当前位置:首页 > 自动驾驶
  • 促进自动驾驶研发,西门子推PAVE360

    促进自动驾驶研发,西门子推PAVE360

    西门子近日推出PAVE360™投片前自动验证环境,这是一项旨在促成并加快创新自动驾驶车辆平台研发的计划。PAVE360提供多供应商协同环境,全面覆盖下一代汽车芯片研发生态。此外,PAVE360将数字化双胞胎仿真拓展至处理器之外,包含汽车硬件和软件子系统、整车模型、传感器数据融合、交通流量、乃至智慧城市(即自动驾驶车辆的未来行驶环境)仿真等。 “两年前,Mentor和西门子强强联合,结合双方的人才、理念及技术,共同打造了一个创新流程,而 PAVE360 便是这一创新流程所取得的首项成果,”西门子旗下机构Mentor公司IC验证解决方案事业部副总裁兼总经理Ravi Subramanian说。“西门子PAVE360提供的综合性计划使我们的客户能够实现跨生态深度协同,帮助他们开发功能强大的定制硅和软件解决方案,推动自动驾驶车辆变革进程。” 利用 PAVE360,用户可以对自动驾驶系统的核心——即感应/决策/驱动模式——进行全面闭环验证。这一原则的适用性,取决于能否在完整的数字化双胞胎中,对确定性(基于规则)和非确定性(基于AI)安全自动驾驶方法进行投片前验证。 汽车IC设计与开发的大众化 鉴于处理技术在汽车发展历程中发挥的作用日益显要,汽车制造商将目光投向定制硅设计,寻求成本、动力、性能和先进功能的“理想”组合,引领自动驾驶的未来。 PAVE360可以实现芯片设计的大众化,使汽车制造商、芯片制造商、一线供应商、软件公司及其他提供商能够就自动驾驶车辆所使用之极其复杂的硅装置的开发和定制进行协作。PAVE360提供强大的协作平台,可加快芯片设计和软件验证进程,助力打造第一代自动驾驶汽车的模型相关硅。 PAVE360提供设计-模拟-仿真解决方案,覆盖从系统级芯片IP的各个单块到系统级芯片上的硬件和软件、车辆子系统、直至智慧城市车辆部署的全过程——基于汽车行业不断提高的数字化水平实现真正的“芯片到城市”工程。 “通过西门子 PAVE360,汽车价值链上的任何人都能开发定制系统级芯片,在全虚拟环境中根据辅助驾驶和全自动驾驶车辆的性能、动力、安全性、热系数及形状系数等要求进行全面优化,”TIRIAS Research首席分析师Jim McGregor说。“PAVE360构成西门子一体化闭环仿真解决方案的一部分,该解决方案使得设计人员能够对从硅开发到整车验证的全过程进行测试。” PAVE360现已在位于密歇根诺维的Center for Practical Autonomy Lab(自动驾驶实践实验室中心)展出,旨在为自动驾驶领域的建模解决方案提供行业标准的校验与验证计划。

    时间:2019-06-02 关键词: 西门子 汽车电子 自动驾驶 行业资讯

  • 地平线将展示中国首款车规级 AI 芯片征程二代及一系列智能驾驶落地成果

    地平线将展示中国首款车规级 AI 芯片征程二代及一系列智能驾驶落地成果

    据统计,“芯片”,完全能算是 2019 年的年度关键词,中国本土半导体产业发展牵动着国人的神经。 对于自动驾驶汽车来说,掌握芯片等关键零部件的完全自主性显得尤为重要。日前,人工智能芯片公司地平线对外宣布,将在 2020 年美国 CES 上发布 Matrix 自动驾驶计算平台新一代版本,同时展示中国首款车规级 AI 芯片征程二代及一系列智能驾驶落地成果。     自动驾驶有了强壮“中国芯” 行驶在上海车流密集的马路上,在低于 100 毫秒的延迟下,车辆四周的其它车辆、交通指示牌、建筑物、行人、斑马线等上百种物体,被清楚地识别。这是一块长宽不足 2 厘米的小芯片赋予的强大功能。它就是中国首款车规级人工智能芯片“征程二代”。日前,在世界人工智能大会上,北京地平线信息技术有限公司宣布实现征程二代量产并已在全球 5 个国家斩获多家前装定点。 自主创新突破核心技术 征程二代是按照汽车电子可靠性标准 AEC-Q100 的要求进行设计的。其搭载地平线自主创新研发的高性能计算架构 BPU2.0,可提供超过 4TOPS 的等效算力,典型功耗仅 2 瓦。 “最让我们自豪的是,该芯片核心架构处理器 BPU 是我们自主研发的。”地平线创始人兼首席执行官余凯告诉记者。基于 BPU 架构强大的灵活性,征程二代能够高效灵活地实现多类 AI 任务处理,对多类目标进行实时检测和精准识别,可全面满足自动驾驶视觉感知、视觉建图定位等智能驾驶场景的需求,以及语音识别、眼球跟踪、手势识别等智能人机交互的功能需求。 以征程二代视觉感知方案为例,可在低于 100 毫秒的延迟下实现多达 24 大类的物体检测以及上百种的物体识别,每帧高达 60 个目标及其特征的准确感知与输出,车辆及行人测距测速误差均优于国际同等主流方案。 不仅如此,该方案还专门针对道路和场景进行了优化。“比如车辆在行进中,突然有骑摩托车从旁边插入,视觉感知方案会立刻准确检测出其运动方向和速度等。这在行业中已经达到领先水平。”地平线联合创始人、副总裁黄畅表示。 除了高精度、低延迟的感知输出外,征程二代高于 90%的算力利用率,4TOPS 算力仅 2 瓦功耗的高能耗比等,跟国外同类产品相比表现优异。其针对自动驾驶市场发布的全新一代 Matrix 自动驾驶计算平台,在算力提升高达 16 倍的同时,功耗仅为原来的 2/3,同时可支持高达 800 万像素的视频输入,行人检测距离高达 100 米。 让未来的出行更有保障 地平线已同包括奥迪、博世、长安、比亚迪等国内外知名车企一级供应商和汽车厂商以及禾赛科技、首汽约车等知名科技公司及出行服务商达成战略合作。 地平线副总裁、智能驾驶产品线总经理张玉峰介绍,地平线已在高级别自动驾驶、辅助驾驶、多模交互等方向斩获 5 个国家的前装定点。搭载地平线车规级 AI 芯片及解决方案的量产车型最早将于 2020 年初上市。 “商业化成功只是一方面,我们研发团队更注重社会责任和技术使命。”提到驾驶安全问题,黄畅补充说:“与其它领域的人工智能相比,车载人工智能芯片对性能的要求是关乎安全和生命的极高要求。我们希望用非常高精准度、能够量产的芯片解决方案,让更多人能够在出行中得到保障,让每个人生活得更安全、更美好。” 继续攀登 AI 珠穆朗玛 2015 年 7 月 14 日,地平线在北京成立,前瞻性地提出将边缘计算应用于自动驾驶的方案。2017 年 12 月底,地平线发布了中国首款边缘计算人工智能芯片并于 2019 年 8 月实现中国首款车规级人工智能芯片量产。 车规级芯片需要满足“高安全性、高可靠性、高稳定性”的技术标准要求,并要经过严苛的研发、制造、封装、测试和认证流程,产品开发周期长,难度大。 以征程二代从研发到产品导入的过程为例,设计阶段花费 18 至 24 个月,完成对构架、后端、流片等设计。之后花费 12 至 18 个月通过车规级 AEC-Q100 认证,包括温度湿度、工况环境、系统表现、软件开发等方面的测试。量产阶段又需要 24 至 36 个月用于车型导入与测试验证,其中涉及到项目竞标、整车集成和功能开发、测试验证等多项工作。 “车载人工智能芯片是人工智能行业的珠穆朗玛。此次地平线率先推出中国首款车规级 AI 芯片,不仅实现了中国车规级 AI 芯片量产零的突破,也补齐了国内自动驾驶产业生态建设的关键环节。地平线将沿着这条路继续努力攀登。”余凯表示。

    时间:2019-12-31 关键词: 芯片 人工智能 自动驾驶 地平线 行业资讯

  • 如何创建自动驾驶车辆的私有云?

    几年前,美国汽车工程师协会(SAE)概述了自动驾驶车辆的五个阶段。实际上有六个级别,但是零级别没有实现自动化,因此将其忽略。不同阶段背后的想法使人们能够以合理、分阶段的方式达成目标。 汽车制造商让人们乘坐一个完全自动化的汽车,而不需要驾驶员甚至控制,这是不现实的。即使汽车行业目前可以建造一辆自动驾驶汽车,也很少有人有足够的信心来乘坐没有人员控制的汽车。当谈到像这样一个巨大的转变,缓步慢行绝对是一种是正确的方法,这就是五个阶段设计要做的事。 同样,在云计算方面,其乌托邦是一个自我运行的云计算。其资源可以配置,软件升级和基础设施优化,无需人工干预。这似乎是一个很好的愿景,但没有一个IT专业人员会相信一个完全自主的云计算。 自驾云的旅程需要循序渐进,就像汽车一样,不同层次的引导人们走向乌托邦。但是,没有一个专业从事行业定义的人员,所以IT专业人士只能走这个没有地图的旅程。 实现自驾私有云的5个步骤 日前,私有云供应商ZeroStack公司宣布了自驾云计算的五步之旅,以帮助企业获益,帮助企业以可实现的方式到达目的地,并最大限度地降低风险。这五个阶段如下: 第1阶段:自动安装和配置,客户在自动更新发生时进行控制。 第2阶段:与客户控制Amazon Web Services(AWS)和VMware集成的其他云和内部系统集成。 第3阶段:以自助式方式部署应用程序,其中主要管理员构建一个初级管理员然后执行的模板。 第4阶段:先进的机器学习,使客户的数据科学家利用遥测和操作历史来实现流程自动化. 第5阶段:自动升级,客户监控过程。 最终目标将是一个云计算,应用程序开发人员可以在私有工作空间中创建自己的基础架构资源,而不需要IT部门参与。这可能会为企业带来巨大的收益,因为基础架构管理往往是应用程序开发过程中的瓶颈。有了这个架构模型,企业可以按照自己的想法快速运行,并且不需要基础架构操作就可以不断更新。 这看起来似乎对所有IT专业人员来说都是厄运,但事实并非如此。行业专家已经和那些迫切需要自己的IT组织专注于创新的企业领导进行了交流,而不是花费所有的时间进行补丁,配置。自动化这些任务将使企业能够处于不断创新的模式,而不是现在存在的起点和终点。 创建自驾私有云的起点 创建自驾私有云需要有一个起点,ZeroStack公司概述涉及部署其智能云平台,这使得客户对更新和配置更改进行大部分的控制。这看起来似乎有点自私,但它确实达到了为企业提供一些自动化能力的目标,同时让工程师控制发生的事情。 数字化时代要求企业迅速行动,这正在使IT组织重新思考他们的工作方式。自驾云的愿景是有道理的,但其任务实施看起来可能令人望而生畏。ZeroStack公司的五个阶段为企业提供了一系列合理的步骤,以便人们可以实施,然后在云中运行。

