- Advertisement -
首頁 標籤 AV

AV

- Advertisment -

賽靈思/德國馬牌攜手開發自駕車可投產4D成像雷達

賽靈思(Xilinx)與德國馬牌(Continental)日前宣布,賽靈思的Zynq Ultra Scale+ MPSoC平台將支援德國馬牌的新型先進雷達感測器(ARS)540,兩家公司攜手開發首款已可投產的車用4D成像雷達。這項合作將使新生產的車款搭載ARS540以實現SAE J3016 L2的功能,並為達成L5的自動駕駛系統預先做好準備。 4D成像雷達能透過距離、方位、仰角和相對速度確定物體位置,進而提供詳細的駕駛環境資訊,這是僅蒐集速度和方位資料的傳統汽車雷達系統無法提供的全新功能。德國馬牌的ARS540是一款高階長距離4D成像雷達,不僅擁有高解析度,且偵測距離長達300公尺。它的視野寬度為±60°,可實現多重假設追蹤(Multiple Hypothesis Tracking),為駕駛提供精確的預測,而這對於處理複雜的駕駛狀況來說至關重要,例如偵測橋下交通堵塞的情況。此外,ARS540系統擁有較高的水平解析度和垂直解析度,便於偵測道路上的潛在危險物體並做出適當反應。ARS540充分展現這款感測器可擴展的應用能力,不僅能支援由人類駕駛負責監控車輛的SAE L2,還能提升至L5的全自動駕駛。 德國馬牌雷達專案管理負責人Norbert Hammerschmidt表示,賽靈思Zynq UltraScale+ MPSoC平台提供ARS540所需的高效能和先進的DSP功能,並結合了靈活應變能力,給予該公司市場的網路介面選擇。這些網路介面能處理在高集合傳輸率下的多種天線資料。德國馬牌近期與歐美頂尖的OEM贏得了多項設計,並持續與全球的OEM商討ARS540的採用事宜。如今,該公司對於延續與賽靈思的長期合作夥伴關係,並推出有潛力拯救生命的技術深感自豪。 賽靈思車規級(Xilinx Automotive, XA)Zynq UltraScale+ MPSoC是一種靈活應變的平台,使德國馬牌的4D成像雷達可適用於多種感測器平台配置,並且靈活適應OEM的規格。它為元件的可編程邏輯提供最佳平行處理效能,幫助實現ARS540 4D感測中完全獨立卻又能同時處理的關鍵流程。大量的DSP片(Slice)可為即時雷達感測器輸入提供硬體加速。 Yole Dévelopement(Yole)射頻設備與技術部門的技術與市場分析師Cédric Malaquin評論,4D成像雷達可提供更遠的偵測距離、更寬廣的視野和更深入的感知,是能夠幫助 L2到L5的開發者打造更安全的駕駛環境的重要感測器。該公司預計4D成像雷達將首先應用在豪華轎車和自駕計程車,市場規模預估將超過5.5億美元,且2020年到2025年間的複合年增長率(CAGR)將達到124%。透過合作開發這種新款的感測器模組,賽靈思與德國馬牌將帶來良好的市場機會。
0

