塵土飛揚的建筑工地；霧氣彌漫的田野；擁擠的倉庫；傾盆大雨；崎嶇不平的地形。讓自動設備能夠可靠地實時感知并適應上述充滿挑戰的真實應用場景，需要哪些關鍵要素？

恩智浦與Au-Zone Technologies攜手迎接挑戰，不僅需要構建一個能在高壓環境下穩定運行的感知系統，還要確保系統能快速集成并靈活擴展。

雙方合作下，Au-Zone研發并推出Raivin模塊——集成雷達傳感、視覺處理和邊緣AI推理的3D感知系統，該模塊已準備投入量產。Raivin專為復雜操作環境而設計，使機器能夠實時處理復雜的環境數據并作出決策，在高壓條件下提供穩定的感知能力。

借助預訓練的AI感知模型和統一的軟硬件架構，Raivin簡化了智能感知的部署，為可擴展的自主系統向邊緣發展邁出了重要的一步。

自主系統的下一步發展需要更強大、更精準且更具成本效益的實時3D空間感知能力。我們與恩智浦攜手合作，專為這一需求打造了Raivin。——Brad Scott Au-Zone Technologies首席執行官

實時感知的共同愿景

自主性和物理AI的演進已超越傳統感知解決方案的能力范疇。許多現有系統仍依賴單一傳感器協議棧，在復雜且不可預測的環境中提供有限且不穩定的感知支持。

僅使用攝像頭的系統在低能見度或光照不足時性能下降。激光雷達雖然具備高精度，但成本高昂且能耗較大。雷達在惡劣天氣下表現可靠，卻缺乏精確物體分類所需的分辨率。

我們與Au-Zone攜手應對挑戰，共同研發了這款邊緣AI傳感器融合系統，實現高置信度、低延遲的感知能力。

視覺技術提供了豐富的語義理解能力，可實現物體檢測、分類與分割。同時，雷達則補充了連續的深度信息和運動跟蹤能力，即使在低能見度環境下仍能穩定運行。Raivin通過融合這些信號與AI推理，構建了一個同步的、具備上下文感知能力的3D世界模型，從而賦予實時決策更高的置信度。

盡管多傳感器系統帶來了諸多優勢，但自主應用仍受限于其對現實世界刺激的響應速度。低延遲至關重要，這類工作負載無法容忍因云處理或傳感器刷新率過低而導致的延遲。

只有將雷達和視覺技術與邊緣AI處理整合于同一個單元，我們才能打造足夠快速、可靠且強大的系統，以滿足下一代自主應用的需求。

Raivin體現了系統級思維，將雷達、視覺和邊緣AI設計為一個統一、確定性的流程。這一方法使在復雜環境中實現實時感知成為可能。——Altaf Hussain 恩智浦運輸與移動細分市場市場總監

統一的軟硬件協議棧

Raivin從一開始就是合作研發的成果。其全協議棧設計涵蓋從芯片到軟件的各個層面，采用協同開發方式，以確保在邊緣實現一致、高效的性能。

Raivin模塊是一款商用AI感知解決方案，將雷達模塊、視覺數據處理和邊緣AI整合為一個可直接部署的單元。

恩智浦提供高性能、可擴展的計算和傳感基礎

i.MX 8M Plus應用處理器采用四核Arm Cortex-A53及神經處理單元，在高達2.3 TOPS的計算能力下高效執行AI推理，并支持基于視覺的分類、分割及場景理解。

S32R294雷達微控制器符合ISO26262 ASIL D安全等級要求，憑借雙e200z7應用內核及鎖步e200z4安全內核，提供實時雷達信號處理及傳感器融合能力。

RFCMOS雷達收發器工作于76-81GHz頻段，即使在復雜多變或惡劣環境下，仍能確保穩定、可靠的空間感知能力。

Au-Zone提供邊緣AI軟件協議棧與開發工具

Raivin模塊采用Au-Zone的EdgeFirst Studio開發，專為傳感器融合模型的多模態數據收集、AI輔助標注、訓練、驗證及部署而設計，無需深厚的機器學習專業知識。

其中，EdgeFirst Perception Stack通過預訓練模型與工作流程優化軟件，幫助工程師加速開發進程。開發人員可在集成環境中標注數據集、微調模型并驗證性能。這種端到端方法能夠顯著減少開發工作量，降低設計人員實現復雜、多模態AI感知系統的技術門檻。

最終，打造出一款高集成度的3D感知系統，在低延遲、低功耗方面實現了優化，并支持部署在邊緣。

Raivin能夠在復雜多變或惡劣環境下穩定運行。觀看方案演示，了解該模塊如何在邊緣提供可信賴的空間感知能力，點擊這里>>

真實應用場景中的突破性表現

在CES 2025上，Raivin在現場演示中接受了嚴苛的測試，重現自動設備每日所面臨的各類環境挑戰，包括天氣變化、動態運動以及視覺障礙等：

在霧霾環境下，雷達依然能夠穩定執行目標檢測、跟蹤與空間感知。

在強光條件下，融合引擎確保精準的目標跟蹤能力。

在模擬降雨環境中，雷達與AI協同工作，以保持高精度感知。

在復雜、雜亂的場景中，雷達實時追蹤速度，而AI與視覺系統則協同分割和分類人員、設備及障礙物。

在模擬降雨期間，雷達與AI緊密協作，以補償視覺退化，確保系統在低能見度環境下仍具備可靠的感知能力。

大規模簡化傳感器融合

長期以來，傳感器融合一直是復雜的過程，需要分散的工具、定制化流程以及深厚的專業知識。Raivin顛覆了這一傳統。

預訓練的AI模型被集成到Au-Zone的EdgeFirst Studio，工程師可輕松實現雷達與視覺的融合，而無需從零構建。該軟件支持數據集管理、訓練與驗證，只需要很少的編碼與機器學習基礎設施，就能實現快速的迭代開發。同時，它還能作為數據收集平臺，助力針對不同對象和工作環境探索定制化解決方案。

同時，該即用型硬件解決方案經過優化，專為邊緣AI處理設計，消除了對定制實現與硬件權衡的顧慮。Raivin現已商用，為OEM提供經過驗證的可擴展3D感知系統。

無論是應用于移動機器人、精準農業還是車隊車輛，Raivin模塊均可通過單一平臺快速集成AI驅動的感知能力。

憑借高效的邊緣處理、預訓練的AI模型以及集成式軟硬件設計，Raivin大大簡化了機器人、農業和車隊車輛等應用中的傳感器融合部署。——Brad Scott Au-Zone Technologies首席執行官

Raivin支持技術創新

Raivin代表著技術革新與合作升級。通過將雷達、視覺和邊緣AI深度融合至同一平臺，Raivin模塊等解決方案加速智能感知的部署，提升可擴展性，并確保其在真實應用場景中的適用性。

如需構建或集成類似系統，歡迎探索Au-Zone的EdgeFirst Studio，了解其如何簡化邊緣AI的部署流程。

本文作者

Altaf Hussain，恩智浦半導體運輸與移動細分市場市場總監。Altaf在企業、服務提供商和工業應用的應用工程、產品營銷和業務開拓方面擁有30多年的經驗。他目前擔任恩智浦運輸與移動部門的負責人，該部門專注于移動機器人、機器視覺和倉庫物流自動化領域。Altaf致力于制定系統解決方案，幫助客戶借助自主移動機器人加速自動化進程。他擁有英國倫敦南岸大學的電氣與電子工程學士學位。