    时间:2018-02-23 关键词: 自动驾驶 私有云 技术教程

  • 更智能的存储如何提升自动驾驶汽车的可靠性

    更智能的存储如何提升自动驾驶汽车的可靠性

    自动驾驶汽车的问世将极大地改变我们的出行习惯,并在交通运输行业掀起一场迅猛的变革。汽车行业的数字化转型将带来很多社会效益,例如减少事故、降低碳排放、改善交通流量、降低汽车拥有成本、降低保险费用以及提高燃油效率和出行能力。 然而,随着在当今道路上开展的真实试验,自动驾驶汽车必须支持的功能不断扩展,其复杂程度也在迅速增大。这些自动系统将对性能、功耗、安全性、安全保障和可靠性的要求不断提高。对于汽车OEM厂商而言,要确保自动驾驶汽车遵守安全规定,就需要按照ISO2626功能安全标准设计软硬件。如果开发商对此准备不足,那么就需要额外投入资金和时间来证明其产品合乎安全标准,从而可能大幅推迟上市时间、压缩盈利空间并侵蚀市场份额。 自动驾驶汽车安全性与可靠性的核心目标是防止人身伤害和财产损坏。事故在什么时候发生,由谁来承担事故责任,也都是需要思考的法律问题。在这样的交通状态下,自动驾驶面临众多法律问题,发生事故时如何判定责任归属,依然悬而未决。因此,必须避免发生故障。这就使得汽车OEM厂商和汽车市场供应商更加关注可靠性。因此,证明智能汽车中的每个组件都安全可靠显得至关重要。 更智能、更可靠的存储 采用自动驾驶技术的汽车配备有高级别的高级驾驶辅助系统(ADAS)功能。这类车辆拥有多部传感器(摄像头、激光雷达等)和控制装置,能实现自动驾驶并避免碰撞。这些传感器和控制装置是任务关键型装置,不能发生故障。图1所示的是具备3、4、5级自动水平,能进行无监控驾驶的全自动驾驶系统的原理图。 图1:自动驾驶系统:3级/4级/5级系统原理图 非易失性存储器器件在ADAS系统中发挥重要作用,为重要的任务关键型事件提供启动代码存储和数据日志记录。随着这些系统智能化水平的提高,它们需要以更高级别的可靠性,更快地处理更多的数据。此外,即便ADAS设计在其他方面表现可靠,如果存储器未受保护(即未在启动时或器件运行过程中验证存储器位是否发生变化),也很容易形成薄弱环节。 由于NOR闪存能提供受高可靠性和集成诊断功能支持的非易失存储,因此对于任务关键型应用来说,它是理想的存储器技术。集成诊断功能可确保数据完整性,检测可能的故障,甚至进行纠错。此外,即时启动功能和高性能快速系统启动时间等优势在汽车加电时有助于立即访问代码、配置数据和图形图像。 如今,为了满足ISO26262等汽车功能安全标准,存储器器件系列均需要从头开始进行设计。这些新一代存储器不仅能提供更高的可靠性,而且还能提高性能,大幅降低功耗并减少总体拥有成本。 集成 简化系统最有效的途径之一是集成。当系统由众多组件构成时,每个组件及其与其他组件的互联都可能是潜在的故障点。例如,将MCU与存储器进行集成后,数据和代码访问速度更快、处理效率更高、可靠性更强、成本更低。此外,由于以往必须由开发人员集成至更大系统中的组件现在可由MCU进行内部管理,因此简化了开发工作。 集成的优势现在也扩展到NOR闪存。随着存储器制造商开始将存储器与Arm Cortex-M0等处理器进行集成,为了维护高密度、高速存储器的可靠性,需要完成种种复杂的处理工作(参见图2)。板载处理器的问世能够实现更智能的存储,从而彻底改变工程师利用闪存开展设计的方式。例如,在过去为了延长闪存的使用寿命,需要对损耗均衡软件实施大量的开发工作。而现在,损耗均衡问题由集成MCU进行内部管理。 图2:智能闪存存储中的集成式Arm Cortex M0 采用16nm FinFET技术生产的新一代复杂SoC还不能将闪存存储器嵌入到晶片中。因此它们必须依赖更智能、更可靠的外部NOR闪存技术。板载处理器不仅可以用于管理存储器存储的所有安全关键型领域,而且还可用于管理存储器的网络安全领域,防范恶意攻击。将集成处理器纳入闪存存储器后,这些单元均由存储器器件进行自我管理,且能通过快速配置满足应用的特定要求。 不断变化的要求 目前,汽车行业正在从驾驶辅助向全自动发展。这些系统将要求在各个层面上实现智能,以降低时延,提高效率。同时,汽车的内部架构也正在从主要独立运行的分立式系统向互联系统发展。互联系统能在系统间实时传输数据,并发挥人工智能和机器学习的作用。此外,从汽车中收集到的数据还将用于实施预测性维护,以便汽车在发生故障前就能提示驾驶员维护车辆。为了进行更加复杂的分析以及完成从云端到汽车的全新软件升级,还需要将数据发送到云端。 智能闪存存储居于这些系统的核心位置,因为在极端环境下,存储在这些非易失性存储器中的关键代码和数据仍需具备可靠性,并且能够持续使用20年以上而不发生故障。通过添加板载处理器,这些存储器现在能提供更高水平的功能与可靠性,同时卸载损耗均衡等存储器管理任务,利用加密保护强化系统安全并开展安全关键型诊断。 自动驾驶是一个快速发展的行业,全新的安全特性和安全保障特性也将以同样的速度完成开发并符合规范。OEM厂商需要一种灵活架构来及时适应这些标准并引入能增强长期可靠性的高级功能。例如,当存储器能预测特定类型的故障时,它就能开始优先处理。 为了帮助汽车OEM厂商打造合规系统,存储器制造商需要提供符合ISO 26262规范的安全文档,包括详尽的安全性分析报告,如安全手册、故障模式的影响与诊断分析(FMEDA)、相依故障分析(DFA)和情景无关安全元素(SEooC)。此外,存储器制造商还需要积极制定并遵守这些标准,确保他们生产的组件持续符合法规要求。 Cypress的Semper NOR闪存等存储器器件专为应对新一代汽车和工业系统面临的挑战而开发,能满足各项质量、可靠性和安全标准。

    时间:2020-02-22 关键词: 可靠性 自动驾驶 智能存储

  • Molex发展下一代车载以太网络平台,实现完整的车辆生态系统

    (新加坡 – 2020 年2月25日) Molex推出其用于互联车辆及自动驾驶汽车的下一代以太网车载通信技术,通过网络满足联网车辆和自动驾驶车辆对自适应性应用的需求。 Molex首席系统架构师 Michael Potts 表示:“汽车业正在经历一场重大的转型,目前正面对着来自车载通信技术的挑战,比如说自适应性应用等等。Molex的以太网车载网络通信解决方案是在软件定义的未来车辆当中为具有自适应性的认知功能及应用提供大力支持的构建块。” Molex在包括 IEEE 802 TSN、安全及 IEEE 802.3 工作组在内的以太网标准联盟当中,一直都是积极的参与者及领导者,也是 IEEE 802.1DG TSN 标准概要的原始开发者及主要推动者,这一标准概要将应用于“汽车车载以太网通信配置文件”的标准草案。 Potts 补充道:“软件定义的车载通信网络的未来发展要求采用一种系统级的方式,允许将当前在车辆功能上的需求与新型的自适应性应用融合在一起,从而在提高数据流量的同时,会要求使用更小一些、更加精确的确定性信号,并且我们还期待着端到端的延迟会达到接近零的水平。” Molex开发的下一代车载以太网络平台可实现一套完整的车辆生态系统,跨越了软硬件和互连布线系统,实现无缝的多区域集成,以及未来升级所需的可扩展性。

    时间:2020-02-25 关键词: 生态系统 自动驾驶 车载以太

  • Maxim发布业界最小的LiDAR IC,带宽提高2倍以上,加速自动驾驶汽车平台设计

    Maxim发布业界最小的LiDAR IC,带宽提高2倍以上,加速自动驾驶汽车平台设计

    中国,北京 — 2020年2月26日—Maxim Integrated Products, Inc宣布推出业界速度最快、尺寸最小的光探测及测距 (LiDAR) IC,帮助实现更高速的汽车自动驾驶。与最接近的竞争方案相比,MAX40026高速比较器和MAX40660/MAX40661宽带互阻放大器可提供2倍以上带宽,在相同尺寸的单个LiDAR模块内增加32路附加通道,单模块达到128个通道 (竞争产品为96路),从而使高速公路上的自动驾驶行驶速度提高10mph (15km/h)。 随着汽车自动驾驶行驶速度从35mph 提升到65mph甚至更高,LiDAR因其能够提供精准的物体测距而在汽车传感器的融合中发挥着越来越重要的作用。与最接近的竞争产品相比,MAX40660/MAX40661互阻放大器(TIA)可提供2倍以上带宽,在相同尺寸LiDAR模块中支持的通道数增加33%,为光接收器提供更高分辨率的图像,从而实现更高的自动驾驶行驶速度。与最接近的竞争方案相比,MAX40026高速比较器与MAX40660/1 TIA的总体系统尺寸减小5mm2,允许开发人员在空间受限的汽车平台中引入更多通道。上述IC符合AEC-Q100认证,满足汽车行业严苛的安全要求,增强型静电放电(ESD)保护、失效模式影响与诊断分析(FMEDA)可有效支撑系统级的ISO 26262认证。 主要优势 · 小尺寸: MAX40026 TDFN封装尺寸为4mm2,MAX40660/1 TDFN封装尺寸为9mm2,拥有业界最小的总体方案尺寸。 · 业界最高精度: Maxim的TIA支持128路通道,拥有业界最宽频带 (MAX40660为490MHz) 和2.1pA/√Hz输入参考噪声密度,可LiDAR应用实现更高精度测量;此外,MAX40026的低传输延迟失真 (10ps) 也有利于固定和运动物体的高精度检测。 · 低功耗: MAX40660/1在低功耗模式下耗流降低80%以上。 评价 · “高性能传感器需要优异的信号链产品支持。我们非常高兴能够与Maxim合作开发一组联合评估套件,一起将宽带LiDAR方案推向市场。”First Sensor公司市场营销总监Conny Heiler表示。 · “为了给装配完成的汽车增加下一代LiDAR测距功能,汽车工程师需要更高精度、更低功耗和更小尺寸的解决方案。”Maxim Integrated汽车核心产品事业部业务总监Veronique Rozan表示:“我们全面提升的LiDAR方案可支持更先进的驾驶员信息识别技术以及更快的汽车安全性,用于下一代汽车导航系统开发。” 供货及价格 · MAX40026ATA/VY+T价格为4.09美元,可通过Maxim官网及特许经销商购买。 · MAX40660价格为3.95美元(1000片起,美国离岸价),可通过Maxim官网及特许经销商购买。 · MAX40661价格为3.74美元(1000片起,美国离岸价),可通过Maxim官网及特许经销商购买。 · 提供 MAX40026EVKIT# 评估套件,价格为71.40美元。 · 提供 MAX40660EVKIT# 评估套件,价格为102.90美元。 · 提供 MAX40661EVKIT# 评估套件,价格为102.90美元。

    时间:2020-02-26 关键词: 带宽 ic 自动驾驶 lidar

  • 国产Model 3陷入“减配门” 自动驾驶芯片被降级

    国产Model 3陷入“减配门” 自动驾驶芯片被降级

    特斯拉上海超级工厂正在如火如荼的制造新车,越来越多的国内用户已经拿到国产版的特斯拉Model 3。 但是,近日却爆出了国产特斯拉Model 3减配降级的传闻。 有大批车主爆料,国产Model3新车装配的HW2.5芯片,与特斯拉环保信息随车清单上的型号不符。 据了解,2019年4月份的特斯拉自动驾驶日上,特斯拉CEO埃隆·马斯克正式发布了一款名为AutopilotHardware3.0(自动驾驶硬件3.0,即HW3.0)的自动驾驶系统,具有更强的性能、更低的成本、更诱人的功耗表现。马斯克也曾在发布会上表示,特斯拉2019年4月中旬后的新车均将搭载HW3.0芯片。按这种说法,上海超级工厂生产的国产特斯拉Model3自然也应标配HW3.0,但是,事实上,现实情况并非如此。 据了解,国内一些提车的Model 3车主的车子并没有装配HW3.0芯片,而是HW2.5芯片。 据证券日报报道,特斯拉在回复此问题时表示:受新冠肺炎疫情影响,特斯拉上海超级工厂于2月10日开始复工复产。期间基于供应链状况,一部分标准续航升级版Model3安装的硬件确实搭载的是HW2.5。但随着产能以及供应链恢复,公司承诺将陆续提供免费更换HW3.0的服务。 事实上,不仅国内的车主遇到了这种情况,国外的车主也一样,特斯拉并没有像埃隆·马斯克承诺的那样在所有新车上都配备HW3.0。 不过,特斯拉方面也表示,现阶段,如果没有选装FSD功能,使用HW2.5与HW3.0的Model3车型基本不存在区别。而所有选装FSD的客户,公司已经为其安装了HW3.0硬件。 不管是目前用到用不到,厂家承诺给消费者的就要兑现,否则至少要预先通知消费者,而不是悄没声地自行减配,直到被消费者发现才出来声明解释。