宏正/兆勤聯手推AV over IP方案 擴充網路架構與效益

全球資訊(IT)暨專業影音(Professional AV)設備連接管理方案商宏正自動科技(ATEN)日前宣布與國內結合網路安全、人工智慧和雲端管理解決方案廠商—合勤控集團旗下的兆勤科技(Zyxel Networks)建立合作關係,共推高擴展性和優異效能的AV over IP解決方案,此合作關係整合雙方多年於專業影音和網路產業所累積的深厚實力,提供網路AV(Networked AV)架構下更高擴充性、靈活彈性、簡易操作與節省成本的創新方案。 AV over IP使用標準型網路進行音訊及視訊的訊號傳輸,概念接近IT業界的IoT,近年因其突破傳輸距離限制、高擴展性及節省成本的特性,正以極快的速度成長。根據Futuresource Consulting的預測,2016至2021 AV over IP編碼器/解碼器出貨量的年複合成長率高達63.3%,顯示越來越多的傳統影音系統正朝向IP化發展。 ATEN研發處暨企劃處資深副總經理林勇達表示,宏正近年來積極拓展AV over IP市場,持續強化自身於專業影音市場的研發實力,提供客戶具備高擴充性、彈性與簡化IP設定的網路AV方案,近期也將接續推出透過網路線供電的創新方案,可幫助客戶大幅簡化布建流程並節省成本。 林勇達進一步指出,除了自身研發實力的持續精進,與產業締結合作關係來共同促進市場IP化也是該公司努力的方向。網通大廠兆勤科技是乙太網交換器品牌,在各類IP群播應用皆擁有深厚的專業知識,透過與兆勤科技的方案整合,能進一步協助IT與 AV系統整合商與通路夥伴降低進入網路 AV架構的門檻,創造出標準且簡單穩定的IP架設環境,體現優異、簡易操作與節省成本的方案效能。 兆勤網路事業中心副總吳維銘表示,轉換至AVoIP系統時,常因網路錯誤設定影響用戶的觀看體驗,並且常需要花費大量精力來排除故障。兆勤特別在其乙太網路交換器上量身定做出網路AV模式來克服這些難題,為教室、體育酒吧和控制中心的電視牆顯示器等環境,提供簡單而穩定的網路解決方案。在該公司與影音連接專家ATEN的強大合作夥伴關係的支援下,兆勤希望成為彼此通路合作夥伴在安裝AVoIP應用時的良好網路設備選擇。 此次合作關係主要整合兆勤科技的乙太網路交換器與宏正的4K KVM over IP矩陣式系統與4K HDMI over IP 訊號延長器,系統整合商及合作夥伴將能更輕鬆且有效率地完成產品安裝設定。若欲進一步了解ATEN over...
0

LiDAR成為ADAS/自駕車關鍵感測器

根據ResearchAndMarkets指出,光學雷達(LiDAR)市場2019年產值達9.81億美元,到2025年預計達2,766萬美元,2020到2025年複合年增長率預計為20.7%。光電協進會認為,提升LiDAR市場增長的主要因素包括無人機中LiDAR系統的採用不斷增加、工程和建築中地理資訊系統(GIS)LiDAR的使用,以及4D LiDAR的出現和法規的放鬆,導致不同應用大規模使用商用無人機有關。 光學雷達市場2019年產值達9.81億美元,到2025年預計達2,766萬美元 (來源:Unsplash) 隨著LiDAR逐漸成為ADAS和自動駕駛汽車(AV)的關鍵感測器,在車輛整合的樣式方面與功能之間取得平衡變得越來越重要。除了總體製造性、可靠性、價格和耐用性方面的考慮外,位置也很重要。從這個意義上分析,LiDAR只是沿襲了諸如雷達、照相機和超聲波之類的傳統感測器的腳步。從整合的角度來看,將LiDAR與其他感測器區分開的主要原因有: 1.要求低損耗和清潔光學表面(每個LiDAR直徑通常為25~50mm) 2.更高的功耗,通常在15~30W之間 3.光學雷達的熱管理(大部分輸入功率轉換為熱量),需要保持其「冷卻」。否則如雷射器、檢測器和掃描儀之類的元件會發熱,並導致性能和可靠性問題 4.尺寸和體積具優勢。因為當今大多數成熟的激光雷達感測器都使用機械或光機械掃描儀,這些掃描儀體積相對較大,很難從美學上整合到汽車中,因此固態LiDAR(無論是閃存還是使用固態掃描),在這方面都具有明顯的優勢,但是許多技術才剛剛成熟,還沒有準備好整合到用於市場的第一套ADAS和自動駕駛汽車中。 從2000年代的DARPA大挑戰賽到用於共享汽車和運動自動化的影音開發早期,樣式和空氣動力學設計都不受重視,導致原型車看起來很奇怪,在部分情況下甚至令人恐懼。但是隨著ADAS和AV的成熟,Waymo等公司越來越關注感測器模組與自動駕駛汽車的整合。其背後的原因之一,是認識到有必要為乘客提供視覺和情感上的親密體驗,並建立對這種新搭乘方式的信心。 近日在比利時特斯拉Model 3開始測試光學雷達系統,Model 3車頂設備採用類似於Velodyne Puck 32MR LiDar。製造商指出,此設備非常適合工業車輛、移動機器人和相對低速移動的無人機。光電協進會認為,無論最終它是否得到了特斯拉的認可,這也意味著馬斯克(Elon Musk)改變了對激光雷達的態度,並繼續朝著這個方向前進。
0

