UDA)方法通常还会训练其他损失函数来处理领域偏移,如差异损失(discrepancy loss)[2]、对抗损失(adversarial loss)[3]、重构损失(reconstruction loss)[3] 等。目前语义分割任务上从合成数据到真实场景的领域自适应方法都集中在单数据源设置上,没有考虑从多个不同分布的数据源收集数据这一更实际的场景。简单地将不同的源组合成一个源并直接使用单一源 DA 不会有很好的效果,因为来自不同源域的图像在学习过程中可能会相互干扰。早期对多源 DA(multi-source DA, MDA)的研究使用了浅层模型。

近年来,人们提出了一些多源深度 UDA 方法,这些方法主要针对图像分类 [4]。由于以下原因,直接将这些 MDA 方法从分类扩展到分割可能不会有很好的效果。(1) 分割是一个结构化的预测任务,其决策函数比分类更复杂,因为它必须在指数大的标签空间中解析预测 [5]。(2) 目前的 MDA 方法主要关注特征级对齐,只对高层次的信息进行对齐。这对于粗粒度的分类任务来说可能足够了,但是对于细粒度的语义分割来说显然是不够的,因为分割是像素级的预测。(3) 这些 MDA 方法只将每个源域和目标域对齐。虽然不同的源域被匹配到目标域,但在不同的源域之间可能存在显著的不一致。

二、所提出的多源对抗域聚合网络算法

针对上述挑战,基于对抗生成式网络(GAN)[11] 和循环对抗生成式网络(CycleGAN)[6],本文提出了一种新的端到端的多源对抗域聚合网络(Multi-source Adversarial Domain Aggregation Network, MADAN),框架如图 2 所示。MADAN 主要包括三个模块:(1)动态对抗图像生成模块(Dynamic Adversarial Image Generation),(2)对抗域聚合模块(Adversarial Domain Aggregation),(3)分割特征语义对齐模块(Feature Aligned Semantic Segmentation)。

首先,对于每个源域,文章使用循环对抗生成式网络(CycleGAN)[6] 生成一个动态保持语义并且具有像素级一致性的自适应域;其次,文章提出了子域聚合判别器(Sub-domain Aggregation Discriminator)和跨域循环判别器(Cross-domain Cycle Discriminator),以使不同的自适应域更紧密地聚合;最后,在训练分割网络的同时,对聚合域和目标域进行特征层面的对齐。通过 MADAN,不同的适应域可以更好地聚合为一个更统一的域。基于聚合域对分割模型进行训练,能够更好地提升分割模型在目标域上的表现。从合成的 GTA[7] 和 SYNTHIA[8] 到真实的 Cityscapes[9] 和 BDDS[12] 数据集上的大量实验证明,文章所提出的 MADAN 模型比当前最先进的方法表现得更好。表 1 展示了 MADAN 和其他当前主流的领域自适应模型的比较。

1、文章的主要贡献点

文章的贡献主要有三个方面:(1)提出了语义分割的多源领域自适应方法。这是第一个多源领域自适应在语义分割任务上的工作。(2)设计了一个新的框架 MADAN 来做多源领域自适应的语义分割。除了特征级(feature level)对齐外,还考虑了像素级(pixel level)对齐,即为每个源循环生成一个自适应域,这与动态语义一致性损失是一致的。提出了子域聚合判别器和跨域循环判别器,以更好地匹配不同的自适应域。(3)进行了大量的实验,从合成的 GTA [7] 和 SYNTHIA [8] 到真实的 Cityscapes [9] 和 BDDS 数据集 [12],结果证明了文章所提出的 MADAN 模型的有效性。

2、动态对抗图像生成模块

DAIG 模块的主要作用在于使得来自不同源域的图像经过生成器转换为在视觉表示上具有目标域风格特征的图像。这在单源域自适应工作 CyCADA [10] 中被证明是有效的。为了在多源域状态下达到这个目标,对于每个源域 S_i, 使用生成器将源域的图像转换为具有目标域 T 风格的图像。这个生成器的作用是欺骗判别器D_T , 主要用于在像素级别的对抗训练,D_T 在对抗训练的过程中目标是正确区分转换后的图像与目标域的真实图像。