    时间:2020-03-04 关键词: 特斯拉 自动驾驶

  • ROHM开发出高级车载仪表盘用2.8W大输出扬声器放大器“BD783xxEFJ-M”

    ROHM开发出高级车载仪表盘用2.8W大输出扬声器放大器“BD783xxEFJ-M”

    全球知名半导体制造商ROHM(总部位于日本京都市)面向具有自动驾驶和ADAS功能的汽车的仪表盘(以下简称“汽车仪表盘”),开发出满足汽车电子产品可靠性标准AEC-Q100的2.8W输出AB类单声道扬声器放大器“BD783xxEFJ-M”(BD78306EFJ-M / BD78310EFJ-M / BD78326EFJ-M)。 近年来,在汽车领域,随着自动驾驶和ADAS等技术创新的发展,车内所需的语音呈现多样化趋势,比如偏离车道时和检测到周围障碍物时发出的警告音、发动引擎时的欢迎语音、语音支持等。与此同时,车载仪表盘中输出声音的部件也由能够通过微控制器输出各种声音的扬声器放大器,取代了产生闪烁音的继电器和输出警告音的电子蜂鸣器,但这样就存在无法安全、稳定地输出大音量的课题。 “BD783xxEFJ-M”是面向希望大音量输出转向闪烁音、警告音以及欢迎语音、语音支持等各种语音的汽车仪表盘开发而成的扬声器放大器。该产品采用新型过电流保护电路,实现了以往很难兼顾的输出短路(引脚意外接触导致的损坏)保护和2.8W大输出。 另外,产品还满足汽车电子产品可靠性标准AEC-Q100,支持工作温度高达105℃,因此即使在严苛的条件下也可在不损坏功能的前提下输出语音。不仅如此,除过电流保护功能外,还配备了温度保护和欠压保护功能,可保护产品避免异常情况的影响,实现了高可靠性。 本产品已于2019年8月开始出售样品(样品价格 300日元/个,不含税),计划于2020年3月起暂以月产2万个的规模投入量产。前期工序的生产基地为ROHM Hamamatsu Co., Ltd.(日本滨松市),后期工序的生产基地为ROHM Electronics Philippines, Inc.(菲律宾)。 未来,ROHM将继续面向语音日益多样化的高级汽车领域,开发高品质、高可靠性的产品,继续为打造安心且舒适的车内环境贡献力量。 <新产品特点> 1. 具有过电流保护功能,且实现了2.8W大输出 以往的过电流保护电路,必须将保护电路的工作阈值设置为低于扬声器放大器可输出的最大电流的值,因此存在最大输出受限的问题。 而ROHM独创的新型过电流保护电路,在大输出时也不会发生波形失真,无需限制输出。因此,“BD783xxEFJ-M”可同时实现以往很难兼顾的过电流保护导致的输出短路保护和大输出(4Ω负载、失真率10%时,最大2.8W输出)。 2. 可靠性高,支持车载应用中的严苛环境 “BD783xxEFJ-M”符合汽车电子产品可靠性标准AEC-Q100,支持工作温度最高达105℃。同时,采用功率封装,可减少输出大音量时的发热量,因此即使在严苛的条件下也能够在不损害功能的前提下输出声音。另外,不仅具有过电流保护功能,还配备了温度保护和欠压保护功能,可防止异常发热导致损坏和电池瞬断时产生意外的POP音。 <赛普拉斯半导体公司的参考板采用本产品> “BD783xxEFJ-M”已被搭载于赛普拉斯半导体公司的车载用微控制器Traveo™ Cluster MCU家族S6J3360系列的评估板中,可在接近实际使用的环境下轻松进行评估。 <产品阵容> 此次开发的产品的输出增益为+6dB(BD78306EFJ-M)、+10dB(BD78310EFJ-M)、+26dB(BD78326EFJ-M)。预计产品阵容中会推出输出增益+6dB~+26dB的以2dB为间隔的共11款机型。 <应用示例> 非常适用于 ■车载仪表盘面板 ■车辆紧急呼叫系统 ■需要语音功能的ADAS相关应用 等根据车内各种情况输出通知音、警告音、语音导航的应用。

    时间:2020-03-04 关键词: 扬声器 放大器 自动驾驶

  • 免费升级!国产Model 3“减配门”处置方案来了

    免费升级!国产Model 3“减配门”处置方案来了

    3月7日,特斯拉在官网上表示,所有搭载 “自动辅助驾驶电脑”2.0或2.5版硬件且已购买“完全自动驾驶能力”软件的车辆,均可免费升级硬件为“完全自动驾驶电脑”3.0版。 21ic此前也曾报道,国产Model 3的部分车主在网络上曝出自己的国产Model 3车载电脑使用了较旧的2.5芯,而不是按照特斯拉CEO马斯克去年的声明,特斯拉新车将全部配置自动辅助驾驶电脑3.0,因此,国产Model 3“减配门”风波引发行业普遍关注。 而当时,特斯拉给出的解释是,特斯拉上海超级工厂于2月10日开始复工复产,期间基于供应链状况,一部分标准续航升级版Model 3安装了HW2.5。特斯拉CEO马斯克在Twitter上回应称,所有选装FSD选件(即完全自动驾驶能力软件包)的Model 3,安装的是HW3.0版本的硬件,而没有选装FSD的Model 3,使用HW2.5版本的硬件或HW3.0版本硬件。并且他还表示,那些反馈问题的车主实际上并没有订购FSD选件(即完全自动驾驶能力软件包)。有的车主即使订购了FSD选件,他们也并没有知悉新芯片是免费升级的。 不管怎样,现在特斯拉终于给出了一个还算合理的处置方案,对于购买了“完全自动驾驶能力”软件的车辆,免费升级完全自动驾驶电脑3.0版。

    时间:2020-03-09 关键词: 特斯拉 自动驾驶 3 model

  • 自动驾驶够好吗?

    自动驾驶够好吗?

    抚养孩子真的很难,父母也有着这样那样的缺陷,因为我们自己也有缺陷和不完美。就像为人父母一样,开车也是一项不完美的任务,我们大多数人都渴望把它做好,但我们不可能都超过平均水准。我的妻子在抚养孩子和开车方面都比我更有能力,因为我们认为我们的关系是一种合作,而不是竞争。我们找到了自己的长处和短处,互相支持。 我想知道,Waymo吹嘘自己正在打造世界上最有经验的司机,是为了实现什么目标。花点时间想想这些话,你就会发现问题所在:我们都会做出错误的判断——无论是作为司机还是父母——因为这是人类状况的一部分。 就像我的妻子没有试图用一个完美的丈夫来取代我一样,Waymo——实际上是整个AV技术产业已经天真地误入了相当危险的境地。为客户提供问题的解决方案是标准的业务实践;但暗示他们在某方面不够好或不够安全,这必须被替换,这是我以前从未见过的说辞。 摆在自动驾驶面前的岔路口 我们现在看到的是,随着AV技术产业追求与传统汽车制造商完全不同的战略,自主权的梦想正在破裂。 Left Fork: AV技术产业正依靠幻想和神奇的思维来描绘一个由机器驱动的航天飞机和机器人出租车的完美未来。在这个科技乌托邦里,人类沦为运输中的“牲畜”——理想情况下是全程观看广告。这似乎就是像GM Cruise、Waymo和Zoox这样的公司所设想的未来,因为人类在驾驶方面做得不够好,所以他们被完全从驾驶任务中剔除。 从他们的虚张声势中可以看出,AV技术供应商无法处理错综复杂的微妙、谦逊和耐心等这些心理,相反,他们只能站在一个绝对的孩子的立场看待世界:最好的、最大的、最快的、第一个、最多的、赢家。 显然,在为搜索引擎、流媒体服务和社交媒体应用程序等消费者应用程序开发软件时,“赢者通吃”的文化很管用。然而,这种想法在为一个关键任务、功能安全的环境(比如汽车)开发系统和软件的过程中毫无立足之地。汽车产品通常重量超过5000磅,经常以超过50英里每小时的速度行驶,能够瞬间致人死亡。

    时间:2020-03-09 关键词: 自动驾驶 av

  • 中国智能汽车发展势头足!

    中国智能汽车发展势头足!

