作為用戶，自動駕駛讓我著迷。我經常思考不坐在駕駛座上、猛踩剎車踏板或讓乘客在感覺到最輕微的危險時抓住車頂把手的情況下乘車會有什么感覺。但是當涉及到我媽媽時，這個想法被證明是一個很大的否定。她懷疑我的駕駛技術；她怎么能相信一臺機器？不過，這不僅僅是我媽媽的恐懼；大多數人都急于迎接巨大的變化。證實這種深深不信任的最新民意調查來自自動駕駛汽車教育合作伙伴 (PAVE)，這是一個由行業參與者和非營利組織組成的聯盟，旨在提高公眾對自動駕駛汽車 (AV) 的理解。民意調查顯示的結果簡明扼要：約 48% 的人表示他們永遠不會乘坐自動駕駛的出租車或拼車。另有 20% 的人認為 AV 永遠不會安全。只有 34% 的人認為 AV 的優勢將超過劣勢。只有 18% 的人渴望進入第一個 AV 的候補名單。

那么為什么會抗拒呢？為什么要長篇大論地強調“不可能！”？

增強用戶體驗的一些關鍵考慮因素

創建優秀軟件的理念是構建人們想要使用的應用程序，而不是人們必須使用的應用程序。為了提高自動駕駛汽車的體驗，也可以應用這一理念。我們只需要在設計它們時考慮到乘客的體驗。

公司正在推進自動駕駛汽車技術，以生產可能包括智能可視化和先進電池技術的乘用車。被稱為光探測和測距 (LiDAR) 的自動駕駛汽車傳感器是乘用車發展的重要里程碑。那么 LiDAR 如何幫助在 AV 中可視化周圍環境呢？

?

自動駕駛系統在行動

LiDAR 被認為是關鍵設備，通常安裝在 AV 的車頂上；傳統的激光雷達傳感器旋轉并向周圍物體發射激光。通過測量光脈沖的返回時間，傳感器構建周圍環境的 3D 圖像。然而，機械旋轉的 LiDAR 傳感器很容易發熱并消耗大量電力。此外，它們體積龐大——有兩個成人拳頭那么大——而且要花費數萬美元。

一輛車可能配備多個激光雷達傳感器，用于掃描不同的距離。研究人員開發了一種納米技術，與旋轉型相比，可以使 LiDAR 傳感器的體積小 1000 倍。這項新發明比更先進的芯片狀傳感器小約 10 倍。

芯片形 LiDAR 傳感器發射一系列具有列和行的不可見紅外激光源，以實現深度 3D 圖像。這些反射光束作為一組點被接收，然后從這些點計算周圍的圖像。

研究人員證實，如果這被證明是成功的，這項研究將使我們能夠以更低的成本制造出一種比拇指大小還小的高速高精度激光雷達傳感器。

另一個關鍵考慮因素是電池設計，它可以完全降低電池成本并增加車輛的續航里程。至于汽車的電池，市場上的一些公司正計劃使用一種獨特的“單電池”設計，通過消除容納電池材料的袋子和模塊來增加電池中的單個電池并釋放電池組內部的空間。

這種電池設計意味著可以在電池內部裝入更多的活性材料，從而使汽車的續航里程可能更長。他們還在研究一種名為磷酸鐵鋰 (LFP) 的電池化學成分，這種電池不太可能過熱，并且比其他類型的鋰離子電池更安全。

其目的是創造一種自動駕駛汽車，讓用戶輸入他們的目的地并在幾乎沒有其他參與的情況下駕駛到那里。用于電動汽車的 LiDAR 傳感器一直是成本問題，這可以追溯到特斯拉的早期設計。上述進展表明 LiDAR 傳感器的尺寸顯著減小且成本低得多。

架構探索如何幫助您實現設計目標？

汽車是一個很大的電子產品。

架構探索可以在使用電子產品的每個應用空間中使用。根據未經以某種方式篩選或測試的信息和假設做出關鍵業務決策是不明智的。這就是探索性數據分析的全部內容。

VisualSim 等系統建模工具可以分析獲取遠程對象坐標所需的時間以及將其解釋為 LiDAR 對象（如果在范圍內）所需的計算資源。在系統建模環境中，可以生成汽車和行人等異物來測試移動物體的視覺，驗證坐標是否正確檢測，并確保這些物體可以被 LiDAR 處理為可見。2D 或 3D 模型中的每個對象都需要一個坐標起點，以便可以處理所有對象。數據庫塊可能包含對象起始坐標和當前方向（如果有）。最大的問題之一是在北達科他州暴風雪等災難中會發生什么。

潛在對象的順序和處理會對處理硬件和軟件產生巨大影響，最終影響功率和響應性能。系統級功耗探索可以評估各種降低功耗和低功耗技術的優點和節省的能量。對于任何新系統，電源狀態的數量、并發線程操作、轉換時間和切換都需要在最終確定規范之前進行詳細的電源評估。此外，規范必須在性能、功率、功能和可靠性之間進行權衡。

VisualSim 功率表

一個顯著的權力領域是權力定義。VisualSim 使用有功功率表，它是架構探索的重要參與者，負責收集、向電池提供輸入并處理電池的充電需求。生成的統計數據包括組件的能耗、系統的累積功率、瞬時負載、平均負載和每個組件的狀態消耗時間線。

結論

預測新技術的發展方式絕非易事。然而，鑒于自動駕駛汽車帶來的巨大好處，它們似乎將在未來幾十年主宰我們的道路。采用這種技術是不可避免的。當然，路上也有潛在的顛簸。實施需要的不僅僅是技術。使用這項技術會涉及法律和監管問題，例如在發生事故時誰有過錯。早期系統探索、功率探索和性能建模有助于了解操作并消除風險，從而提高可擴展性。

　　審核編輯：湯梓紅