Mobileye/WILLER攜手合作 自駕計程車最快明年上路

英特爾(Intel)旗下汽車公司Mobileye與跨足日本、東南亞與台灣的交通營運商WILLER形成策略性合作,將在日本、台灣及東南亞提供自動駕駛計程車(Robotaxi)服務。透過基於Mobileye的自駕車(Automated Vehicle, AV)技術,自駕交通解決方案將從日本開始測試並部署。 圖 Mobileye與WILLER形成策略性合作。來源:Mobileye 英特爾高級副總裁暨Mobileye總裁/執行長Amnon Shashua表示,與WILLER的合作促進Mobileye的全球交通生態系布局,帶來有意義的發展。期待透過合作,為亞洲市場帶來便利的自駕車行車服務。 Mobileye與WILLER正在嘗試透過雙方優勢,尋找自駕車與按需求調整班次的自駕接駁車的商業模式。Mobileye將會提供自駕車的整合系統,而WILLER則補足針對不同地區的法規與使用者特性,規劃每個地區的服務形式,並為車隊營運公司提供方案。 兩公司預計在2021年讓自駕計程車在日本上路,同時於2023年推出全自駕的叫車及共享汽車服務,並在未來進一步將類似的服務移植台灣及其他東南亞市場。就Mobileye而言,與WILLER合作增進其邁向全球交通行動服務供應商(Mobility-as-a-service, MaaS)的目標。自從向外宣布成為行動服務的供應商,Mobileye便開始一系列的向外合作,串接不同城市、交通機構與移動技術公司,藉此在主要市場中發展並部署自駕解決方案。 WILLER成為Mobileye的MaaS合作夥伴,而WILLER旨在整合不同國家/區域用戶間的使用者體驗,並在2019年推出一個MaaS App,今年App的QR code可以做為行動支付使用。WILLER已經與台灣的大型巴士營運商、越南最大的計程車公司取得合作,同時投資新加坡最大的共享汽車公司Car Clud,並與150個日本在地的交通供應商合作。 結合Mobileye的自駕技術與WILLER對亞洲市場的緊密合作關係,兩公司的合作將促進新興運輸模式的發展,包含客運、鐵路與共享汽車等。未來自駕車有望提供符合使用者需求的乘車體驗,在日本面對高齡化社會與駕駛短缺的狀況下,提供減少交通事故與塞車的乘車服務。
0

