想驾驶更轻松？还需车内感应AI提升安全性

图源：Mike Mareen/stock.adobe.com

今天，我们经常听到有人说自动驾驶时代即将到来，但是，真正在各种现实条件下实现的自动驾驶仍然尚需时日。人类驾驶员仍然需要注意路上的情况，并且车辆内部似乎提供了一个类似于相对静态的实验室一样接受观察的环境。Eyeris成立于2013年，是一家以人为中心的人工智能（AI）公司，旨在通过监控车内状况，确保车辆是由人控制并确认环境也符合完成这一关键任务的要求，从而使驾驶更安全、更舒适。

挑战
各种各样的驾乘者和感应条件

与外部世界相比，车内状况相对稳定，但仍然存在各种各样的挑战。车内可能只有独自驾驶汽车的一个人，也可能还有另外几名乘客，这些人可能是男性，也可能是女性，身材也各不相同，从小孩子到100公斤以上的彪形大汉都有可能。此外，人类的肤色千差万别，可能在不同的照明条件和温度下穿戴不同的服装和配饰，让这种“实验室环境”骤然间变得相当复杂。更不要说还要考虑是不是带宠物同行，昨天留在后座上包汉堡的纸还没有扔掉，有一两部手机被扔在乘客座位上。

解决方案
传感器融合与数据丰度

虽然一个传感器系统可能具有出色的眼动跟踪或其他技术优势，但作为一家人工智能软件公司，Eyeris主要专注于融合各种硬件传感元件。因此，他们与众多硬件制造商合作开发感应技术，包括传统红外（IR）、现代红绿蓝+红外（RGBIR）传感器、热成像仪甚至雷达，以便全面掌握情况，还与众多处理器制造商合作运行人工智能程序。这种传感器融合与用于训练的极大数据集相结合，意味着车辆内部空间能够以人类合并视觉、听觉、触觉、嗅觉甚至可能还有味觉的相同方式准确解释，以执行复杂的任务。

除了运行AI系统所需的原始算力外，还必须考虑摄像头硬件、传感器处理模块和汽车的其他处理硬件之间的连接。例如，Eyeris使用Maxim的MAX96706 14位GMSL解串器将基于移动工业处理器接口（MIPI）的图像传感器和摄像头模块连接到AI处理板中的一些参考设计并取得了巨大成功。随着汽车电子产品的集成度日益提升，处理和提取这种数据传输的可靠方法成为需要考虑的重要因素。

制造的汽车丰富多样意味着可以轻松集成到X、Y或Z等不同车型中的组织良好的系统可以显著减少开发成本，缩短上市时间。

硬件创新
促进软件创新

过去几十年，算力和硬件创新呈现出惊人的爆炸式发展。尽管如此，软件的创新依然得天独厚地以相较硬件快得多的速度发展，与软件提供商相比，制造商常常发现自己处于“追赶”之中。特斯拉、苹果和其他公司自己生产AI硬件，专门用于满足已露端倪的软件改进，其原因之一就是如此。

对于与众多现有硬件制造商合作的小型软件/AI公司来说，除了具有足够的原始算力外，还必须提供与新型人工智能框架（如TensorFlow、PyTorch和ONNX）兼容的成熟软件堆栈和软件开发工具包（SDK）。可用的编译器应支持现代神经网络层，配备成熟的软件仿真器、仿真引擎以及用于AI模型解析、精简、定量等任务的相关工具。

最后，支持传感器融合任务（如内置3D视差引擎、多相机流式功能、富输入/输出（IO）接口等）也异常有用。这使AI和设置AI系统的人能够在解决噪音问题的同时，处理广泛的数据。

AI传感器融合
汽车安全等应用

虽然这篇博文的重点是汽车内部感应，但更普遍的情况是，在很多应用当中传统的纯视觉AI设置或许是符合逻辑的选择，只是可能无法满足一些特例的需求。特别是在安全关键型应用中，在适当的照明和其他条件下大多数时候都可以发挥作用的视觉系统可能远远不够。在这些情况下，增配其他感应能力（无论是第二RGB可见光设备、红外传感器、雷达还是用于增强存在检测的热传感器等），都可使AI能够充分监测和控制环境。

拥有数十亿美元资产的公司可能有资源内部开发自己的芯片，但在其他情况下，规模较小、更灵活的AI公司可能更适合这种模式。因此，必须找到、发展并联合适当的硬件合作伙伴，为汽车和其他行业生产一体化产品。可用的硬件和软件接口工具越好，设置AI软件就越容易，生产出优秀产品也就越快。通过适当的数据、工具和AI训练，可以让我们的世界更安全、更美好，对于这些系统的用户和整个社会都是如此。