汽車行業(yè)是推動(dòng)人工智能（AI）發(fā)展的重要行業(yè)之一，這是因?yàn)樵撔袠I(yè)致力于自動(dòng)駕駛汽車和高級(jí)駕駛員輔助系統(tǒng)（ADAS）的泛在利益。

　　汽車正在變得越來越智能,，但是如果汽車行業(yè)要實(shí)現(xiàn)完全自動(dòng)駕駛的目標(biāo),，他們還有很長的路要走,。盡管業(yè)界還在討論實(shí)現(xiàn)全自動(dòng)化所需的理想技術(shù)組合,，但是有一點(diǎn)是明確的，那就是人工智能,，尤其是神經(jīng)網(wǎng)絡(luò)將發(fā)揮重要作用,。

神經(jīng)網(wǎng)絡(luò)

　　神經(jīng)網(wǎng)絡(luò)的作用是執(zhí)行對(duì)于傳統(tǒng)視覺或模式識(shí)別系統(tǒng)來說具有挑戰(zhàn)性的任務(wù)。通過使每個(gè)神經(jīng)網(wǎng)絡(luò)各自不同,，并針對(duì)特定任務(wù)進(jìn)行設(shè)計(jì),，它可以更高效、更精確地執(zhí)行任務(wù),。

　　所有神經(jīng)網(wǎng)絡(luò)的組織模式都是在多個(gè)層面上多次處理數(shù)據(jù),。因此，神經(jīng)網(wǎng)絡(luò)可以在不同的輸入模式下運(yùn)行十到二十次,，而不是用一組特定的參數(shù)只運(yùn)行一次操作,。這個(gè)想法是，通過所有這些不同的路徑,，選擇的數(shù)量就會(huì)增加,。當(dāng)?shù)搅诵枰龀鰶Q策的時(shí)候，它已經(jīng)從輸入中提取了所有的信息,。

　　在路標(biāo)識(shí)別的示例中,，第一層可能正在尋找一個(gè)標(biāo)識(shí)的角形狀，然后是顏色等各個(gè)步驟執(zhí)行下去,，直到它可以非常確信地說這是一個(gè)路標(biāo)并說明其含義,。這樣做的好處在于無需對(duì)每一個(gè)步驟都進(jìn)行編程，神經(jīng)網(wǎng)絡(luò)將會(huì)自己完成,，并且隨著時(shí)間的推移而不斷學(xué)習(xí),。該算法知道它需要識(shí)別的內(nèi)容，并將嘗試不同的方法,，直到實(shí)現(xiàn)目標(biāo),，并在過程中不斷學(xué)習(xí)。一旦神經(jīng)網(wǎng)絡(luò)在經(jīng)過培訓(xùn)之后,，它便可以在實(shí)際應(yīng)用中發(fā)揮作用,。這意味著工程師不必花費(fèi)數(shù)小時(shí)來微調(diào)復(fù)雜的算法，他們只需向神經(jīng)網(wǎng)絡(luò)展示它需要發(fā)現(xiàn)的內(nèi)容并讓其自學(xué)完成,。

　　這些技術(shù)已經(jīng)在車輛中被廣泛用于目標(biāo)檢測,、分類和分析，而駕駛員監(jiān)測,、訪問控制以及語音和手勢識(shí)別也可以利用不同類型的神經(jīng)網(wǎng)絡(luò),。此外，將傳統(tǒng)視覺與神經(jīng)網(wǎng)絡(luò)相結(jié)合的人工智能方法,，可用于行人路徑分析和環(huán)繞視圖等應(yīng)用場景,，它將同時(shí)依賴于圖形處理器（GPU）和神經(jīng)網(wǎng)絡(luò)加速器（NNA）。

　　在從傳感器到電子控制單元（ECU）整個(gè)鏈路中也可以使用神經(jīng)網(wǎng)絡(luò),，在預(yù)處理,、中間處理和后處理中使用的各種技術(shù)將人工智能引入了其中。