智慧風潮帶動車輛人機介面革新 語音/手勢/駕駛監控進駐

手勢控制則是以BMW為領頭羊,在2018年量產X5、X7系列皆已開始導入手勢控制技術,而BENZ預期在2020年Q2所發售新車亦會搭載此技術,其他領導車廠也在陸續發表和研發階段。 駕駛監控系統各家廠商皆有相關技術,目前在各家車廠高階車款或商用車隊較為常見。駕駛偵測技術各家車廠技術發展方向不盡相同,過往多透過偵測駕駛與車輛間互動或操作的間接偵測模式為主,現在則逐漸轉向以照相機或生物感測器,對駕駛動作觀察或生理狀況記錄以對駕駛行為進行判斷。但不論如何,皆以偵測駕駛疲勞以及提供警示為主要目的;自動座艙調整各家廠商仍在研發階段,依序有相關發布和概念車出爐。 各大車廠皆有所搭配Tier1車電系統整合商發展人機介面相關技術,而語音助理、手勢控制、駕駛監測系統軟硬體技術需求不同,各自有不同上游業者共同投入。目前各大車廠在車載人機介面新技術的發展狀況概略整理如圖1。 圖1 新興車輛人機介面應用產業布局 語音助理大舉進軍汽車市場 語音助理在各類的3C產品中已有相當高的普及度,以各類科技大廠主導相關技術發展,包含亞馬遜(Amazon)、蘋果(Apple)和Google等,都是其中的佼佼者。為了延伸應用範疇,各廠都將汽車應用列為重點市場,並以既有的語音平台為基礎,重新調整為車用語音平台。 同時,為因應技術發展需求,許多大廠也與軟體技術廠商合作甚至併購,例如Google買下多倫多大學資工系所創辦的DNNresearch,加強其語音搜尋引擎能力;亞馬遜則為增強語意辨識於2012年併購Evi等。 車用語音助理之關鍵礙於如何清楚地接收駕駛者或乘客之語音指令,關鍵零組件為聲學元件,在車用市場上包括樓氏電子(Knowles)、ACC、GoerTek等皆有發展車內專用聲學元件,為目前市場主要領導者。 各家車廠多將手勢控制以及駕駛監測系統等技術整合至自家車內輔助系統,例如Toyota 的TSS2.0、VW 的Safety Features Lane Active等,皆有搭配駕駛監測系統的開發;而BMW的HoloActive Touch、BENZ的MBUX皆同時包含手勢控制以及駕駛監測系統技術。因應感測與辨識技術所需要的感測元件以及搭配的軟硬體、晶片技術而有不同廠商,例如BMW與Melexis合作開發車用ToF晶片並與SoftKinetic合作開發軟體技術。 語音助理在車用環境中從聲音輸入以麥克風硬體設備收音,採用MEMS陣列式麥克風為主要趨勢,其收聲元件中振膜採用硅、矽等材質,相較早期電容式麥克風採用的聚合纖維更耐熱、抗震,收音品質較不受溫度及電壓變化等影響,且金屬外殼具有良好射線屏障,避免收取不必要雜訊。 軟體處理中主要為自然語言處理,其中包含到語音識別、語意理解,後續在回饋語音則有語言生成、語音合成亦或是Text To Speech(TTS)等程序。 動作執行層面則分為屬於車輛控制的座艙調整、空調、啟動引擎和車門,以及娛樂、導航、通訊等項目。除車輛控制外,剩餘項目皆可在無需嵌入車電系統環境下進行,例如透過個人行動裝置、後裝設備等,對於語音平台或相關技術業者而言更多以此類服務滲入市場。 三類業者主導車用語音市場 車用語音助理相關業者可分為三類,包含車廠、語音平台以及語音技術/設備商,三方業者各有不同目標,彼此呈現相互競爭又合作的態勢。整體而言,可歸類為三種合作模式。 第一種模式為車廠直接採用語音平台服務,車廠以增加銷售賣點為動機,將各大語音平台引入車內,藉以增加服務體驗;各語音平台為提升其服務可及性以及取得更多使用者數據,多投入開發車用語音平台,例如Google的Android Auto、Amazon的Echo Auto以及Apple的Carplay,同時開放開發者環境,強化與車上電子系統的整合。雖欲增加車內服務項目和體驗,車廠對此合作方式亦有所顧慮,擔心消費者體驗導向平台大廠,因此各大車廠也積極在相關平台上發展自有的服務平台,以維持消費者的認同感與滿意度。 