3、对抗式域聚合模块

可以分别在不同的自适应域上训练语义分割模型,然后将这些结果结合起来预测目标域图像的分割结果,或者是简单地将各个自适应域合并到一起,然后训练一个语义分割模型,从而对目标域进行预测。对于前者,如何在不同的源域上选择合适的权重是一个十分复杂的事情。对于后者,要对齐的图像分布在一个很高维度的空间,尽管自适应域和目标域进行了一定的对齐,但是不同的自适应域之间仍然没有对齐,这在训练的过程中会相互干扰,从而导致训练难以收敛且不能达到很好的效果。

为了解决这个问题,文章提出了对抗式域聚合的方式进行多源域数据集的训练。具体地,文章提出了两个判别器来使得不同自适应域之间相互对齐,即域的聚合。首先是子域聚合判别器(Sub-domain Aggregation Discriminator),直接判断来自不同自适应域的图像是否可分。另一个是跨域循环判别器(Cross-domain Cycle Discriminator),用以区分第个自适应域通过第生成的图像和源域S_i 的图像。

子域聚合判别器的损失函数如下:

跨域聚合判别器的损失函数如下:

4、特征对齐的语义分割模块

在经过了对抗式聚合模块之后,不同源域转换后的图像聚合到了一起,使得生成的图像在风格和高维空间的分布上都与目标域更加的一致。同时,动态语义一致性使得转换前后的图像在语义和像素级信息上均具有一致性。此外,文章引入了特征层面的判别器,这部分的损失函数如下:

三、实验结果

为了验证所提出的方法的有效性,文章进行了详细的对比实验结果和可视化结果展示。1、对比实验结果

在域自适应实验中,文章使用了合成数据集 GTA[7] 以及 SYNTHIA[8] 作为源域,真实数据集 Cityscapes[9] 和 BDDS[12] 作为目标域。提出的 MADAN 模型以及当前主流的单源域、多源域自适应模型等的性能比较如表 2 和表 3 所示。

2、可视化结果

四、结论

本文研究了从合成数据到真实数据的多源领域自适应语义分割问题。提出了一种新的多源对抗域聚合网络(MADAN)。对于每个源域,文章生成了具有动态语义一致性的自适应图像。在此基础上,使用子域隔离判别器和跨域循环判别器,以更好地综合不同的源域的数据。在多个数据集的大量实验结果表明,文章所提出的 MADAN 模型具有较好的有效性。

了解更多技术细节,请查看论文Multi-source Domain Adaptation for Semantic Segmentation:https://arxiv.org/abs/1910.12181

论文代码已公布:https://github.com/Luodian/MADAN

“你离自动驾驶还差几个道路测试的距离?”

博客gaohong 发表了文章 • 0 个评论 • 127 次浏览 • 2019-12-13 10:43 • 来自相关话题

道路测试是检测自动驾驶汽车系统性能的必要环节,也是实现自动驾驶商业部署的前置条件。美国尤其是加州汇集了大批优秀的自动驾驶企业,自动驾驶测试工作开展得较早,在测试里程、牌照数量、牌照申请机制、测试成本和测试路网丰富程度等方面已形成优势。 ...查看全部

道路测试是检测自动驾驶汽车系统性能的必要环节,也是实现自动驾驶商业部署的前置条件。美国尤其是加州汇集了大批优秀的自动驾驶企业,自动驾驶测试工作开展得较早,在测试里程、牌照数量、牌照申请机制、测试成本和测试路网丰富程度等方面已形成优势。

1576142734672873.jpg

1576142744223899.jpg

1576142748421173.jpg

1576205147684768.jpg

自动驾驶出租车,巨头们的应许之地?

博客gaohong 发表了文章 • 0 个评论 • 107 次浏览 • 2019-12-11 10:06 • 来自相关话题

百度的自动驾驶出租车在长沙试运营后,广州也开启了RoboTaxi的试运营服务,如果算上滴滴年底在上海推出自动驾驶出租车的计划,2019年有可能在三座城市中看到自动驾驶的出租车。尽管外界在提到自动驾驶出租车的时候,大多会使用“试运营”一 ...查看全部

百度的自动驾驶出租车在长沙试运营后,广州也开启了RoboTaxi的试运营服务,如果算上滴滴年底在上海推出自动驾驶出租车的计划,2019年有可能在三座城市中看到自动驾驶的出租车。