    根据《战略》,智能汽车是指通过搭载先进传感器等装置,运用人工智能等新技术,具有自动驾驶功能,逐步成为智能移动空间和应用终端的新一代汽车。因此,发展智能汽车是一项系统性工程。就像抚育一个孩子,他最终成长得好不好,要看传感器的“眼睛”亮不亮、自动驾驶系统的“大脑”灵不灵、配套基础设施的“肌肉”发不发达……多位业内人士对记者表示,过去中国智能汽车的发展,是由各个部委在各自领域中分别推进,联合出台如此重磅文件尚属首次,这正是大家备感振奋的原因。 那么,中国智能汽车产业链各环节目前发展情况如何?本报记者就此对相关专家和企业进行了采访。 禾赛科技推出的激光雷达Pandar40P。禾赛科技供图 激光雷达,挑战“不可能”就是成功的捷径 要实现自动驾驶,车得会自己“看路”。传感器就是智能汽车的“眼睛”。目前智能汽车最重要的传感器有三种:激光雷达、高分辨率摄像头、毫米波雷达。这三种“眼睛”各有优劣:激光雷达测量位置准,但无法测量速度,且成本很高;摄像头成本低,感知方式最直接,但测距能力弱,且受天气环境影响大;毫米波雷达检测距离远,几乎不会受环境干扰,缺点是数据稳定性差、无法提供高度等信息。 于是,围绕这三种“眼睛”如何搭配,就诞生出两种技术路线的对决。特斯拉是强硬的“视觉主义者”,坚持不使用激光雷达,以“摄像头+超强计算机视觉算力”为核心,搭建起自己的感知系统。而智能汽车的其他主流厂商如谷歌、优步、通用等,显然认为纯粹依靠摄像头并不保险,纷纷采用以激光雷达为核心,辅之以毫米波雷达与摄像头的方案。 两种技术路线最终谁能胜出,还要等待时间的证明。但目前中国的选择,是更为主流的“激光雷达+”方案。那么在激光雷达这个关键零部件领域,中国表现如何?由中国汽车工程学会、国汽智联汽车研究院编写的《中国智能网联汽车产业发展报告(2019)》显示,目前国内已涌现出不少优质激光雷达供应商,禾赛科技、速腾聚创等更是达到了国际领先水平。 “我们目前布局了300多项专利,客户遍布全球18个国家和地区的68座城市。”禾赛科技首席技术官向少卿对记者说,“在美国硅谷持有自动驾驶路测牌照的公司中,超过一半使用的是禾赛激光雷达。”在国内,禾赛也是百度、文远知行等无人驾驶汽车的激光雷达供应商。迄今为止,禾赛已完成累计超过2.3亿美元融资,投资方包括德国博世集团、光速、百度等全球知名投资机构。 谈到禾赛的“成功秘诀”,禾赛科技首席执行官李一帆说,“降维打击”是禾赛最正确的战略决策之一。2016年的禾赛面临着一个艰难选择——如何定位禾赛第一款激光雷达产品?是随大流,做一款单价2万元的低端产品,还是挑战自己,做一款领先于市场、单价20万元的高端产品?“通常中国公司进入高端制造业,都是从低端产品开始做‘国产替代’,在这个过程中积累技术、资金和市场,再慢慢向上渗透。”李一帆说,“但我们在一系列深度调研之后觉得,应该先做高端产品,解决行业痛点,占领顶级玩家市场,再用这些积累去‘降维打击’低端市场。”事实证明了禾赛的判断。在性能和稳定性要求最高的市场建立全球口碑后,禾赛的中低端产品在低成本市场一路势如破竹。在李一帆看来,一上来就挑战最难选项,是“当年看起来最‘不可能’的一个决策”,但当拦路虎都被化为垫脚石后,“挑战‘不可能’就是成功的捷径”。 高精度地图,新机会面前大家都是平等的 依靠传感器和自动驾驶系统,智能汽车就基本具备了单车智能。但在一些特殊场景中,仍然会存在隐患。四维图新副总裁陈丹给记者举了一个例子:“比如传感器虽然能感知到红绿灯,但如果路面停车线不清晰,或者被雨雪覆盖,应该在什么位置停车就成了一个难题。”类似场景还有不少,比如在没有限速牌的路上,该以什么速度行驶?前方弯道曲率多大、斜坡坡度多少?车该提前多远开始减速才能让乘客最舒服?…… 因此,单车智能让汽车拥有了在目视范围内“临机应变”的能力,但它也有“过目就忘”的问题。出于安全与舒适的要求,智能汽车一要“长记性”,记住所有车道线、标志牌、道路形状等固定信息;二得有“千里眼”,对前方道路拥堵情况、最佳路线提前预判。这就超越了单“车”的能力,而要依靠网络,把其他配套基础设施的信息导入进来。 目前来看,让智能汽车拥有“上帝视野”的高精度地图,是建设进度相对较快的配套设施。据《中国智能网联汽车产业发展报告(2019)》,国内三大图商四维图新、高德、百度,基本都完成了国内30多万公里高速公路和城市快速路的地图采集。“除西藏、青海的个别路段外,我们已完成了全国高速公路的地图采集,而城市普通道路数据也已进入产品化阶段。”陈丹告诉记者,给车“看”的高精度地图和给人看的导航地图完全不是一个概念,前者要求的精度是厘米级的,而后者的精度在10米左右就足够了。 作为国内图商龙头,技术自主是四维图新最大的“护城河”。“我们的整个工具链都是自主研发的,从硬件采集设备到数据的处理、分发、编译等服务,都是四维图新可以掌控的。”陈丹说,“这样的好处在于,任何技术进步发生以后,我们都可以灵活地去处理,进行自我升级,并且成本也可控。” 这让四维图新在国际市场的竞争和合作中,拥有了极强的学习能力。陈丹回忆,5年来四维图新跟国际图商巨头的合作也悄然发生着变化。“从一开始他们教我们怎么做,到后来我们开始贡献点子,说应该这样做更好。”就在这种竞合关系中,中国企业也逐渐了解市场,了解自身的优势。“比起国际同行,我们反应敏捷,落地快,服务态度好,而且成本一定比他们低。”陈丹坦言,曾经的导航地图时代,中国图商起步很晚、全面落后,但如今向高精度地图时代的转型,又给了中国图商一个弯道超车的机会。“新的机会面前,大家都是平等的。现在谁是老大还不清楚,但我们的确已处在领先位置,让我们再往后看看。” 自动驾驶系统 最好的方案是市场上买不来的如果说传感器是智能汽车的“眼睛”,那么自动驾驶系统就是智能汽车的“大脑”。而以人工智能为核心技术的自动驾驶解决方案企业,就是智能汽车产业链的核心,掌握着产业发展主导权。在中国,这类企业主要集中在两个领域:一个是百度为代表的互联网公司,下辖自动驾驶事业群;另一个则是专注于自动驾驶系统研发的初创公司,比如小马智行、初速度(Momenta)、文远知行等。业内人士告诉记者,如果抛开大量技术专业术语,能最直接衡量自动驾驶系统优劣高下的标准有两个:是否已经有产品化的东西;是否能得到下游车厂和资本市场的认可。“资本是长眼睛的,投资人在真金白银投进去之前,每家都会去坐车比较。” 从这个角度看,国内自动驾驶系统企业中,百度与小马智行走在了前面。2019年9月,百度自动驾驶出租车队在长沙开跑,并于11月初在沧州推出国内第二个无人驾驶出租车试运营项目。2019年12月底,百度又成为国内首批在北京市展开自动驾驶载人测试的企业。在新冠肺炎疫情期间,北京海淀医院的无人送餐车、上海张江人工智能岛上的无人消毒车,背后都是百度Apollo自动驾驶的技术支持。 小马智行在2月26日宣布了自己的新一轮融资:金额4.62亿美元,其中4亿美元来自全球最大车企日本丰田。这是中国自动驾驶领域迄今为止的最高融资,自此小马智行的估值超过了30亿美元。运营方面,小马除了已在广州南沙进行自动驾驶打车常态化运营,还在美国加州尔湾市和弗里蒙特市开放了自动驾驶打车服务。据美国加州公共事业委员会最新数据显示,小马智行尔湾车队三个月内的运行里程数超过了9万公里。 有趣的是,在谈到发展战略的抉择时,小马智行相关负责人也提到了“降维打击”。“就像一个数学天才,如果只做高中数学,不做高等数学,是不可能拿菲尔兹奖(数学界的诺贝尔奖)的。所以我们抵御住了‘渐进式’道路的诱惑,直接瞄准L4(高度自动驾驶)以上的自动驾驶。如果你连高等数学都做得好,再降维打击高中数学,还不容易吗?”虽然小马智行技术团队的力量足够亮眼,但驱动小马作为一家企业获得成功的,还是从一开始就定位更高的战略抱负。比如自动驾驶系统这颗“大脑”通常包含五个模块:传感器融合、感知、预测、路径规划、控制。每个都是技术难点。而小马表示这五个模块全部都要自主研发。“最好的模块方案是市场上买不来的。如果市场上能买到,那一定是通用的,但通用的一定不是最适合你的。”

    时间:2020-03-13 关键词: 传感器 自动驾驶 智能汽车

  • 新能源汽车发展空间仍较大

    新能源汽车发展空间仍较大

    数据显示,按2019年新能源汽车终端销量91.7万辆来算,国内新能源车的渗透率不足5%,发展空间仍较大。虽受年初假期和病情的影响,新能源汽车今年第一季度的销量大幅下滑,但在政策、补贴增加等的推动下,其长期增长逻辑仍在,今年销量预期在2019年低基数基础上实现增长,预计全年销量134万辆,同比增长26%。 除了量增,汽车随着电子化、电动化及自动驾驶也逐步升级,新增了子行业的供应链如热管理、高压零部件等。其中热管理方面,2017年电动汽车空调国内市场规模为18.3亿元,预计到2020年翻三倍达到54亿元。市场空间上,以2020年热泵系统10%的替代率计算,则有超过16亿空间,2025年30%渗透率市场空间将近150亿元。 资料显示,热管理行业上半年业绩预计平均净利润增长15%。配合更高的单车价值和电动汽车的高速增长,热管理行业被业内人士判断为具有增长确定性。因此,吸引到诸多企业布局,如中鼎股份,其收购德国TFH,积极布局新能源车冷却系统管路总成,向系统供应商转型。 中鼎股份从事密封件、特种橡胶制品的研发、生产、销售与服务,无独有偶,另一家专业从事橡胶零部件研产销售的公司朗博科技(603655),也涉足汽车热管理。朗博科技的主要产品为汽车空调系统橡胶零部件。 目前,朗博科技(603655)自主研发了包括低摩擦橡胶油封在内的多种高性能密封产品,取得了8项发明专利和13项实用新型专利,公司实验室已通过通用GP10认证和上汽实验室认证,华域三电、重庆建设、南京奥特佳等国内主要汽车空调压缩机厂和汽车空调系统制造商是其主要客户。朗博科技在客户新产品开发初期就实施橡胶密封件的同步设计开发,因此,在汽车空调系统橡胶件这一细分领域其已拥有明显的规模优势。 汽车行业数据显示,与整体汽车板块/零部件板块相比,市场对新能源汽车板块给予更高的估值。截至2月29日,新能源汽车板块PE为61.1倍,相较于1月估值略增(为59.4倍),同期汽车板块(整体)PE为28.0倍;零部件方面,新能源汽车零部件板块PE为61.0倍,相较于1月略增(为58.9倍),同期整体汽车零部件板块PE为24.1倍。 当前发展新能源车是国家战略,而现在国内新能源汽车渗透率不足5%。随着中央《智能汽车创新发展战略》和各地促进政策发布,智能汽车的发展空间被打开,其带出的新增子行业供应链是纯增量空间,如细分领域热管理,近日成为投资重点,相关企业有朗博科技(603655)、中鼎股份(000887)等。 国家发改委联合11部委发布《智能汽车创新发展战略》,业界人士对此形容,当前中国汽车产业遭遇到严峻挑战,而智能汽车行业承载着中国汽车产业实现“变道超车”的希望。中国工程院院士、国家智能网联汽车创新中心主任形容智能汽车“将形成全新的、十万亿级的、对未来产生深远影响的新型产业生态体系。”国金证券指出,现阶段以热管理、高压零部件为代表的纯增量市场以及细分领域的龙头为投资重点。“我们认为热管理行业、高压零部件作为边际技术迭代的新增市场,市场格局将在1~2年内逐渐分化,建议关注行业龙头标的。”