第二種模式為車廠自行開發語音服務,部分車廠希望掌握車上相關聯網服務廣大商機,同時由於語音平台亦將連結車輛控制系統,因此部分車廠投入自有語音系統相關技術研發,此方式需投入大量成本和人力。以Benz為例,與各大語音平台皆有合作,但在2018年仍自行開發MBUX系統,可結合車機上座艙控制以及影音娛樂、導航等功能,亦可銜接各語音平台影音娛樂功能。 第三種合作模式為語音技術商結合平台導入車廠的車輛產品,語音技術軟體/設備廠商,例如Nuance、SoundHound皆有開發語音技術以及相關應用軟體,ROAV和Chris則發展相關設備可介接至車內。此類業者可藉自行開發軟體或硬體,將語音系統服務導入車載機系統,同時以API方式銜接各大語音平台相關服務。以此方式銷售自家語音產品,同時亦可取得使用者數據提升技術。 因車內收音並非直接對麥克風說話,屬於遠場收音形式,其效果不如對手機、話筒設備等近場收音,個人主聲特徵更不明顯,因此噪音處理技術對於車內語音應用情境至為關鍵。背景噪音和發聲回音更容易影響收音品質,且在車內有多人談話情形須作考量和反應速度的要求,技術上需克服如何在多人談話中辨識駕駛聲音以及運算效能的提升。 手勢控制以ToF/結構光為主流 車用手勢控制在2013年時已經有以揮動方式控制天窗或開啟後車廂等產品出現,至2015年後已發展出在中央控制台前以細微的手勢動作控制如點選、左右滑動、音量放大等控制。 目前車用環境手勢辨識技術上主要分為三類,分別為ToF飛行時間法、立體攝影和結構光等技術。ToF是以一發射器發出射線,透過接收器接收反射回來的射線時間差,計算和物體之間距離;立體攝影則是透過兩個以上相機模組,從不同角度對同一物體拍攝,以三角定位方式判斷物體遠近、相對運動等;結構光與ToF相似,皆透過主動光源將光紋打在物體上,此方式透過對空間編碼後將原光紋與物體移動光紋之間的差異達到辨識效果。 ToF和結構光都以主動光源的變化達到辨識效果,於其他領域皆已廣泛應用。立體攝影在無光或弱光環境下卻難以辨識物體,且物體判斷運算複雜、容易造成延遲。因此現今在車用環境上皆以ToF和結構光為主。 歐洲新車安全評鑑會EuroNCAP在2025 RoadMap提到在2020年將駕駛監控系統列為安全評鑑項目之一,若沒有相關系統無法達到5星評價,為相當重要的指標,此舉將帶動駕駛監控系統加速普及至各級車款。駕駛監控系統主要可分為兩類,分別為直接偵測和間接偵測。 間接偵測透過檢測駕駛與車輛間互動或操作,如透過駕駛習慣偵測及車內配備之感測器,進而判斷駕駛行為是否正常。駕駛習慣主要偵測駕駛在操控方向盤、油門或煞車等機械操作,判斷路徑、轉向角度是否偏移或太大;車內配備感測,則是判斷駕駛的物理位置,例如手是否有握在方向盤、安全帶鬆緊程度等方式。 直接偵測以照相機或生物感測器對動作觀察或生理狀況作駕駛行為判斷。透過注意力偵測或生理狀況偵測方式。注意力偵測主要是以照相機對駕駛拍攝,判斷其動作、情緒等方式;生理狀況則是透過感測器判斷駕駛心跳、脈搏、體溫等方式。 以SAE評定自駕車等級Level 1~5,在Level 2以上駕駛無須操控方向盤、油門和煞車等行駛控制,無法採用間接偵測方式,但在Level 2~3之間仍須讓駕駛保持警覺,在緊急或無法判斷的情況下,須隨時切換為手動駕駛,故必須以直接偵測方式進行。 最早從2007年Volvo發表車道偏移偵測系統,可透過駕駛行駛路徑判斷駕駛是否有危險行為,後續各大車廠在2014~2017年皆發表此類產品,例如 VW的Fatigue Detection System、 Nissan的Driver Attention Alert、Honda的Driver Attention Monitor等。 在2018年開始各車廠、Tier1的車電系統以及製作車用晶片的廠商開始發表直接偵測之車輛監測產品。例如,2018年Valeo發表的Facing Monitor...
0