　　此外,，車聯(lián)網(wǎng)（V2X）技術(shù)正在開發(fā)中,，該技術(shù)將主要使用自動(dòng)駕駛汽車作為傳感載體，為各種智慧城市和智慧交通場景提供數(shù)據(jù)和信息,。同樣,，這些進(jìn)展將依賴于采用GPU和NNA的方法實(shí)現(xiàn)人工智能，以支持來自越來越大的輸入集的各種分析和計(jì)算,。

傳感器融合

　　自動(dòng)駕駛和高度自動(dòng)化的車輛將嚴(yán)重依賴各種類型的傳感器,，包括攝像頭、熱成像,、雷達(dá),、激光雷達(dá)（LiDAR）等。所有這些傳感器傳出的信號(hào)都需要進(jìn)行解讀和融合,，以便全面了解車輛內(nèi)部和外部發(fā)生的情況,。

　　傳感器融合對(duì)于自動(dòng)駕駛至關(guān)重要，它將涉及到GPU和神經(jīng)網(wǎng)絡(luò)以及機(jī)器學(xué)習(xí)和人工智能的結(jié)合,。

　　車輛內(nèi)部傳感器融合的一個(gè)很好的示例是駕駛員監(jiān)測,。在當(dāng)今的車輛中，各種各樣的傳感器都能夠檢測到駕駛員是否注意力不集中。神經(jīng)網(wǎng)絡(luò)可以分析拍攝到的駕駛員圖像,，以判斷他或她是否在睡覺,、處于疲倦狀態(tài)、注意力不集中,，甚至通過移動(dòng)設(shè)備講話或發(fā)信息,。這對(duì)于早期的自動(dòng)駕駛車輛來說是至關(guān)重要的信息，因?yàn)樗赡苄枰{駛員在某些時(shí)候重新控制車輛,，因?yàn)槠囆枰礼{駛員是否處于合適的狀態(tài)才能這樣做,。

　　駕駛員監(jiān)測是如何工作的？對(duì)準(zhǔn)駕駛員面部的攝像頭為分析面部元素（尤其是眼睛）的算法提供了輸入,。是睜著眼睛還是閉著眼睛,？如果是閉著眼睛，閉眼多長時(shí)間,？眼神是否飄忽不定,？駕駛員正在看向哪里？

　　研究整個(gè)面部可以確定駕駛員是生氣還是悲傷,。如果是憤怒,，系統(tǒng)會(huì)建議駕駛員先靠邊停車并冷靜下來，然后再繼續(xù)行駛,。

　　所有這些都是基于構(gòu)建一個(gè)面部圖像,，提取關(guān)鍵點(diǎn)并使用神經(jīng)網(wǎng)絡(luò)提取情緒、注視時(shí)間等來判斷駕駛員的精神狀態(tài),。

　　在未來的兩三年內(nèi),，駕駛員監(jiān)測可能會(huì)成為必須從歐洲新車評(píng)估計(jì)劃（NCAP）和美國國家高速公路通行安全管理局（NHTSA）獲得批準(zhǔn)的一項(xiàng)要求，因此駕駛員監(jiān)測會(huì)成為汽車制造商必須要實(shí)施的技術(shù),，不僅要適用于高端汽車,，還要適用于所有車輛。

自動(dòng)駕駛的等級(jí)

　　美國汽車工程師學(xué)會(huì)（SAE）和美國高速公路交通安全管理局已將自動(dòng)駕駛汽車的能力分為六個(gè)等級(jí),?；旧希燃?jí)0完全沒有自動(dòng)化,，而在等級(jí)1中,，汽車將為駕駛員提供一些幫助。等級(jí)2具有更多的駕駛輔助功能,，甚至可以自主執(zhí)行一些任務(wù),，例如自動(dòng)緊急制動(dòng)以避免碰撞。

　　等級(jí)3是一個(gè)棘手的問題,，雖然汽車是自動(dòng)駕駛,，但駕駛員必須隨時(shí)準(zhǔn)備駕駛車輛,。駕駛員監(jiān)測將是等級(jí)3自動(dòng)駕駛的關(guān)鍵，因?yàn)轳{駛員必須做好干預(yù)的準(zhǔn)備,，并且在一定程度上,，車輛有責(zé)任確保駕駛員做好準(zhǔn)備。