    时间:2020-03-16 关键词: 新能源汽车 自动驾驶 高压零部件

  • 自动驾驶,终迎国际

    自动驾驶,终迎国际

    在中国,自动驾驶正在成为一种工业时尚,引领制造业的技术风向。想要更多地去了解它,我们认为,首先,我们先要知道,在自动驾驶这道运算题中,哪些条件是已知,哪些是未知,哪些是需要破解的关键?无数的历史和经验都告诉我们,新技术若要得到健康的发展和推广,根本基础并非技术层面的细枝末节,而是需要在全行业内树立公认的标准和原则。这样我们才会在一种基本达成共识的框架里,形成一种有些许价值的讨论,或者观点。对于技术研发的主体和团队,一种有针对性的策略和部署,可以得到认可,并且可能形成一种强大的力量,共同推动新技术的量产与落地。 没那么神乎其神,其实人类早已掌握了自动驾驶技术,并应用于航空航天业。我们在汽车领域谈论的自动驾驶技术,主要是指应用于民用汽车、城市智能交通,以及更多商业化进程中的自动驾驶。不可否认,作为发展智能交通系统的一个重要方向,自动驾驶技术仍具有很美好的前景和发展空间,它注定会改变汽车乃至出行行业的格局,目前包括中、美、日、韩在内的多个国家都将自动驾驶布局上升到国家战略层面。 近些年,为了赶上汽车行业“新四化”的发展趋势,自动驾驶也逐渐成了各车企争先恐后竞争的全新领域。但在市场中我们注意到,各大厂商在宣传自家的驾驶辅助系统时,“L2.5”、“L2+”、“L2.99”、“准L3”等字眼层出不穷。当标准在夸大宣传中愈发模糊,不仅让消费者感到困扰,更不利于这一技术的良性发展。必须承认,自动驾驶技术在国内某些车企的宣传中确实存在莫能两可。那么自动驾驶的原则和标准,究竟是怎样的? 现在,我们可以做一些简单了解。在当今以及很长一段时间之内,关于汽车自动驾驶的智能化,业界普遍沿用由美国SAE(国际自动机工程学会)制定的分级标准,其中自动驾驶汽车共被分为5个不同等级,而且各等级之间的划分有着严格的标准。L1级自动驾驶指的是系统针对方向盘和加减速其中一项操作提供驾驶支援,其他由驾驶者操作。例如近些年在新车上常见的ACC自适应巡航,可以且仅能实现车辆的自动跟车加减速功能,做到“解放驾驶员的双脚”,即可被定义为具备L1级自动驾驶能力。L2级自动驾驶指的是系统针对方向盘和加减速中多项操作提供驾驶支援,其他由驾驶者操作。 例如在某些车型上,既搭载ACC自适应巡航,还装备车道保持功能,能在一定条件下帮助驾驶员完成转向操作,在L1级的基础上“解放驾驶员双手”,可以被定义为具备L2级自动驾驶功能。L3级自动驾驶指的是由无人驾驶系统完成所有驾驶操作,根据系统请求,人类驾驶者提供适当操作。这一步可以简单理解为在L2的基础上“解放驾驶员双眼”。此时驾驶员仅在条件不允许的情况下介入入车辆操控,在绝大部分情况下,驾驶员都不需要时刻关注路况了。这也是目前各大厂商在努力的方向。 L4级自动驾驶指系统在其设计运行条件内,车辆能自主完成无人驾驶,驾驶者彻底“解放注意力”,无需再操心车辆行驶。也就是说,科幻片中驾驶员上车就可以看书、喝茶、玩游戏,至少要到L4级别才能实现。而在L5级自动驾驶的情况下,已经不存在任何限制条件,更不再有驾驶员的概念。人类无需执行任何操作,车辆仅是一个从A点到B点自动运行的移动工具,并且可自行完成加油、充电等所有事物,是汽车自动化的终极形态。 2020年的3月9日,在整个社会都在关注新冠病毒的时候,工信部终于向外界公示了适用于中国市场的《汽车驾驶自动化分级》标准报批稿。据工信部一位相关部门的负责人介绍,如果顺利通过,这份技术标准将于2021年1月1日开始正式实施,届时意味着中国将正式拥有官方自动驾驶分级标准。《汽车驾驶自动化分级》和SAE分级标准相比,二者在整体级别划分标准上基本一致,只有细节方面存在些许区别:中国版分级标准针对0级至2级自动驾驶,规定的是“目标和事件探测与响应”由驾驶员和系统共同完成。但在SAE标准下,L0级至L2级自动驾驶汽车的感知和判断则由人类驾驶员全部完成。 据了解,这份《汽车驾驶自动化分级》(报批稿)的起草和编制历时3年,长安、中汽研、广汽、东风、吉利、宝马、福特、大众等众多汽车企业积极参与其中,共同成为标准的制定者。这一分级标准对于日后我国自动驾驶项目的发展以及规范化都有着重大的意义。除此以外,还能引导汽车行业在宣传时实现统一化,在一定程度上杜绝虚假宣传和夸大宣传,对于消费者无疑有着积极意义。国家标准的出台是自动驾驶技术实现大规模应用落地的必须前提条件。3月10日,《汽车自动驾驶分级》公示的第二天,长安汽车量产级L3自动驾驶就以“直播体验”的形式发布。这是一个信号。可以预见,L3级自动驾驶量产车离消费者已经不远了。当然,一切才刚刚开始。政策和法规领域《汽车驾驶自动化分级》也仅仅是处于起步阶段,自动驾驶技术的发展,还需要相关机构在技术制定、驾驶责任、交通法规、伦理解释乃至保险行业逐步修订完善规则,共同铺平发展之路。 尽管自动驾驶是一件关乎制造业升级的大事,而且国际上对于自动驾驶有着如上明确的分级,但在中国长期以来却缺乏相关标准。一些以生态、概念、颠覆为发展理念的新势力便故意利用这种信息的不对等来夸大宣传,对消费者和用户造成困扰,甚至构成安全隐患。其实,若综合以上标准分析,即便是技术最一流的特斯拉在启动Auto Pilot时,依旧会要求驾驶员手握方向盘,保持注意力集中。在严格上意义讲,目前也仅属于L2级自动驾驶。但厂家的夸大宣传很容易令用户过度自信,进而做出危险举动,如在行驶中驾驶员放心熟睡,甚至躺在后排拍视频炫耀等,由此出过的事故也绝非个例。 改变,有时是一件很难做到的事。改变,有时是一件需要很长时间的事,但改变总是能找到它的起点。

    时间:2020-03-17 关键词: 智能交通 自动驾驶 汽车领域

  • 华为自动驾驶云服务在湖南智能网联汽车产业云落地

    华为自动驾驶云服务在湖南智能网联汽车产业云落地

    湘江新区从2016年起就开始谋划智能网联汽车产业的发展,它依托国家智能网联汽车(长沙)测试区打造湘江新区智能网联汽车产业生态。在与华为的合作方面,湘江新区也是抓住时机,迅速行动,实现了华为自动驾驶云服务在全球的首次落地运营。2019年12月13日,湘江新区完成华为自动驾驶云服务的采购,开始进行湖南智能网联汽车产业云的布置和实施。2020年1月9日,湖南智能网联汽车产业云正式上线。为尽快给智能网联汽车生态企业提供自动驾驶云服务,并吸引企业入驻,湖南智能网联汽车产业云创新中心应运而生。它主要为湖南省智能网联汽车产业生态圈企业提供专业性支持,为自动驾驶研发企业降低开发门槛和提升研发效率,为智能网联产业高端资源要素集聚提供载体及服务平台。 到2020年3月,已经有3家企业上线湖南智能网联汽车产业云,并使用自动驾驶云仿真训练服务。 湘江智能作为长沙市智能网联汽车开放道路第三方监管单位、湖南省制造业创新中心,一直致力于打造国内一流的智能网联汽车产业平台型服务运营商,目前负责建设运营国家智能网联汽车(长沙)测试区和智慧公交示范线、100公里智慧高速、100平方公里城市范围的开放道路、自动泊车、智能系统检测实验室等各类自动驾驶应用场景。在打造长沙“智能驾驶第一城”的品牌过程中,湘江智能一直发挥着重要的作用。 国家智能网联汽车(长沙)测试区内,测试技术工程师正在把路测数据上传到湖南智能网联汽车产业云。湖南智能网联汽车产业云是华为自动驾驶云服务在全球的首次落地。从采购到上线运营短短3个月,已经有湘江智能、希迪智驾、中车电动等湘江新区智能网联汽车产业生态企业陆续接入使用。 华为自动驾驶云服务覆盖自动驾驶数据、模型、训练、仿真、标注等全生命周期业务,能够向车企及开发者以分布式的方式提供包括数据服务、训练服务、仿真服务在内的3大服务。这些服务更够降低自动驾驶开发门槛,让自动驾驶开发变得更智能、更高效、更便捷,帮助车企及开发者快速开发和使用自动驾驶。这与湘江新区推动智能网联汽车产业生态链发展的需求十分契合。 根据计划,湖南智能网联汽车产业云创新中心3年内可推动不低于14项智能网联汽车产业标准示范;组建1个产业创新企业团体,3年内吸纳成员单位不少于20家,创新企业团体年产值超2亿,共建智能网联汽车产业业务创新生态;培养不低于2500名智能网联汽车产业人才;每年为定向全程服务智能网联企业不少于5家;举办不低于3场华为ICT技能大赛、软件编程大赛等活动。 湘江智能的运营之下,湖南智能网联汽车产业云将成为打造智能网联汽车产业人才培养的摇篮。通过智能网联汽车的实训平台搭建,联合教育机构、学术机构力量,为企事业单位员工、专业院校学生提供技术培训、技能实践、前沿技术赋能,为湖南可持续性地提供智能网联相关人才,促进智能网联汽车产业良性发展。湖南智能网联汽车产业云的逐步使用也将使传统机械车辆研发逐步向智能网联车辆研发转型。它向智能驾驶开发企业提供一站式开发平台,降低了开发门槛,提升了开发的效率,相信未来将会协助湘江新区在湖南培育出一批智能网联汽车领域的领军企业,带动这一前瞻产业在当地的蓬勃发展,助力湘江新区打造智能网联产业生态聚集新高地。 目前,希迪智驾和中车电动已经通过湘江智能的授权开始使用华为自动驾驶云相关服务。在此次和华为合作,湘江智能积极参与其中,并肩负起运营湖南智能网联汽车产业云创新中心的重任。湘江智能将为湖南智能网联汽车生态企业提供自动驾驶数据、训练及仿真等服务;提供路测数据作为数据源,研究车路协同感知数据的应用场景,推动智能网联汽车产业标准示范,计划今年将陆续发布城市级数据集及仿真场景库,并上线智能网联汽车产业云向全国发布;对企业基于智能网联汽车产业云研发形成的新算法和新方法,支持相关企业申请专利和软件著作权,营造良好的企业科研生态。

    时间:2020-03-18 关键词: 自动驾驶 汽车产业 智能网联

  • 国内首个L4自动驾驶测试基地落户重庆 百度Apollo中标

    国内首个L4自动驾驶测试基地落户重庆 百度Apollo中标

    近日,百度Apollo中标重庆永川区“西部自动驾驶开放测试基地”建设项目,项目金额为5280万元。百度作为国内唯一具备自动驾驶车、路、云、图全栈能力的公司,入选该项目的单一采购供应商。 据了解,根据项目协议,百度Apollo将在重庆永川城区20平方公里范围内建设车路协同测试示范区,为该示范区提供一整套支持 L4 级自动驾驶的车路协同系统整体解决方案,并在永川大数据产业园内建设3000平方米的智能网联创新示范基地,开展测试技术和标准规范研究。 百度Apollo将在该项目中主要负责建设包括城市立交、城市主干道、城市行政区道路、城市商务区道路等城市测试场景;完成前端系统建设,包括部署点的感知、传输、边缘服务器、信号控制系统的部署;完成数据中心车路协同云控平台、自动驾驶车辆监管平台的部署。项目首期建成后,将可承载 100 台以上自动驾驶车辆开展示范运营。