高良率/可靠度/具磁抗擾性 eMRAM工業/物聯網大顯身手

例如格羅方德先前已由晶圓級測試展示0Mb 22nm FD-SOI eMRAM巨集功能,突顯出sub-ppm BER、數據保留以及從1Mb收集的早期可靠性結果。但是為了保證eMRAM產品的可製造性,最重要的是驗證具有高良率的封裝水準產品的功能性與可靠性。本研究使用先進的磁性穿遂接面(MTJ)堆疊、整合和蝕刻製程,藉由在寬廣的工作溫度範圍(-40至125℃)和ECC-off模式下的封裝水準所取得的產品功能性和可靠性,證明22nm FD-SOI eMRAM的可製造性。 格羅方德的eMRAM產品能夠通過標準的可靠性測試,例如LTOL(168小時),HTOL(500小時),1M的耐久週期和5x回流焊接測試,故障率小於1ppm。此外40Mb eMRAM巨集能夠滿足備用和主動模式下的磁抗擾性要求。 eMRAM技術實現高良率 40Mb 22nm FD-SOI eMRAM巨集,其中顯示MTJ陣列的橫截面TEM(圖1)。該晶片配備內部偏壓、時序控制系統和ECC。內部電壓以tick為單位,由登入設定進行管控。MTJ堆疊、整合和蝕刻製程已進行優化,以符合蝕刻製程和HPD2後續退火製程,但仍符合晶片級的所有MTJ性能表現。 圖1 (a)40Mb 22nm FD-SOI eMRAM巨集,(b) MTJ陣列的橫截面TEM 藉由達成高穿隧磁阻效應(TMR),其中Rp為並聯(P)或是狀態為0電阻,而Rap為反並聯(AP)狀態為1電阻和減少MTJ電阻分布,進一步改良MTJ堆疊和蝕刻製程,爭取20%的讀取裕量,以確保在125℃量產時能保持穩定的良率。圖2(a)和(b)分別顯示,拜先進的MTJ堆疊和蝕刻製程所賜,TMR和電阻分布的改進,達成TMR/的(Rp)~24(一般SA需求>20),以確保在125℃的情況下能獲得高良率。 圖2 為了獲得最佳MTJ性能,隨著時間進展的製程改善趨勢:(a)適用於不同製程的TMR(2)Rp sigma。TMR和Rp sigma都獲得顯著改善,以在125℃時獲得足夠的讀取裕量。TMR/σ(Rp)∼24at125℃(SA極限∼20) 藉由提升自旋轉移矩效率,符合5x回流焊接後,再提高寫入裕量。實際的1Mb位單元MTJ電阻分布,描繪了σ(Rp)~28的較寬分隔(圖3)。良率隨時間推移出現諸多指標性的變化,最終製程實現了穩定且高良率(圖4)。而5x回流後不同MTJ和蝕刻製程的BER趨勢(圖5)。透過優化的製程,整個晶圓獲得穩定的回流性能(中位數BER<1E-7)。 圖3 實際1Mb單元陣列的Rp和Rap狀態的位單元電阻分布 圖4 40Mb eMRAM t0 BER(<6E-6)隨時間進展的良率改善趨勢 圖5 不同MTJ製程5x回流後BER改善趨勢,顯示了對於10ppm BER標準,整個晶圓達到100%之5x回流性能 不同MTJ堆疊的標準化開關電壓(Vc)與矯頑磁場(Hc)之間的關係(圖6),所有這些堆疊都通過5x回流焊接,良率為100% (BER<1ppm)。陰影區域中的數據點顯示出最佳的寫入裕量,並且選擇了產品認證堆疊來獲得最佳的耐久裕量,同時滿足5x回流焊接的要求。 圖6 (a)左圖為針對不同堆疊拆分的歸一化MTJ Vc與Hc之對比。(b)右圖為MTTF與電壓之間的關係,顯示不同製程拆分的固有TDDB有所改善 為了進一步提高耐久裕量,須調整氧化鎂(MgO)阻障和蝕刻製程。來自位元陣列的TDDB特徵(圖6b)顯示,在工作電壓下以製程3(用於品質鑑定),TDBB的固有改良>2。在晶圓級進行最終鑑定過程中,所測量的MTJ電氣測試(ET)參數的分布(圖7),描述整個晶圓的常態分布。此後,出現了從大量封裝零件中收集到的40Mb eMRAM產品性能表現資料。選擇工作電壓(Vop)偏置條件來過度驅動晶片,以包含晶片到晶片和晶圓到晶圓t0...
0