　　在等級(jí)4中,，即使駕駛員可以接手車輛駕駛,，但從理論上講,，車輛也可以處理它所處現(xiàn)場的所有情況,。等級(jí)5的車輛將實(shí)現(xiàn)全自動(dòng)化，沒有方向盤和踏板,。

　　車輛自動(dòng)駕駛性能每提高一個(gè)級(jí)別,，所需的計(jì)算性能就會(huì)增加大約十倍。這就是為什么神經(jīng)網(wǎng)絡(luò)很重要的原因,，因?yàn)樗鼈兛梢栽诜浅５偷墓南绿峁┻@種性能,。

目標(biāo)檢測

　　以一個(gè)行人為例，汽車的車載攝像頭和傳感器可以記錄行人是在行走或站立,；神經(jīng)網(wǎng)絡(luò)可被用于繪制行人可能要走的路線,，并計(jì)算車輛是否需要減速或快速制動(dòng)。神經(jīng)網(wǎng)絡(luò)還可以觀察同一幅圖像并對(duì)其進(jìn)行分割,，從中挑選出其他物體,，并應(yīng)用目標(biāo)識(shí)別技術(shù)來判斷出它們是否代表了車輛需要注意的東西。所有這些都必須把車輛的位置以及它想要去的地方納入考慮之中,，如果車輛正在倒車,，并檢測到在車輛后面有一個(gè)小孩，就需要迅速處理并進(jìn)行剎車,。要做到這一點(diǎn),，就需要人工智能和神經(jīng)網(wǎng)絡(luò)來查看那里是否有物體存在，并對(duì)其進(jìn)行識(shí)別認(rèn)出是一個(gè)孩子,，然后向執(zhí)行器或駕駛員發(fā)送一個(gè)信號(hào),，以采取措施。

　　由于攝像頭通常會(huì)帶有某種魚眼鏡頭,，因此這將使其變得更加復(fù)雜,。這會(huì)產(chǎn)生一張變形的圖片，需要先矯正然后進(jìn)行解讀,。來自這個(gè)設(shè)備以及其他傳感器的輸入需要結(jié)合起來,，從而在瞬間做出決策。

數(shù)據(jù)處理

　　與此同時(shí),，來自汽車周圍的其他信息也源源不斷地被送達(dá),，包括來自于所有傳感器的以及從其他車輛或基礎(chǔ)設(shè)施通過無線通信接收到的信息,。這是一個(gè)巨大的數(shù)據(jù)量，可能在太字節(jié)（terabyte）范圍內(nèi),。

　　ECU將遍布汽車各處,，并根據(jù)數(shù)據(jù)做出決策。這可能會(huì)涉及到100個(gè)或者更多的ECU,。業(yè)界正在使用一些方法來研究如何用更少的ECU和更多的計(jì)算能力來實(shí)現(xiàn)這一點(diǎn),。攝像頭或傳感器旁邊的嵌入式人工智能可以做出一些決定，從而減少車輛需要傳遞的信息,。

　　這意味著需要不同等級(jí)的處理方式,。數(shù)據(jù)可以在捕獲點(diǎn)進(jìn)行預(yù)處理，例如拉直魚眼鏡頭的圖像,。中間處理可能包括各種已計(jì)劃的任務(wù),、目標(biāo)識(shí)別、決策制定等,。之后可以進(jìn)行后處理,，當(dāng)信息可以被清理整齊并顯示在屏幕上時(shí)，讓駕駛員就知道正在發(fā)生什么或已經(jīng)發(fā)生了什么,。