    时间:2020-03-24 关键词: 自动驾驶 百度apollo

  • Tessent Safety 生态系统解析

    Tessent Safety 生态系统解析

    现在的社会的发离不开各种各样的电子产品,西门子旗下业务Mentor 今日宣布推出一套全新的 Tessent™ 软件安全生态系统,即由 Mentor与其行业领先合作伙伴携手提供的涵盖最优汽车 IC 测试解决方案的产品组合,该程序能够帮助 IC 设计团队满足全球汽车行业日益严格的功能安全需求。 Tessent Safety 生态系统功能强大,能够替代其他基于封闭、单片和单源模型的同类程序。Mentor 的IC测试功能安全保证的开放式生态系统方法使得芯片制造商可以将 Mentor 业界领先的 IC 测试技术与其它先进的解决方案相结合,从而构建一套更加完整、性能更高的解决方案。 西门子旗下业务Mentor 的Tessent产品系列副总裁兼总经理Brady Benware表示:“快速的系统内 IC 测试性能有助于缩短从故障检测到片上安全机制启动的时间。为提高 IC 测试性能,汽车 IC 的设计人员需要紧密结合包括 DFT 和非 DFT 技术在内的所有片上安全机制,而这种方法正是 Mentor Tessent Safety 生态系统的基础。” Mentor 推出 Tessent Safety 生态系统旨在与众多行业领先的合作伙伴通力合作,实现快速扩展。该生态系统包括: ·Mentor 的业界领先的内建自测试 (BIST) 技术,包括新型 Tessent LBIST with Observation Scan Technology (LBIST-OST) 解决方案,能够大幅减少汽车 IC 中数字逻辑组件的系统内监控的运行时间。新的 Tessent LBIST-OST 解决方案能够帮助客户满足严格的汽车功能安全需求,与传统的LBIST 技术相比,可使系统内测试时间缩减高达 10 倍。 ·Tessent™ MemoryBIST 具有全面的自动化流程,可提供 RTL 或门级的设计规则检查、测试规划、集成和验证。Tessent MemoryBIST 具有分层架构,因此可将 BIST 和自修复功能添加到单个内核和顶层。 ·Tessent™ MissionMode 产品将自动化功能与片上 IP 组合在一起,让用户在车辆正常运行的过程中可以随时对整个汽车电子系统中的半导体芯片进行测试和诊断。 ·Tessent™ DefectSim晶体管级缺陷仿真器,用于模拟、混合信号 (AMS) 和非扫描数字电路。Tessent DefectSim可测量缺陷覆盖率和容差,是高产量和高可靠性 IC 的理想选择。 ·Mentor 参与了 Arm® 功能安全合作伙伴计划 (AFSPP)。Mentor Tessent® Safety 生态系统利用了 Arm Safety Ready IP 功能,例如 Cortex®-R52 处理器,将实时执行与任何 Arm 处理器中最高水平的集成功能安全能力相结合,采用先进的超级监控程序技术来简化软件集成,并通过强大的离功能来保护安全关键代码。 ·Mentor 的汽车级自动测试向量生成 (ATPG) 技术,可检测出通常被传统测试向量和故障模型遗漏的晶体管级和互连级缺陷。 ·与 Mentor 的 Austemper SafetyScope 和 KaleidoScope 产品紧密关联,这些产品添加了最先进的安全分析、自动校正和故障仿真技术,可解决随机硬件故障。Austemper 技术可以分析设计人员 RTL 中的故障和漏洞,并通过智能的故障注入来帮助安全机制有计划地对覆盖的故障做出反应。通过并行化和分布式操作方法,专有加速算法可实现比标准门级故障注入技术高出许多数量级的速度。 瑞萨电子(Renesas) 在早期就采用了 Mentor Tessent Safety 生态系统的关键技术,在其设计一款新型汽车处理器时评估了 Mentor 最新推出的 Tessent LBIST-OST 解决方案。 “利用Tessent LBIST-OST 解决方案中的 Observation Scan 技术,我们能够将系统内LBIST 的测试时间缩减 5 倍,从而实现了更快的覆盖率提升,”Renesas Electronics Corporation 物联网和基础设施事业部共享研发 EDA 业务部数字设计技术部门总监 Hideyuki Okabe 表示,“这使我们能够在将 LBIST 用作安全机制的同时缩短容错时间间隔 (FTTI),并提高检测到汽车产品新缺陷时的安全响应。我们期望将这项技术继续应用在我们的汽车产品之中。” Tessent Safety 生态系统中的 Mentor的 Tessent 产品是 Mentor Safe 程序的一部分。Mentor Safe 程序是业内应用范围最广且最完善的 ISO 26262 验证方案之一。以上就是Mentor 推出 Tessent Safety 生态系统以满足自动驾驶时代的 IC 测试要求。

    时间:2020-03-24 关键词: ic 自动驾驶 safety tessent

  • 支持汽车安全的最新汽车功能安全标准“ISO 26262”

    支持汽车安全的最新汽车功能安全标准“ISO 26262”

    近年来,在汽车领域,随着自动驾驶技术的持续创新并迅速发展,越来越需要有助于在紧急情况下防患于未然的功能(功能安全)、以及将功能安全标准化的ISO 26262等标准。特别是在技术创新卓著的中国,ISO 26262(功能安全)已被确立为以“GB/T”开头的推荐性国家标准,ISO 26262的第一版中文译本“GB/T 34590”已于2017年10月发布,并且已于2018年5月起开始施行。 在这种背景下,不仅汽车制造商(OEM),越来越多的汽车电子产品制造商(Tier1)也纷纷加速了功能安全支持,从全球范围来看,实现功能安全已经是必经之路。 罗姆自2017年在业界率先开发由液晶驱动电源IC等构成的、支持功能安全的液晶面板芯片组,并在2018年取得ISO26262开发工艺认证等,不断推进支持汽车功能安全的产品开发。 本文将从半导体制造商的角度,在对功能安全和ISO 26262的关注度日益增加,并需要采取行动积极应对的背景下,向您介绍罗姆官方网站上公布的白皮书摘要。另外,白皮书有包括案例等具体的介绍,欢迎登录罗姆官方网站了解详情。 <功能安全的思路> 在介绍“功能安全”时,经常引用的术语是“本质安全”。在此希望通过与“本质安全”的比较来介绍“功能安全”。“本质安全”是一种通过消除危险原因来确保安全的方法。而“功能安全”是通过功能方面的努力将风险降低到可接受水平来确保安全的方法。 例如,以道路和铁路交叉口为例,让我们来思考一下应该采取什么措施来避免汽车和火车之间发生碰撞。 为了消除道路和铁路交叉的危险原因,将道路和铁路分开,建立交桥来避免碰撞的做法就是基于“本质安全”的思路。按照“本质安全”的思路,采用立交桥的做法,可以从物理上消除汽车与火车之间的碰撞。 而“功能安全”的方法则可能是通过设置铁路道口来避免碰撞。在道路与铁路的交叉处设置警报器和栏杆,在铁路上安装传感器,当传感器检测到火车接近时,警报器响起,并降下栏杆。当另外的传感器检测到火车已经通过时,警报器停止,并升起栏木机。虽然道路与铁路在物理上仍然交叉,但可通过设置铁路道口的方法将把汽车和火车相撞的风险降低到可接受的水平。这就是“功能安全”的思路。 在罗姆官方网站上公布的白皮书详细记载了实现功能安全的具体手法,欢迎登录官网了解详情。 <什么是ISO 26262> “ISO”是指International Organization for Standardization(国际标准化组织),是总部位于瑞士日内瓦的非政府机构,旨在制定并推广国际标准(IS:International Standard)。其中ISO 9001(质量管理体系)和ISO 14001(环境管理体系)是非常有名的标准。 ISO 26262是汽车电气/电子系统相关的“功能安全”国际标准。作为功能安全的母标准,存在着IEC 61508(International Electrotechnical Commission:国际电工委员会),ISO 26262是基于此并根据汽车的电气/电子系统进行修改而成的。 ISO 26262于2011年11月发布第一版,于2018年12月发布修订后的第二版。在第一版中,涉及的对象是3,500kg以下的量产乘用车;在第二版中,对象范围扩大至卡车、公共汽车及两轮机动车。关于半导体方面的指南,是在第二版的Part11新规定的。 虽然ISO 26262旨在实现功能安全,但它并不是法律。因此,不遵守ISO 26262标准并不违法。但是,汽车制造商不会购买不符合标准的产品。汽车制造商通过根据ISO 26262设计电气/电子系统来证明能够确保汽车的安全。而且,设计应确保即使发生了电气/电子系统故障,也不会造成人身(不仅包括驾驶员和乘客,还包括行人等)伤害。 <获得ISO 26262认证的方法> 要取得上述ISO 26262的认证,通常的做法是接受以TÜV Rheinland、TÜV SUD、SGS TÜV、DNV-GL、TÜV Saarland等为代表的第三方认证机构的审查,并取得认证。 罗姆从2015年开始构建ISO 26262的流程,约在2年半后的2018年3月,通过德国第三方认证机构TÜV Rheinland获得了ISO 26262的流程认证。换句话说,罗姆的ISO 26262流程已经被认定为是符合ISO 26262标准的流程。一般通常的做法是根据顾问等外援的建议来构建流程,但罗姆不止于此,还举办了多场研讨会来学些和了解该标准,以调整方向,建立符合标准的流程。 罗姆官方网站上公布的白皮书记载了其他安全标准以及符合ISO26262的手段、获得认证的方法,以及罗姆的ISO 26262体制等,欢迎登录官网查看详情。 <支持功能安全的车载应用和罗姆的半导体产品例> 在最近的车载应用中,半导体是如何为构建功能安全作贡献的,在此介绍一下罗姆的行动和解决方案。 1. 针对液晶面板的解决方案 在使用仪表盘和电子镜的液晶面板应用中,如果时序控制器控制两个驱动器,把来自GPU的图像数据直接显示在液晶面板上的话,一旦发生显示异常,将无法做任何操作,会直接导致事故发生。 针对这种问题,罗姆的车载用时序控制器,能够监测来自GPU的图像数据,当发生数据异常或输入信号异常时,使之显示黑屏,或通知微控制器使之显示错误警告画面等,从而让驾驶员注意到异常,成功地解决了该问题。 而且,罗姆的液晶面板用芯片组,拥有控制各液晶驱动器的时序控制器:BU90AL210 / BU90AL211 / BU90AD410、驱动液晶面板的源极驱动器和栅极驱动器:ML9882 / ML9873 / ML9872、多功能电源IC:BM81810MUV、进行图像视频校正的伽玛校正IC:BD81849MUV,可从整体上确保液晶面板的功能安全。 2.针对ECU电源电路的解决方案 在汽车ECU(Electronic Control Unit)中,通常需要多个电源。该电源发生异常时可能会引发事故。因此,需要能够监控ECU内的多个电源、并在发生异常时根据所异常进行避免事故的处理,电源监控IC就发挥着这个作用。电源监控IC会监控这些电压,并在发生异常时通知MCU,提示其进行处理。 如上所述,车载应用要实现“功能安全”,不仅需要主功能,还需要“安全机制”,即能够监控主功能是否正常,当发生异常时,能够根据每种功能进行处理,保护人员(包括驾驶员、乘客以及行人)安全的功能。此外,还需要能够确认这些“安全机制”是否在正常运行的“自我诊断功能”。 针对这一问题,罗姆通过在独立的电源监控IC中内置各种监控功能和自我诊断功能,实现了可以轻松为现有电源增加功能安全性,并且已经实现量产的一款电源监控IC,即可以监控多个电源的电源监控IC“BD39040MUF”。另外,具有更高检测精度的“BD39042MUF”也正在开发中。 仅需在现有系统中添加电源监控IC,既可以利用很小的空间实现功能安全所要求的电源监控功能。罗姆的电源监控IC,非常有助于简化功能安全系统设计。 在罗姆官方网站上公布的白皮书中,有更加详细的车载应用和半导体产品信息,欢迎登录官网查看详情。

