解决数据融合(和媒体过载)挑战自主驾驶。
这里有一个声明,将不足为奇:自主驾驶再次大上个月在底特律SAE世界大会的主题。这是在几乎所有汽车或科技展示这些天。有数十名显示与自动驾驶技术在展览大厅,一个事实中捕获各种社会媒体订阅和事件的新闻报道。
导师是这个故事的公告DRS 360自主驾驶平台。我在导师布斯几天,沿着几个其他人对我们的技术人员,花了很多时间回答问题和运行平台的主要好处。(如果你错过了新闻,这些亮点包括集中的原始数据融合会议的低延迟和高准确性要求满5级自主驾驶。很酷。)
考虑到泡沫的媒体报道和相关营销活动自动驾驶汽车,很难解析和识别大趋势。这是我在三autonomy-related挑战以及原始数据传感器融合如何扮演一个角色在解决他们。
•V2X。有一个持续争论的最佳标准可靠,实时自动车辆之间的通信,以及车辆与路边基础设施。毫无疑问,更多的信息,我们将能够做出更好的决策,但这是一个悬而未决的问题,使用哪个协议(DSRC 5 g)。广泛地说,V2X可以被认为是一个类型的传感器数据,计算平台上自主车辆需要整合,结合激光雷达的观测数据、视觉和其他机载传感器。的DRS360我们认为V2X是另一种类型的传感器和相关的信息,可以帮助我们提高决策的质量。因此我们的计划是最终能够将这些信息无论协议集成到我们的平台和环境模型。
•深度学习。方法基于规则的看法可能不是完全可伸缩。一种替代方法,使用深度学习算法或神经网络的部署,可能更好的近似人类如何看待和检测环境。而自动车辆使用各种类型的传感器,今天神经网络主要用于处理视觉传感器数据。我们相信有机会提高性能通过应用神经网络对来自多个传感器的数据融合方法。在技术目标——确保这些类型的算法支持ISO 26262等安全标准,整体系统的开发验证和确认程序建立在这些算法。
•成本。一些最流行的传感器技术在今天的自主汽车设计,特别是激光雷达的部署,是过于昂贵。这提供了一个屏障迅速,短期内采用自主车辆。传感器成本需要下来,最好的方法就是创建固态传感器不必要的处理。降低成本的另一种方法是提供一个融合原始数据环境地图,提高算法效率,进一步减少处理需求在中央计算平台。
肯定炒作周期盛开时自动驾驶汽车。尽管媒体的泛滥,然而在市场有很多房间,很大程度上是因为技术的挑战、监管、社会——是如此之大。因此,我们需要更多的个人和企业在这个领域工作。
的意见赖利布伦南斯坦福大学的执行主任转速汽车研究项目,上个月在谁给了一个优秀的面试Autonocast播客。(Autonocast家伙好塞了DRS 360年底前一集。)
布伦南的总结是“有很多热情的知识不是很多。“在导师的情况下我会说这是只说对了一半。
是的,我们和其他人一样兴奋的自主车辆。但与许多初创公司布伦南覆盖在他的影响力的“未来的交通工具”通讯并邀请他的斯坦福大学课,导师有几十年的工作经验在复杂的汽车E / E系统,从线束设计连接,嵌入式软件igbt和发光二级管的热分析和仿真。
“税收你必须支付(在这个市场)是每天一篇文章,每小时与某种sweaty-tooth反应无论世界上发生的,”布伦南说。“我们只需要处理。努力工作的人将继续努力工作。”
导师是在任何的努力,在汽车供应链的发展阶段下手。和荣誉Ed和其他半导体工程编辑人员保持sweaty-tooth报道行业最低。查看介绍DRS 360自主驾驶平台在这里。
|
|
|
|
|
|
|
|
留下一个回复