今天我們聽說自動駕駛汽車即將出現，但在各種現實世界條件下實現真正的自動駕駛還需要很多年。人類駕駛員仍然需要注意眼前的情況，而車內則呈現出一個相對靜止的實驗室式觀察環境。Eyeris成立于 2013 年，是一家以人為本的人工智能 (AI) 公司，旨在通過監控車內狀況、確保人處于控制之中并確認環境是否能夠執行這一關鍵任務，從而使駕駛更安全、更舒適任務。

挑戰：不同的乘員和傳感條件

雖然與外界相比相對靜態，但車輛內部條件仍然存在各種挑戰。一個人可能獨自駕駛汽車，或者車內可能有幾個額外的乘員，他們可能是男性或女性，體型從小孩到 100 公斤重的成人不等。除此之外，人類的膚色范圍很廣，在不同的光照條件和溫度下可能會穿著不同的衣服和配飾，突然之間，這種“實驗室環境”變成了一個相當復雜的實驗。這甚至還沒有考慮攜帶一兩只家庭寵物、昨天沒有清理過的后座漢堡包包裝紙以及掉在乘客座位上的一兩部電話。

解決方案：傳感器融合和數據豐度

雖然一個傳感器系統可能擁有最好的眼動追蹤或其他技術優勢，但作為一家人工智能軟件公司，Eyeris 卻專注于融合各種硬件傳感元件。因此，他們與眾多傳感技術硬件制造商合作——包括傳統紅外 (IR) 現代紅、綠、藍、紅外 (RGBIR) 傳感器、熱成像儀，甚至雷達——以全面了解情況并與廣泛的處理器制造商合作以運行 AI 例程。這種傳感器融合與用于訓練的超大數據集相結合，意味著可以準確地解釋車輛的內部空間，就像人類結合視覺、聽覺、觸覺、嗅覺甚至味覺來執行一項復雜的任務一樣.

除了運行人工智能系統所需的原始計算能力外，還必須考慮攝像頭硬件、傳感器處理模塊和汽車其他處理硬件之間的連接。例如，Eyeris 在其一些參考設計中使用了Maxim 的 MAX96706 解串器，將基于移動行業處理器接口 (MIPI) 的圖像傳感器和攝像頭模塊連接到 AI 處理板中，并取得了巨大成功。隨著汽車電子變得越來越集成，處理和提取這種數據傳輸的可靠方法很重要。

制造的汽車種類繁多，這意味著組織良好的系統可以輕松集成到汽車 X、Y 或 Z 中，從而顯著降低開發成本和縮短上市時間。

硬件創新：促進軟件創新

在過去的幾十年里，我們看到了令人難以置信的計算能力和硬件創新的爆炸式增長。話雖這么說，軟件的創新周期自然比硬件的創新周期快得多，制造商經常發現自己處于與軟件同行相關的“追趕”模式。這是特斯拉、蘋果和其他公司制造自己的人工智能硬件以專門迎合即將出現的軟件改進的原因之一。

對于與廣泛的現有硬件制造商合作的小型軟件/AI 公司來說，擁有與最新的 AI 框架（例如 TensorFlow、PyTorch 和ONNX——除了擁有足夠的原始計算能力。可用的編譯器應該支持現代神經網絡層，具有成熟的軟件模擬器、模擬引擎和用于 AI 模型解析、修剪、量化和其他任務的相關工具。最后，支持傳感器融合任務，例如內置 3D 視差引擎、多攝像頭流媒體功能、豐富的輸入/輸出 (IO) 接口等也非常有用。這使 AI 和那些建立 AI 系統的人能夠處理大量數據，同時消除噪音。

人工智能傳感器融合：汽車安全等

雖然本博客側重于汽車內部傳感，但更一般地說，存在一系列應用程序，在這些應用程序中，傳統的純視覺 AI 設置可能看起來是合乎邏輯的選擇，但可能不足以滿足特定用例。特別是在安全關鍵型應用中，大部分時間在適當照明和其他條件下工作的視覺系統可能遠遠不夠。在這些情況下，添加額外的傳感功能——無論是第二個 RGB 可見光設備、紅外傳感器、雷達，甚至是用于增強存在檢測的熱傳感器之類的東西——都可以使 AI 充分監控和控制環境。

數十億美元的公司可能有資源在內部開發自己的芯片，但在其他情況下，規模更小、更靈活的人工智能公司可能更適合這項工作。在這里，必須確定、開發和集成合適的硬件合作伙伴，以便為汽車和其他行業生產一體化產品。可用的硬件和軟件接口工具越好，設置 AI 軟件就越容易，并且可以更快地生產出優秀的產品。有了適當的數據、工具和人工智能培訓，我們可以讓我們的世界對這些系統的用戶和整個社會來說更安全、更美好。

審核編輯黃昊宇