    时间:2020-03-24 关键词: iso 自动驾驶 功能安全

  • 高端智能新能源汽车品牌ARCFOX

    高端智能新能源汽车品牌ARCFOX

    ARCFOX坐拥北汽集团和全球优质资源,以“无界美学”、“人本科技”、“极致体验”为品牌价值,是追求极致性能与创新设计的高端智能新能源汽车品牌。敢于挑战边界、突破束缚、追求极致既是ARCFOX的品牌价值观,也是人们对于它最深刻的理解。具体来说,ARCFOX为何有能力、有希望与特斯拉并驾齐驱,甚至是超越后者,我认为主要有以下几点。 放眼当下,以产品价格划分,30万元以下的新能源汽车市场,众多造车新势力暂时充当了“变革者”的角色,互联网思维造车+营销也确实给传统车企带来了新的思考与挑战,不过经验不足及资金短缺是它们普遍存在的问题。而在30万元以上新能源汽车市场,奔驰、宝马及奥迪等豪华品牌正在加快追赶的脚步,但特斯拉一家独大的局面尚未改变,市场的空白也给“后进者”预留了充足空间,此为“天时”也。若说谁能够打破这样的格局,我想北汽集团旗下全新的高端智能新能源汽车品牌ARCFOX或许会是其一。 强大体系赋能,注定生而破界 “破界”从字面意义上理解,是打破传统,冲破界限的意思。但在现实当中,想要破界却绝非易事,唯有天时、地利、人和三者兼备方可。在新能源汽车产业正由政策主导转向市场主导的当下,市场环境的迅速变化、外资品牌的大幅进驻,都让竞争局势再一次升级。车企想要生存下去,乃至发展的更好,破局蜕变,满足消费者的多元化需求必不可少,也将成为企业未来立足的根本。在集合了天时、人和之后,地利对于ARCFOX而言,不过是水到渠成,背靠在新能源领域耕耘十年、连续七年销量第一、市场保有量接近50万的北汽新能源,以及世界500强北汽集团强大的产供研体系和完整的产业链条的支持下,ARCFOX想要生而破界,走出一条属于自己的路堪称水到渠成。所谓“生而破界”,对于其他品牌来讲,可能要攻破层层险阻,且最终结果不得而知。但对于ARCFOX而言,集合了天时、地利、人和这些成功的必备要素之后,剩下的只待市场反馈。而随着ARCFOX的到来,也必将引领新能源汽车行业整体向上发展。 正如风雨过后必见彩虹,荆棘之后是坦途一样,我们也坚信随着新型冠状病毒疫情得到有效控制,中国汽车产业必将迎来快速复苏,且向更高一阶段迈进。与此同时,我们也期待着ARCFOX首款SUV的如期而至,能够打破特斯拉在高端新能源汽车市场的“垄断”局面,为自主新能源车向上突破照亮一束光。 全面整合优势资源,实现技术攻坚 我们都知道,特斯拉之所以能够在高端新能源汽车市场独占鳌头,甚至是成为独角兽企业,与它的科技背景以及技术实力密不可分。作为一家高科技公司,而非传统的汽车制造商,特斯拉在自制BMS、自动驾驶和芯片、OTA等方面相较传统车企有着先天优势,甚至称之为“降维打击”也不为过,毕竟“闻道有先后,术业有专攻”,但也并非没有能与之一较高下的企业,比如在芯片及自动驾驶等领域,华为就有着绝对的发言权。而ARCFOX正是通过全面整合优势资源,来达到技术攻坚的,这也就是我们前面提到的“人和”。 目前,ARCFOX已与全球排名前50的世界一流供应商中的37家、排名前100中的60家达成合作,并且其中不乏麦格纳、戴姆勒、华为、博世、西门子、SK、哈曼这样的顶级供应商。就拿麦格纳和华为来说,前者是全球最大的汽车供应商之一,具备全球领先的整车工程开发技术和高端制造能力,为奔驰、宝马等多个国际豪华品牌提供产品开发和生产制造服务;华为则是全球领先的ICT解决方案供应商,在智能网联、自动驾驶、5G通讯等领域实现技术领先。 另外,ARCFOX的自身研发实力也十分强大,它拥有全国唯一的国家级新能源汽车技术创新中心、遍布全球六国八地研发团队、投资20亿的世界顶尖试验验证中心、45万辆纯电动车生产经验、92亿公里车辆行驶大数据等技术研发资源。在如此强大的阵容支持下,ARCFOX打造了全球新能源汽车产业首个商业搭载5G技术的平台——IMC智能模块标准架构。IMC架构具有42个核心模块和127个功能模块,具备超级拓展、超级智能、超级交互和超级进化四大独特优势。依托IMC架构的不同模块组合,可柔性生产旗下所有车型,以满足当前消费者对智能化、品质化、个性化的全新出行需求。而基于IMC智能模块标准架构打造的首款量产也即将于今年下半年上市,它是ARCFOX首款准L3级别的高品质智能SUV,具备声纹识别、手势识别、人脸识别等智能交互功能,并且续航高达600公里,是一款真正能从技术角度PK特斯拉的产品。 创新“无界生态”,打造商业运行新模式 当然,特斯拉创新的"线上直销+线下体验"的商业运用模式,也是品牌能够创造成功的根本原因之一,它满足了新时代背景下,消费者对于购车、体验及服务等方面的部分新诉求,因此也被众多造车新势力纷纷效仿。不过我想说,在创新商业探索方面,也许ARCFOX更胜一筹。ARCFOX提出了领先于行业的“无界生态”商业模式。该模式的核心在于,一切从用户角度出发,通过多维度与用户建立起紧密的联系,最后为用户带来涵盖“出行、用电、网联、买车、维保、生活”六大核心使用场景的解决方案。 在“无界生态”模式里,代客充电、异地用车;超充换电、私桩分享;流量服务、车机软件;车电分离、以租代售;免费维保、保险救援;社区平台、联名权益;主流充电平台等服务都将从可选项变为必备项,由此用户也将享受到前所未有的体验。可以说,“无界生态”模式的推出,既代表了ARCFOX品牌对于市场的充分洞察、对于用户需求的充分感知,也体现出自主品牌的自信与勇气。