應(yīng)用

　　這些數(shù)據(jù)處理技術(shù)也被用于創(chuàng)建當(dāng)前正在開發(fā)的應(yīng)用,，以在車內(nèi)創(chuàng)建虛擬環(huán)視車身支撐柱。在此用例中,，將在支撐柱（連接車頂和車身的支撐柱）上安裝攝像頭來捕獲車外發(fā)生的事情,。支撐柱的內(nèi)部將提供一個(gè)顯示器，以顯示這些攝像頭正在捕獲的內(nèi)容,，從而為駕駛員提供一個(gè)不間斷的視場,。

　　這個(gè)過程非常難以實(shí)現(xiàn)。系統(tǒng)必須了解駕駛員正在查看的另一側(cè)是什么情景,。圖片將需要修正變形并放置在不平整或彎曲的表面上,，然后重新變形到支撐柱的輪廓上。

　　盡管這一進(jìn)步是未來的趨勢,，但一些高端車輛已經(jīng)提供了環(huán)繞視圖系統(tǒng),，并且它們很快將應(yīng)用于中檔和入門級(jí)車輛。GPU被用于分析遍布車輛周圍的各個(gè)攝像頭所捕獲的圖像（通常有四個(gè)或五個(gè)攝像頭）,，并將圖像拼接在一起,。根據(jù)拼接的圖像，神經(jīng)網(wǎng)絡(luò)將執(zhí)行目標(biāo)檢測和路徑預(yù)測,，以查看這些目標(biāo)是否有可能攔擋車輛的路徑,。

信息娛樂和導(dǎo)航

　　在車載信息娛樂系統(tǒng)（IVI）和導(dǎo)航方面，GPU也起著重要作用,。它們還參與語音控制,，這很可能成為人與車之間的關(guān)鍵接口,。因此，對(duì)于衛(wèi)星導(dǎo)航系統(tǒng)來說,，駕駛員不必操作按鈕和鍵盤來輸入目的地,，而是只需說出郵政編碼或街道名字，然后就可要求系統(tǒng)繪制出路線,。

　　儀表盤將被連接到外部攝像頭,，以用于路標(biāo)識(shí)別等操作。如果攝像頭捕捉到一個(gè)限速的標(biāo)志,，該標(biāo)志可以在有效的時(shí)間內(nèi)顯示在駕駛員面前,；如果汽車超過限速，就會(huì)發(fā)出聲響警告,。

　　實(shí)際上,，整個(gè)儀表顯示區(qū)將使用GPU進(jìn)行圖像渲染和信息優(yōu)先級(jí)排序。如果系統(tǒng)確定駕駛員需要了解一些關(guān)鍵信息,，該信息可能會(huì)從儀表顯示區(qū)中彈出，甚至可以投射到擋風(fēng)玻璃上,。擋風(fēng)玻璃上的圖像也可以被用作導(dǎo)航系統(tǒng)的一部分,，向駕駛員顯示正確的轉(zhuǎn)彎方向或說明汽車在即將到來的路口需要駛?cè)肽臈l車道。

　　后視鏡的換代是另一個(gè)主要的,、潛在的發(fā)展方向,。一些新型汽車已經(jīng)在開發(fā)中，其上的后視鏡已被可顯示來自不同攝像頭視圖的屏幕取代,。與傳統(tǒng)的后視鏡一樣,，除了顯示車后發(fā)生的情況之外，它們還可被用于盲點(diǎn)檢測,。在此,，神經(jīng)網(wǎng)絡(luò)可以向駕駛員發(fā)出關(guān)于有關(guān)其無法看到的汽車的警告，并自動(dòng)阻止汽車變道進(jìn)入另一輛汽車的路線,。

智慧城市

　　世界各國的各地政府正在朝著一個(gè)長期目標(biāo)邁進(jìn),，那就是讓智慧城市擁有自動(dòng)駕駛和高度自動(dòng)化的車輛，并將其集成到覆蓋整個(gè)城鎮(zhèn)或城市的智能交通系統(tǒng)中,。

　　其背后的理念是,，所有的城市服務(wù)和規(guī)劃工作都是相互協(xié)調(diào)和聯(lián)系的，以便讓市民獲得更多的信息,，讓城市生活更愉快,，更重要的是更加健康。為實(shí)現(xiàn)這一目標(biāo),，減少污染和交通擁堵至關(guān)重要,。