尽管外界在提到自动驾驶出租车的时候,大多会使用“试运营”一词,几乎所有落地运营的自动驾驶出租车,都在主驾驶位配备了一名安全员。却也不乏一些积极的现实意义,原本只在封闭场所中测试的自动驾驶,让公众有了近距离触摸的可能。
1.jpg
再激进一些的,谷歌旗下的自动驾驶公司Waymo在10月份给用户发送了一封电子邮件,表示用户下一次乘车时,可能不再配备人类安全员。倘若这份邮件内容奏效,无疑将是自动驾驶出租车的新里程碑。

无论是国内自动驾驶的“保守运营”,还是谷歌的“艺高人胆大”,自动驾驶领域大大小小的玩家们,把目标瞄向出租车市场早已是不争的事实。

01

小切口与大蛋糕

需要回答的第一个问题是:为何自动驾驶技术的商业化落地,纷纷将出租车作为首选的切入点?

第一个答案可能是市场教育的需要。

战略管理咨询公司罗兰贝格在第五期《汽车行业颠覆性数据探索》中,做出了一个大胆的预测:2030年全自动驾驶出租车将占据全球三分之一以上的汽车出行市场。另一家分析机构瑞银集团也有着乐观的预计,公开表示“2030年全球自动驾驶出租车市场每年的价值可能超过2万亿美元。”

不过“万亿市场”也有一个前提,即自动驾驶汽车成为人类社会日常且必要的交通行为。而在改变人们生活方式的漫长征途中,自动驾驶出租车可以说不可或缺的路径,如果人们尚无法接受“无人驾驶”的出租车,万亿的潜在市场也就无从谈起。

第二个答案或许是资本市场的驱动。

2019年开年起,自动驾驶领域便频频爆出融资困难、内讧倒闭、裁员过冬等负面新闻,就连吴恩达参与运营的明星项目Drive.ai也被迫清盘。“经过长达三年的泡沫期,自动驾驶开始进入期望幻灭的低谷期。”逐渐成为一种行业共识,在项目进度屡屡不达预期的教训下,资本市场也不约而同地收紧了钱袋子。

那些还没有倒下的探路者们,势必要找到新的生存根基,毕竟在技术、成本、安全等一系列问题的制约下,自动驾驶在乘用车市场的落地近乎无解。当资本相继以落地作为投资门槛的时候,商用车市场自然成了自动驾驶的新阵地。

第三个答案应该是庞大蛋糕的诱惑。

在万亿市场的蛋糕面前,科技巨头们可以扮演两个角色,一是自动驾驶的技术供应商,二是自动驾驶出行服务供应商。即便前后只有一字只差,所能分到的蛋糕却差之千里,以至于英特尔高级副总裁兼Mobileye首席执行官阿姆农·沙舒亚直接断言:“对于特斯拉、Uber和Lyft来说,自动驾驶出租车市场之争关乎生死存亡。”

同样被影响的还有自动驾驶的创业者们,在搅局乘用车市场近乎无门的局面下,一些创业者开始紧抱主机厂商的大腿,尽可能降低成本止血过冬。也有一些创业者选择去讲出行服务提供商的故事,以求拿到融资做高估值。

不管是什么样的原因,自动驾驶出租车还将逐步出现在更多的城市中,背后的商业格局也将逐渐水落石出。

02

巨头的应许之地?

就目前来看,自动驾驶出租车的参与者可以大致归为三类:以Waymo、百度Apollo为代表的技术派;诸如特斯拉、通用等主机厂商;以及Uber、Lyft、滴滴等网约车平台。不同派系的所长不同、路径不同、打法不同,却不无被贴上了“巨头”的标签,以至于让人产生了这样的错觉:自动驾驶出租车,终归只是巨头的应许之地?

在广州试运营RoboTaxi的文远知行,不失为一个很好的例子。

与谷歌、百度不同,文远知行的出租车上路可谓颇费周折。早在去年11月份的时候,文远知行就曾借“全国首辆自动驾驶出租车”的光环博尽了眼球,随后即被执法部门叫停,从路况复杂的广州大学城挪到了交通不那么紧张的生物岛。

一辆自动驾驶出租车到自动驾驶出租车队的进化也有“代价”。文远知行在今年8月份和广州市白云出租汽车集团有限公司、科学城(广州)投资集团有限公司联合组建了名为“文远粤行”的合资公司,文远粤行正是名义上的运营方。言外之意,文远知行涉足自动驾驶出租车市场,并没有触碰原有出租车市场的蛋糕,像是一场对未来出行的联合探索。

但这并非是文远知行得以进入出租车市场的全部“秘密”。

2018年10月底,前身为“景驰科技”的文远知行完成了更名后的A轮融资,其中雷诺日产三菱联盟AllianceRNM为战略领投方,也是后者在中国市场的首次投资。与之相关的一幕是,去年让文远知行风光无二的“首辆自动驾驶出租车”还是一台改造后的传祺SUV,刚刚在广州街头落地的自动驾驶出租车队,已经是清一色的日产电动汽车。

原因也不难理解,百度的自动驾驶出租车已经曝出了20元/公里的成本,其中车辆本身成本和运营成本各占一半,相较于传统出租车每公里3元的成本,“每公里成本”无疑是制约自动驾驶出租车规模化落地的又一因素。特别是在商业化前景尚不明朗,自动驾驶又漂在资本寒流中的时候,自动驾驶出租车仍然是一个“烧钱”的新物种,也只有现金流稳定的巨头们敢于以金钱换时间。

也有人为自动驾驶的创业者们指出了一条明路,放弃与巨头争夺“出行服务提供商”的资格,转向物流、环卫车、矿山、港口、机场、园区等特定且刚需的垂直市场,不失为“活下去”的可行之路。

03

社会共识的欠缺

商业上的博弈永远都是后话,巨头们筹谋自动驾驶出租车市场的同时,还面临另一个棘手问题——社会对于自动驾驶的共识。

至少就目前来看,Robotaxi的需求并非来自消费者和车主,甚至都不是车企,而是人工智能企业试图找到的商业模式,Uber、滴滴等共享出行平台对未来的未雨绸缪。比技术成熟度更大的不确定性,仍在于公众的认可。

期待而又恐惧,大体就是人们对于自动驾驶的情感。

早在1925年,人类历史上第一辆有证可考的“无人驾驶汽车”就在纽约亮相,随后在不少科幻电影中可以找到和自动驾驶相关的情节。但在1993年的《侏罗纪公园》中,斯皮尔伯格却在镜头中表达了对自动驾驶汽车的“恐惧”:当公园系统瘫痪,Explorer无人驾驶汽车与中央计算机链接中端后,装满人的汽车成了霸王龙的“罐头”。

事实也是如此。2013年的一项调查结果显示,66%的美国人认为“自动驾驶汽车让我感到害怕”,有50%的人认为“该技术无法可靠运行”。到了2018年,两项调查结果的数据却增加到了77%。原因可能是特斯拉、Uber等在自动驾驶测试中的一起起交通事故,被媒体放大后直接影响了公众对于自动驾驶的感情。

以至于自动驾驶出租车领域的巨头们,也逐渐形成了乐观派和悲观派。

乐观派有如特斯拉、百度等玩家,马斯克希望特斯拉的车主能够添加“特斯拉网络”,让自家车在闲置的时候利用自动驾驶技术提供打车服务,甚至给出了0.18美元每公里的定价;悲观派的代表有Uber、Waymo等,自动驾驶业务成了Uber上一轮裁员的重灾区,WaymoCEO约翰·克拉夫茨克曾在2018年表态称:“未来几十年内,自动驾驶技术还无法做到无处不在,自动驾驶汽车将一直存在限制。”

好在乐观派和悲观派都在尝试增加公众对自动驾驶汽车信任,比如在Waymo、百度的自动驾驶出租车上,在前排的座椅靠背上安装了一对触摸屏,乘客可以从屏幕中看到汽车当前行驶速度、周围环境的3D示意图,甚至汽车停在斑马线前让行人过马路时,也会在屏幕上标注出来。

巨头的价值也在于此,在商业利益的驱动下,被巨头们主导的自动驾驶出租车市场,注定会是自动驾驶成为一种社会共识的先行军。

04

写在最后

有理由相信,等待自动驾驶出租车的还有诸多不可预知的关卡,仍然会有越来越多的城市中出现试运营的自动驾驶汽车。

毕竟大多数人每天使用汽车的时间不到5%,每年的使用成本却动辄上万,高昂的成本与限制的运力,足以给自动驾驶玩家们巨大的动力去颠覆现有的用车模式。何况当自动驾驶技术足够成熟的时候,完全的自动驾驶也不无可能,诸如“滴滴空姐遇害”等潜在的安全问题,也能找到相对妥帖的解决方案。

或许,这正是“科技”存在的意义。

自动驾驶汽车(Autonomous vehicles;Self-piloting automobile )又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史,21世纪初呈现出接近实用化的趋势。