    时间:2020-03-25 关键词: 新能源汽车 自动驾驶 arcfox

  • 2020最新自动驾驶技术报告出炉:最终完全实现无人化

    2020最新自动驾驶技术报告出炉:最终完全实现无人化

    进入 2020 年,自动驾驶技术的跨越式路线与渐进式路线之间的阵营划分已经十分明显。对于自动驾驶的技术进展,WEVOLVER 发布的《2020 自动驾驶技术报告》进行了全面的阐释。但最终自动驾驶要完全实现无人化,其技术还需要进行不断的迭代和发展。 报告从感知、规划、执行三个层面表述了自动驾驶汽车技术的最新发展状况,涉及了传感器、数据处理、机器学习、SLAM 与传感器融合、路径规划等多个领域,同时提供了多个自动驾驶公司的案例,包括特斯拉、Volvo、Waymo 等。 感知 自动驾驶汽车是在一个未知的动态环境中运行的,所以它需要事先构建出环境地图并在地图中进行自我定位,而执行同步定位和映射过程(SLAM,即时定位和地图构建)的输入则需要传感器和 AI 系统的帮助。 报告指出,传感器可分为有源传感器和无源传感器,各种传感器都有其优缺点,没有一种单一传感器能够适用于所有路况。通常情况下,想要可靠、安全地操控一辆自动驾驶汽车,需要同时使用多个传感器。 一般情况下,自动驾驶汽车包含的传感器主要有五种类型: 1、远程雷达:信号能够透过雨、雾、灰尘等视线障碍物进行目标检测。 2、照相机:一般以组合形式进行短程目标探测,多应用于远距离特征感知和交通检测。 3、激光雷达:多用于三维环境映射和目标检测。 4、短程/中程雷达:中短程目标检测,适用于侧面和后方避险。 5、超声波:近距离目标检测。 前面提到,各类传感器均有其优缺点,而自动驾驶汽车需要从技术上对传感器进行判断、选择,筛选的条件主要有以下几个方面: 扫描范围,决定了传感器对被感知的物体做出反应的时间; 分辨率,传感器可以为自动驾驶车辆提供的环境细节; 视野/角度分辨率,决定自动驾驶汽车需要多少传感器来覆盖感知的区域; 3D 环境下区分静态对象和动态对象的能力; 刷新率,决定传感器信息更新的频率; 在不同环境条件下的总体可靠性和准确性; 成本、尺寸和软件兼容性; 生成的数据量。 以下是 Waymo、Volvo-Uber、Tesla 的传感器方案示意图: 另外,关于无源传感器和有源传感器,报告中也作了详尽的介绍: 无源传感器 无源传感器能够探测环境中物体反射的现有能量,如光、辐射等。但在弱光环境下,由于没有自己的传播源,无源传感器的性能将有所下降。并且在产生的数据方面,对比有源传感器,无源传感器产生的数据量更多,约 0.5-3.5 Gbps。 即便如此,无源传感器仍具有多方面特点,主要包括: 1.涵盖整个视野宽度的高分辨率的像素和颜色; 2.在视野中保持恒定的帧频; 3.两个摄像头可以生成一个 3D 立体视图; 4.缺乏发射源减少了来自其他车辆的干扰的可能性; 5.技术成熟,成本低; 6.系统生成的图像便于用户理解和交互。 如果在自动驾驶汽车上使用无源摄像头传感器套件,需要覆盖汽车周边的各个环境。这可以通过使用在特定时间间隔拍摄图像的旋转相机来实现,或者通过软件将 4-6 个相机的图像拼接在一起。 此外,这些传感器需要一个超过 100 分贝的高动态范围(场景中高光和阴影的成像能力),使它们能够在各种光照条件下工作,并区分不同的对象。 有源传感器 有源传感器具有信号传输源,依靠 TOF 原理感知环境,ToF 能够通过等待信号的反射返回来测量信号从源到目标的传播时间,信号的频率决定了系统所使用的能量及其准确性。因此,确定正确的波长在选择系统时起着关键的作用。 关于有源传感器的类型,报告主要介绍了以下三种: 超声波传感器:也称为声纳;声音导航测距。在有源传感器中,声波的频率最低(波长最长),因此声波更容易被干扰,这也意味着超声波传感器很容易受到不利环境条件的影响,如下雨和灰尘。另外,其他声波产生的干扰也会影响传感器的性能,需要通过使用多个传感器和依赖额外的传感器类型来缓解干扰。 雷达:主要通过无线电波进行测距。无线电波以光速传播,在电磁波谱中频率最低(波长最长),基于无线电波的反射特性,雷达传感器可以探测到前方物体之外的东西。 不过,雷达信号容易被具有相当导电性的材料(如金属物体)反射,并且其他无线电波的干扰也会影响雷达的性能,造成雷达传感器无法对物体进行探测。在确定被探测目标的形状方面,雷达的能力不如激光雷达。 激光雷达:以脉冲激光的形式使用光。激光雷达传感器能够以每秒 50,000- 200,000 个脉冲的速度覆盖一个区域,并将返回的信号编译成一个 3D 点云,通过比较连续感知的点云、物体的差异检测其运动,由此创建一个 250 米范围内的 3D 地图。 2 规划 根据自动驾驶汽车传感器套件捕获的原始数据和已有地图,自动驾驶系统需要通过同时定位和映射算法构建和更新具体的环境地图,跟踪其具体定位,从而开始规划从一个点到另一个点的路径。 SLAM与传感器融合 SLAM 是一个复杂的过程,因为定位需要地图,而绘制地图需要良好的位置估计。为了更准确地执行即时定位和地图构建,传感器融合开始发挥作用。 传感器融合是将多个传感器和数据库的数据结合起来以实现信息改进的过程。它是一个多层次的过程,能够处理数据间的联系和相关性,对数据进行组合,与使用单个数据源相比,能够获得更便宜、更高质量、相关性更高的信息。 在自动驾驶汽车 AI 架构中,主要有两种方法: 1. 逐步处理。把整个驾驶过程拆解为一系列逐层连接的流水线,其中的每一步,比如感知、定位、地图、路径导航、运动控制,都分别由各自的具体软件组件处理。 2. 端到端。基于深度学习的解决方案,一次性处理所有这些功能。 通过传感器的融合,自动驾驶汽车获得了数据,不过,如何从传感器信号中提取有用的信息,并基于现有信息执行任务,则需要利用机器学习算法——CNN、RNN、DRL。 CNN(卷积神经网络):主要用于处理图像和空间信息,提取感兴趣的特征和识别环境中的对象。这些神经网络是由一个卷积层构成的:一个过滤器的集合,它试图区分图像的元素或输入数据来标记它们。这个卷积层的输出被输入到一个算法中,该算法将它们结合起来预测图像的最佳描述。最后的软件组件通常称为对象分类器,因为它可以对图像中的对象进行分类,例如一个路标或另一辆汽车。 RNN(递归神经网络):主要用于处理视频信息,在这些网络中,先前步骤的输出将作为输入进入到网络中,从而允许信息和知识能够在网络中持久存在并被上下文化。 DRL(深度强化学习):DRL 方法允许软件定义的“代理”学习在虚拟环境中使用奖励函数实现目标的最佳可能操作。这些面向目标的算法将学习如何实现目标,或如何在多个步骤中沿着一个特定的维度最大化。目前,深度强化学习在无人驾驶汽车中的应用还处于起步阶段。 这些方法不一定是孤立存在的。为了避免过度拟合,在深度学习中通常会进行多任务训练网络。当机器学习算法被训练用于一个特定的任务时,它会变得如此专注于模仿它所训练的数据,以至于试图进行插值或外推时,它的输出会变得不现实。 通过在多个任务上训练机器学习算法,网络的核心将专注于发现对所有目的都有用的通用特性,而不是专注于一个任务,以便输出更加实际有用的应用程序。 利用传感器提供的所有数据和这些算法,自动驾驶汽车能够探测到周围的物体。接下来,它需要找到一条路径。 3 路径规划 车辆了解其环境中的物体及其位置后,可以使用 voronoi 图(车辆与物体之间的最大距离)、占用网格算法或驾驶廊道算法来确定车辆的大尺度路径。然而,这些传统方法并不能够满足车辆在动态环境下的移动。 报告指出,部分自动驾驶汽车不仅依靠机器学习算法来感知环境,还依靠这些数据来控制汽车。路径规划可以通过模仿学习的方式传授给 CNN,在模仿学习中,CNN 试图模仿驾驶员的行为。 通常情况下,这些机器学习方法会与经典的运动规划和轨迹优化方法相结合,以确保路径的鲁棒性。此外,出于其他目的(例如减少燃料使用),汽车制造商还会在模型中提供最佳路径参考。 车辆运行过程中的神经网络训练和推理需要巨大的计算能力,由于汽车需要对新数据作出及时反应,因此,操作车辆所需的部分处理需要在车上进行,而模型的改进可以在云上完成。 目前,机器学习的最新进展在于有效处理自动驾驶汽车传感器产生的数据,减少计算成本。此外,芯片制造和微型化的进步正在提高可安装在自动驾驶汽车上的计算能力。随着网络协议的进步,汽车或许能够依靠低延迟的基于网络的数据处理来帮助它们进行自主操作。 4 执行 那么,车辆是如何行动的呢? 在人类驾驶的汽车中,汽车的转向、刹车或信号等动作通常由驾驶员控制。来自驾驶员的机械信号由电子控制单元(ECU)转换成驱动命令,再由车上的电动或液压执行器执行。 在(半)自动驾驶汽车中,这种功能被直接与 ECU 通信的驱动控制软件取代。这些软件能够改变车辆的结构,减少部件的数量;尤其是那些专门用于为 ECU 将机械信号从驾驶员转换为电信号的部件。 自动驾驶汽车通常包含多个 ECU,一般车辆大约有 15-20 个,高端车型可能达到 100 个。 ECU 是一个简单的计算单元,有独立的微控制器和内存,以此处理接收到的输入数据,并将其转换为其子系统的输出命令,例如,转换自动变速箱。 一般来说,ECU 既可以负责控制车辆的操作,也可以负责安全功能,运行信息娱乐和内部应用程序。并且,大多数 ECU 支持单个应用程序,如电子动力转向,能够在本地运行算法和处理传感器数据。 挑战一:系统复杂性 工程师需要为系统设计正确的电子体系结构,以便进行传感器融合,将决策同步分发到按指令行事的较低层子系统,这对需求的增加和复杂性提出了挑战。 理论上,在一种极端情况下,人们可以选择一种完全分布式的架构,其中每个传感单元处理其原始数据并与网络中的其他节点通信。在光谱的另一端存在一个集中的架构,其中所有的远程控制单元(RCUs)都直接连接到一个中央控制点,该控制点收集所有信息并执行传感器融合过程。 而在这个范围的中间是混合解决方案,它将在更高抽象级别工作的中央单元与执行专用传感器处理,或与执行决策算法的域相结合。这些域可以基于车辆内部的位置,例如汽车前部和后部的域,它们控制的功能类型,或者它们处理的传感器类型(例如照相机)。 在集中式体系架构中,来自不同传感器的测量值是独立的量,不受其他节点的影响。数据在系统的边缘节点上没有被修改或过滤,为传感器融合提供了最大可能的信息,并且具有较低的延迟。这一架构挑战在于,大量的数据需要传送到中央单元并在那里进行处理。这不仅需要一个强大的中央计算机,而且还需要一个高带宽的重型线束。 分布式架构可以用更轻的电气系统实现,但更复杂。尽管在这样的架构中,与带宽和集中处理相关的需求大大减少,但它在驱动和传感阶段之间引入了延迟,增加了对数据验证的挑战。 挑战二:动力、热量、重量和尺寸的增加 除了增加系统的复杂性之外,自动化还会增加车辆部件的功耗、热足迹、重量和尺寸。无论架构是分布式的还是集中式的,auton - omous 系统的功耗需求都是巨大的,而在这之中,主要的驱动因素是竞争需求。 全自动汽车的竞争需求比目前生产的最先进的汽车高出近 100 倍。对纯电动汽车来说,行驶里程容易受到这种动力需求的负面影响。因此,Waymo 和福特等公司选择专注于混合动力汽车,而 Uber 则使用全汽油 suv。然而,专家指出,全电动最终会成为动力系统的选择,因为内燃机在为车载电脑发电方面效率低下。 增加的处理需求和更高的功率吞吐量会使系统升温,但为了使电子元件正常可靠地工作,不管车外部条件如何,电子元件必须保持在一定的温度范围内,这就需要冷却系统的存在。但是,冷却系统进一步增加车辆的重量和尺寸,特别是液体冷却。另外,额外的组件、额外的布线和热管理系统也会对车辆任何部分的重量、尺寸和热性能造成压力。 针对于此,自动驱动元件的供应商正改变着产品,从减轻像 LIDARs 的大型元件重量,到构建像 semicon - ductor 这样的微型元件。同时,半导体公司正在制造占地面积更小、热性能更好、干扰更小的元件,发展各种硅元件,如 MOSFET、bipo - lar 晶体管、二极管和集成电路。 不仅如此,该行业还考虑使用新材料——氮化镓(GaN)。与硅相比,氮化镓可以更有效地传导电子,从而能够在给定的导通电阻和击穿电压下,制造出更小的器件。 一辆全自动驾驶汽车所包含的代码可能比迄今为止所开发的任何软件平台或操作系统都要多,要自行处理所有的算法和过程需要显著的计算能力和强大的处理。目前,GPU 的加速处理正成为行业的标准。

    时间:2020-03-26 关键词: 传感器 自动驾驶

  • 什么是车辆中的ADAS技术?

    什么是车辆中的ADAS技术?

    随着社会的发展,无人驾驶技术不断成熟,高级驾驶辅助系统(ADAS)功能已被证明可以减少事故、挽救生命。根据消费者报告中的美国公路安全保险协会表明,与2017年没有配备前方碰撞预警和自动紧急制动系统的汽车相比,配备了这些系统的汽车的前后碰撞事故减少了50%。不幸的是,大多数事故发生在连最基本的ADAS应用程序都没有安装的车主身上。 随着ADAS不断向汽车工程师协会定义的L4和L5级自动驾驶汽车的方向发展,我们有机会通过创造可用于更大范围汽车的自动驾驶汽车技术,对道路产生更大的影响。 尽管从经济的角度来说,给所有汽车配备全ADAS技术是不切实际的,但我们的目标仍应是使尽可能多的汽车配备驾驶辅助功能。这意味着,道路上的更多车辆需要能够对实时数据进行高效感知、处理和应对。 对智能和多样化传感的需求 传统上,为ADAS运行而收集的图像数据由基于功能的计算机视觉算法进行分析。在过去的十年里,计算机视觉为这个行业提供了出色服务,但随着ADAS运行变得更加先进,设计人员需要额外的工具来处理和适应驾驶员及其车辆在道路上面临的情况。 保持ADAS在不同路况下持续运行是一项挑战。在突遇恶劣天气或道路情况欠佳等意外情况时,需要车辆实时适应。这些情况很难用传统模式进行处理,但是,通过开发一个能够帮助汽车感知、理解周围世界并对其作出快速反应的动态系统,汽车自身可以成为司机的得力副驾驶。这样一个系统需要数据以及结合计算机视觉和高效深度学习神经网络实时处理数据的能力。 ADAS解决方案需要从不同的传感器集中提取数据,并将数据转换为车辆的行为情报。这些传感器至少需要配备不同类型的摄像头和相关的光学、雷达和超声波技术;在更复杂的情况中,还需要激光雷达和热夜视仪。此外,该系统可以通过比较从传感器数据提取的特征与高清晰度地图数据来定位车辆。对此种多模式传感器数据的理解和分析必须实时进行(新数据每秒到达60次)而无需在汽车后座架设数据中心服务器。 学习如何用Jacinto™处理器完善自动泊车技术。 解决方案必须能够直接上路使用 驾驶员必须同时接收多重信息并快速做出安全驾驶决策,同样,所有ADAS应用程序(无论是何种自动驾驶等级)也必须做到这一点。高性能片上系统(SoC)的重要性在于它可以进行并行处理,而不需要大幅削减电力、温度、组件和集成成本方面的预算。SoC解决方案可以从更简单的情况(更少的传感器,更低的分辨率)扩展到最复杂的情况,而不损坏基本的ADAS功能或需要降低系统级别。 适应各类车辆的应用性能只是要求之一。系统的开发必须具有较高性价比,才能实现广泛而有效的利用。车载软件复杂性正在呈指数增长(如今代码已长达1亿5000万行),这使得开发和维护成本激增。随着系统的路况感知能力越来越强,其功能安全要求将不断变化和发展,并必须满足严格的汽车质量和可靠性目标。正是这些严格的要求和现实支持并推动着汽车电子市场的发展。 合适的SoC可以解决所有这些需求。它可以根据一系列应用需求适当地平衡内存、输入/输出和处理核心,达到系统的BOM目标。合适的SoC还可以适应开放式软件开发方法,使多次使用生成代码、节省在开发和测试中付出的精力成为可能。SoC也可以从一开始就以功能安全为前提来构建,并具备必需的可靠性和产品寿命,以使得汽车生产线能够在市场上持续多年。只要做得好,给更多的汽车配备强大的ADAS功能(如图1所示)就指日可待。 TI如何帮助ADAS技术实现大众化 TI利用数十年的汽车和功能安全专业知识来设计我们的JacintoTM 7处理器平台,致力于解决感测、并行操作和系统级难题。 我们专注于对整个系统有重要影响的方面:结合多方向监控汽车周围环境的出色感知能力,并采用以汽车为中心的设计方法,优化动力和系统成本。 新的JacintoTM 7处理器系列(包括TDA4VM和DRA829V)在芯片上集成了关键的功能安全特性,可以在一个设备上同时实现安全关键和非安全关键功能;它们还通过结合高速和汽车接口来改进数据管理。JacintoTM 7处理器给汽车ADAS和网关系统带来了实际性能,并有助于降低系统成本,从而实现ADAS技术大众化和普及化。以上就是ADAS驾驶技术的一些知识,希望对学习无人驾驶的从业者有所帮助。

    时间:2020-03-29 关键词: 自动驾驶 adas 车辆

首页  上一页  1 2 3 4 5 6 7 8 9 10 下一页 尾页
发布文章

技术子站

更多

项目外包

更多

推荐博客