排除邊緣案例缺陷 影像辨識精準度再上層樓

感知系統工程師以人工方式標示影片中的物件,再為自駕感知系統編程,做出正確回應的過程耗時又昂貴,因此以人工方式辨識和標示每個邊緣案例,並非合理做法。此時ANSYS SCADE Vision便能派上用場(圖1),其為一種以全像(HologrSam)為基礎的軟體工具,能迅速且有經濟效益辨別數百種潛在邊緣案例,以解決AI支援感知系統中既有的弱點,感知工程團隊可進而取得時間、成本及安全優勢。根據最早採用此創新科技的業者表示,該軟體工具偵測邊緣案例速度可達人工的30倍。 圖1 感知工程師透過SCADE Vision偵測案例,進行安全分析 感知系統扮演AI核心 以近期科技發展而言,很少有比自動駕駛車、飛機、無人機和機器人更能激發媒體與大眾想像的事物,因為這些自駕系統運用極端複雜又涉及高度工程專業的AI和機器學習,為生活帶來革命性的變化。 雖然自動駕駛車或機器人的每個零件都有重要功能,但其中感知系統最關鍵,系統必須正確看到、辨識及回應周遭環境的數百種元素,藉此複製人類視覺和認知。 當感知系統出錯時,便可能威脅生命,因此工程師在設計系統時,會將其編列成車道標示、紅綠燈和行人等常見物件,工程團隊再針對如何回應這些物件進行定義和編程,像是啟動剎車系統或將車輛轉向至道路中間。不過無論工程師再如何細心徹底研究真實世界路況,並定義常見物件,但必定會出現失誤,導致產生感知系統潛在弱點,例如乘坐嬰兒車的小嬰兒或使用輪椅的成人,感知系統可能難以辨識不尋常的大小及生理輪廓,霧氣或眩光等天氣和照明效應也可能混淆感知系統,將其詮釋為實體物件而非光學現象。此類事件因難以分類及解決,因此被稱為「邊緣案例」。 此類問題需增強以AI為基礎的感知系統能力,以便在遭遇邊緣案例時正確辨認和回應物件,對自動駕駛車和機器人的安全可靠作業而言至關重要。在人們未能成功解決邊緣案例前,皆無法確保自駕系統在關鍵狀況下的效能(圖2)。 圖2 SCADE Vision透過記錄駕駛經驗關鍵區域及確認邊緣案例,以便替AI感知系統編程,以辨識這些非典型物件和形狀 人工篩選成本所費不貲 以往感知系統開發者的作法是,讓軟體工程師觀看數百小時實際駕駛拍攝的影片,辨別及處理邊緣案例。 這些開發者會標示每個不尋常物件或邊緣案例,再替AI感知系統編程,確認實體物件並做出適當回應。人工除錯流程需大量投資,實際上要徹底觀看560小時的影片,可能需2,100小時,非常昂貴且耗時;不僅拉長自動駕駛車開發時間以致競爭劣勢,亦會大幅增加高額的自動駕駛車認證作業成本而侵蝕利潤,如有家大型車廠曾公開表示聘用1,500人觀看和標示實際駕駛影片,每月人工標示影片超過百萬個畫面。 考量自動駕駛車有如此龐大商機,如此時間和人工成本不符合商業效益,但只有當感知系統能通過大範圍操作設計領域(Operating Design Domains, ODDs)的測試和驗證,例如在多元化用路人、各種天候和照明狀況,及多種路況情境下,才可能推出全方位自駕產品。基於此因,可以印證自駕車市場的未來與成本效益及感知問題息息相關。 感知系統分析使效率最大化 為考量感知系統開發者實際需求,ANSYS回應上述挑戰並設計SCADE Vision解決方案。此方案能自動偵測系統弱點,將邊緣案例和認證感知系統成本最小化;透過檢視感測器影片資料,同時執行AI感測系統演算法,進一步擴大關鍵區域分析,其目的為複製部署系統時將碰到的多種狀況,在不需人工的情況下自動辨別及標示任何異常。 該方案引擎一旦分析視聽(Audio-visual, AV)資料庫,使用介面便會協助分析師,建議將感知軟體的可能缺失部分分類為觸發事件或根本原因,以此辨別系統弱點。 該解決方案會自動針對感知演算法開發和安全團隊生成報告,內容包括處理主要觸發事件的修正行動建議,以及缺失範例及相關影像,有助於組織分析結果,有利於與AV感知軟體開發團隊和虛擬回饋循環(Virtual Feedback Loop)內的其他相關人士溝通。至於使用該解決方案的效率,若以10輛車的車隊一天收集資料八小時、一周七天為例,合計560小時的影片,開發團隊利用自動化分析將人工分析所需的2100小時縮減至60小時,不僅將篩選時間加快30倍,也將人工成本減少約24.5萬美元。長久下來,這些優勢對開發和確認自駕汽車或飛機的速度可能產生關鍵性影響。 SCADE Vision會區隔駕駛數百小時捕捉到數百張畫面中的邊緣案例,再將影像編程納入以AI感知軟體,過程快速,緊接著自駕系統開始學習在遭遇邊緣案例時的回應方式(圖3)。 圖3 ANSYS SCADE Vision可以自動偵測和標示數百小時影片中值得關注的地方,不需人工介入 多效益克服辨識難題 現今軟體任務很少針對AI支援感知系統而開發,如自動駕駛車、飛機和機器人等複雜或具關鍵重要性的問題。 此外,過程消耗許多時間和資源,諸多企業皆在爭取率先推出前瞻性自駕產品上市。 此方案可提供以下附加效益,力助開發團隊克服重大障礙: .更安全/更精確感知: 軟體工具針對感知系統固有問題設計,使效能更一致可靠,若配合傳統影片捕捉和道路測試,可最大化系統安全信心。 .更快實現產品價值: 軟體工具除了改善感知系統效能品質,還能加速開發週期,相較於人工分析需數千小時,自動辨認邊緣案例的相關影片畫面只需數十小時。 .放大工程資源: 對稀有的工程資源而言,以人工檢視數十小時影片為低價值的操作方式。軟體工程師可將該程序自動化,將時間和注意力放在更有策略性的加值任務上。 .提升產品開發流程: 自駕載具系統認證是自動駕駛車、飛機商業化及上市主要挑戰之一。該軟體工具可排除多個小時的單調人工作業,替認證程序再充能,創造有意義的競爭優勢。 .大幅節省成本/改善利潤: 媒體多聚焦於自動駕駛車、飛機和機器人開發、測試和辨識的高額成本上。市場領導業者在爭取率先推出產品上市之際,已成為承擔高風險的賭徒。該方案可加速並自動化解決真實邊緣案例問題,排除數千小時的人工作業時間並大幅降低成本。 現今全球的注意力都聚焦於自駕產品的挑戰。全世界每家汽車、飛機和機器人產業的企業莫不急切盼望率先推出經過認證、失效安全(Fail-safe)的自駕產品系統上市。若要保障自動駕駛車、飛機和機器人在各種潛在運作環境下皆能提供安全可靠的效能,必須克服許多工程挑戰。 好消息是,眼下此解決方案能助企業減輕AI感知系統的基本工程問題。SCADE Vision可將辨別邊緣案例過程自動化並大幅加速,排除整體開發週期重大時間和金錢成本。 最早採用此類創新科技的業者指出,偵測邊緣案例的速度可達人工方式的30倍,帶給其先馳得點的重大優勢。 (本文由ANSYS提供)
0

