神經(jīng)網(wǎng)絡(luò)加速器芯片讓汽車學(xué)會(huì)自主思考

汽車正在變得越來越智能，但是如果汽車行業(yè)要實(shí)現(xiàn)完全自動(dòng)駕駛的目標(biāo)，他們還有很長(zhǎng)的路要走。盡管業(yè)界還在討論實(shí)現(xiàn)全自動(dòng)化所需的理想技術(shù)組合，但是有一點(diǎn)是明確的，那就是人工智能，尤其是神經(jīng)網(wǎng)絡(luò)將發(fā)揮重要作用。

神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)的作用是執(zhí)行對(duì)于傳統(tǒng)視覺或模式識(shí)別系統(tǒng)來說具有挑戰(zhàn)性的任務(wù)。通過使每個(gè)神經(jīng)網(wǎng)絡(luò)各自不同，并針對(duì)特定任務(wù)進(jìn)行設(shè)計(jì)，它可以更高效、更精確地執(zhí)行任務(wù)。

所有神經(jīng)網(wǎng)絡(luò)的組織模式都是在多個(gè)層面上多次處理數(shù)據(jù)。因此，神經(jīng)網(wǎng)絡(luò)可以在不同的輸入模式下運(yùn)行十到二十次，而不是用一組特定的參數(shù)只運(yùn)行一次操作。這個(gè)想法是，通過所有這些不同的路徑，選擇的數(shù)量就會(huì)增加。當(dāng)?shù)搅诵枰龀鰶Q策的時(shí)候，它已經(jīng)從輸入中提取了所有的信息。

在路標(biāo)識(shí)別的示例中，第一層可能正在尋找一個(gè)標(biāo)識(shí)的角形狀，然后是顏色等各個(gè)步驟執(zhí)行下去，直到它可以非常確信地說這是一個(gè)路標(biāo)并說明其含義。這樣做的好處在于無需對(duì)每一個(gè)步驟都進(jìn)行編程，神經(jīng)網(wǎng)絡(luò)將會(huì)自己完成，并且隨著時(shí)間的推移而不斷學(xué)習(xí)。該算法知道它需要識(shí)別的內(nèi)容，并將嘗試不同的方法，直到實(shí)現(xiàn)目標(biāo)，并在過程中不斷學(xué)習(xí)。一旦神經(jīng)網(wǎng)絡(luò)在經(jīng)過培訓(xùn)之后，它便可以在實(shí)際應(yīng)用中發(fā)揮作用。這意味著工程師不必花費(fèi)數(shù)小時(shí)來微調(diào)復(fù)雜的算法，他們只需向神經(jīng)網(wǎng)絡(luò)展示它需要發(fā)現(xiàn)的內(nèi)容并讓其自學(xué)完成。

這些技術(shù)已經(jīng)在車輛中被廣泛用于目標(biāo)檢測(cè)、分類和分析，而駕駛員監(jiān)測(cè)、訪問控制以及語音和手勢(shì)識(shí)別也可以利用不同類型的神經(jīng)網(wǎng)絡(luò)。此外，將傳統(tǒng)視覺與神經(jīng)網(wǎng)絡(luò)相結(jié)合的人工智能方法，可用于行人路徑分析和環(huán)繞視圖等應(yīng)用場(chǎng)景，它將同時(shí)依賴于圖形處理器(GPU)和神經(jīng)網(wǎng)絡(luò)加速器(NNA)。

在從傳感器到電子控制單元(ECU)整個(gè)鏈路中也可以使用神經(jīng)網(wǎng)絡(luò)，在預(yù)處理、中間處理和后處理中使用的各種技術(shù)將人工智能引入了其中。

此外，車聯(lián)網(wǎng)(V2X)技術(shù)正在開發(fā)中，該技術(shù)將主要使用自動(dòng)駕駛汽車作為傳感載體，為各種智慧城市和智慧交通場(chǎng)景提供數(shù)據(jù)和信息。同樣，這些進(jìn)展將依賴于采用GPU和NNA的方法實(shí)現(xiàn)人工智能，以支持來自越來越大的輸入集的各種分析和計(jì)算。

傳感器融合

自動(dòng)駕駛和高度自動(dòng)化的車輛將嚴(yán)重依賴各種類型的傳感器，包括攝像頭、熱成像、雷達(dá)、激光雷達(dá)(LiDAR)等。所有這些傳感器傳出的信號(hào)都需要進(jìn)行解讀和融合，以便全面了解車輛內(nèi)部和外部發(fā)生的情況。

傳感器融合對(duì)于自動(dòng)駕駛至關(guān)重要，它將涉及到GPU和神經(jīng)網(wǎng)絡(luò)以及機(jī)器學(xué)習(xí)和人工智能的結(jié)合。

車輛內(nèi)部傳感器融合的一個(gè)很好的示例是駕駛員監(jiān)測(cè)。在當(dāng)今的車輛中，各種各樣的傳感器都能夠檢測(cè)到駕駛員是否注意力不集中。神經(jīng)網(wǎng)絡(luò)可以分析拍攝到的駕駛員圖像，以判斷他或她是否在睡覺、處于疲倦狀態(tài)、注意力不集中，甚至通過移動(dòng)設(shè)備講話或發(fā)信息。這對(duì)于早期的自動(dòng)駕駛車輛來說是至關(guān)重要的信息，因?yàn)樗赡苄枰{駛員在某些時(shí)候重新控制車輛，因?yàn)槠囆枰礼{駛員是否處于合適的狀態(tài)才能這樣做。