　　智能交通系統(tǒng)將控制整個(gè)城市的交通基礎(chǔ)設(shè)施,。該基礎(chǔ)設(shè)施將與車輛進(jìn)行通信，交通信號(hào)燈和車輛也將相互通信,，并將收集到的數(shù)據(jù)發(fā)送回去,。

　　這方面的一個(gè)實(shí)例就是控制交通信號(hào)燈，使車輛暢通無阻地以最佳速度通過一個(gè)區(qū)域,。如果緊急服務(wù)車輛需要快速駛?cè)?，則可以使用這些相同的交通信號(hào)燈來阻止其他道路使用者，并為他們創(chuàng)建一條安全的道路,。

　　如果一地發(fā)生交通堵塞,，車輛可以將此信息傳遞給基礎(chǔ)設(shè)施；反過來,，基礎(chǔ)設(shè)施又可以通知其他車輛遠(yuǎn)離該區(qū)域,，這樣就不會(huì)增加問題的嚴(yán)重性，以便交通堵塞可以被更快地被清除,。這甚至可以被用于城市以外的地方,，例如在高速公路的入口匝道上。如果系統(tǒng)已經(jīng)從反向行駛的汽車中獲悉了備用信息,，它可以在駕駛員駛?cè)敫咚俟分皩?duì)其發(fā)出警告,，從而使他們能夠考慮其他路線。

　　為了實(shí)現(xiàn)這一目標(biāo),，城市將需要有一個(gè)中央智能樞紐,，該中樞可以處理傳入的信息并計(jì)算哪些數(shù)據(jù)要發(fā)送給其他車輛或交通信號(hào)燈。這只有在結(jié)合了神經(jīng)網(wǎng)絡(luò),、人工智能,、機(jī)器學(xué)習(xí)和先進(jìn)算法之后才能實(shí)現(xiàn)。

結(jié)論

　　NHTSA的研究 發(fā)現(xiàn)：高度自動(dòng)化的車輛將比由人類駕駛的車輛更加安全,，94％的事故是由人為失誤造成的,。基于AI的技術(shù)在響應(yīng)能力和識(shí)別需要快速響應(yīng)的威脅方面已經(jīng)優(yōu)于人類駕駛,。

　　為了實(shí)現(xiàn)這些車輛所需的處理能力,，將需要NNA和GPU配合使用。隨著汽車行業(yè)轉(zhuǎn)向全自動(dòng)駕駛汽車,，計(jì)算能力將需要被大幅提升,，NNA將應(yīng)需而扮演重要角色。據(jù)估計(jì),，一輛等級(jí)5自動(dòng)駕駛汽車需要的計(jì)算能力是等級(jí)1自動(dòng)駕駛汽車的10,000倍,。

　　這是處理性能的極大提高，但也必須在一個(gè)給定的功耗預(yù)算內(nèi)完成,。一個(gè)神經(jīng)網(wǎng)絡(luò)加速器（NNA）的性能已經(jīng)是中央處理器（CPU）的100到800倍,，而其成品封裝卻比CPU大小小很多,。一輛車可能有一個(gè)很大的CPU，同時(shí)還有許多NNA遍布于車輛各處,，并以比同樣遍布車輛各處的CPU低得多的功耗和更高的性能來執(zhí)行各種任務(wù),。

　　Imagination Technologies提供了GPU和NNA硅知識(shí)產(chǎn)權(quán)（IP）。其應(yīng)用在數(shù)字儀表盤中的技術(shù)比任何競爭對(duì)手都要多,，并且公司在先進(jìn)駕駛員輔助系統(tǒng)（ADAS）和自動(dòng)駕駛汽車市場中也處于領(lǐng)先地位,。賦能自動(dòng)駕駛汽車實(shí)用化所需的所有要素都將取決于這些技術(shù)，而這些技術(shù)成為現(xiàn)實(shí)只是時(shí)間問題,。