Mobileye看好自駕潛力 強攻中韓市場

英特爾子公司Mobileye進一步擴大先進駕駛輔助系統(Advanced Driver-Assistance System, ADAS)及自動駕駛移動即服務(Mobility-as-a-Service, MaaS)的全球版圖,於CES 2020期間宣布分別與上海汽車集團(上汽集團)及韓國大邱廣域市合作,拓展該公司於全球布建自駕技術版圖,進一步提升駕駛體驗。 Mobileye持續擴展ADAS、MaaS及AV等領域版圖。 Mobileye執行長暨英特爾資深副總裁Amnon Shashua表示,該兩項新協議拓展Mobileye在MaaS和ADAS領域的全球版圖,同時進一步接近完全自動駕駛。 Mobileye首度攻入中國市場,偕上海上汽於中國布建L2+系統,使用Mobileye道路體驗管理(Road Experience Management, REM)技術及全球雲端地圖資料庫RoadBook,匯集中國道路資訊,製作高清晰度地圖以供L2+和更高自動駕駛層級車輛使用,推動中國L2+級ADAS系統布建,並提供其他OEM合作車廠進入中國地圖測繪市場的機會。 另一方面,該公司則聯手韓國大邱廣域市推動自駕MaaS布建,結合自動駕駛計程車(Robotaxis)移動服務協定,預計連同大邱廣域市(直轄市)測試、部署自動駕駛計程車移動解決方案,將自駕系統整合至車輛中,實現無人駕駛MaaS操作。 該公司於全球亦有多方合作案例,如與巴黎大眾運輸公司(RATP)聯合巴黎市政府將自動駕駛計程車(Robotaxis)導入法國市場;與中國蔚來汽車(NIO)合作生產該公司自駕系統,並銷售搭載該系統的消費者層級自駕車;聯手福斯汽車(Volkswagen)及Champion Motors的合資事業在以色列經營自動駕駛計程車隊等。 本次的兩項合作反映Mobileye針對車用市場的投入策略,包括地圖道路體驗管理、先進駕駛輔助系統(ADAS)、自動駕駛移動即服務(MaaS)和消費者自動駕駛車輛(Autonomous Vehicle, AV)等領域,據悉該公司於2019年的銷售額接近10億美元,有望於2020年達到雙位數成長;至2030年MaaS總體潛在市場規模(Total Addressable Market, TAM)將達1,600億美元,拓展其於ADAS領域的地位。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -