车内感应AI让出行更安全
发布于2023-12-21
今天，我们经常听到有人说自动驾驶时代即将到来，但是，真正在各种现实条件下实现的自动驾驶仍然尚需时日。人类驾驶员仍然需要注意路上的情况，而车内则呈现出一个相对静止的实验室式观察环境。Eyeris成立于2013年，是一家以人为本的人工智能 (AI) 公司，旨在通过监控车内状况，确保车辆是由人控制并确认环境也符合完成这一关键任务的要求，从而使驾驶更安全、更舒适。
挑战：不同的驾乘者和感应条件
与外部世界相比，车内状况相对稳定，但仍然存在各种各样的挑战。车内可能只有独自驾驶汽车的驾驶员，也可能还有另外几名乘客，这些人可能是男性，也可能是女性，身材也各不相同，从小孩子到100公斤以上的彪形大汉都有可能。此外，人类的肤色千差万别，可能在不同的照明条件和温度下穿戴不同的服装和配饰，让这种“实验室环境”骤然间变得相当复杂。这甚至还没有考虑到有一两只家庭宠物随行、后座上昨天没有清理干净的汉堡包装纸以及掉在副驾驶座位上的一两部手机。
解决方案：传感器融合与数据丰度
虽然一个传感器系统可能具有出色的眼动跟踪或其他技术优势，但作为一家人工智能软件公司，Eyeris主要专注于融合各种硬件传感元件。 因此，他们与众多硬件制造商合作开发各种感应技术，包括传统的红外 (IR)、现代红绿蓝+红外 (RGB-IR) 传感器、热成像仪甚至雷达，以便全面掌握情况，还与众多处理器制造商合作运行AI程序。这种传感器融合与用于训练的超大数据集相结合，意味着可以像人类融合视觉、听觉、触觉、嗅觉甚至味觉来执行复杂任务那样，准确解读车辆内部空间。
除了运行AI系统所需的原始算力外，还必须考虑摄像头硬件、传感器处理模块和其他处理硬件之间的连接。例如，Eyeris在一些参考设计中使用了Analog Devices的MAX96706解串器，将基于移动行业处理器接口 (MIPI) 的图像传感器和摄像头模块连接到人工智能处理板，并取得了巨大成功。随着汽车电子产品的集成度日益提升，处理和提取这种数据传输的可靠方法成为需要考虑的重要因素。
汽车生产的种类繁多，这意味着一个可以轻松集成到 X、Y 或 Z 汽车中的组织良好的系统可以大大降低开发成本，缩短上市时间。
硬件创新：促进软件创新
在过去的几十年里，我们看到算力和硬件创新呈现出惊人的爆炸式发展。尽管如此，软件的创新周期自然要比硬件快得多，制造商经常发现自己处于 "追赶 "软件同行的状态。这也是特斯拉、苹果和其他公司制造自己的AI硬件，以迎合即将到来的软件改进的原因之一。
对于与众多现有硬件制造商合作的小型软件/AI公司来说，除了具有足够的原始算力外，还必须拥有与新型AI框架（如TensorFlow、PyTorch和ONNX）兼容的成熟软件堆栈和软件开发工具包 (SDK)。可用的编译器应支持现代神经网络层，配备成熟的软件仿真器、仿真引擎以及用于AI模型解析、精简、量化等任务的相关工具。最后，支持传感器融合任务（如内置3D视差引擎、多相机流式功能、丰富的输入/输出(IO) 接口等）也非常有用。这使AI和设置AI系统的人能够在解决噪音问题的同时，处理广泛的数据。
AI传感器融合：汽车安全等
虽然这篇博文的重点是介绍汽车内部感应，但从更广泛的意义上讲，在一系列应用中，传统的纯视觉人工智能设置似乎是合理的选择，但对于特定用例来说可能并不足够。特别是在安全关键型应用中，视觉系统在适当的照明和其他条件下大部分时间都能正常工作，但这可能远远不够。在这些情况下，增配额外的感应能力（无论是第二RGB可见光设备、红外传感器、雷达还是用于增强存在检测的热传感器等），都可使AI能够充分监测和控制环境。
拥有数十亿美元资产的公司可能有资源在内部开发自己的芯片，但在其他情况下，规模较小、更灵活的AI公司可能更适合这种模式。因此，必须找到、开发并整合适当的硬件合作伙伴，为汽车和其他行业生产一体化产品。现有的硬件和软件接口工具越好，就越容易设置AI软件，也就能越快地生产出优秀的产品。通过适当的数据、工具和AI训练，我们就能为这些系统的用户和整个社会创造更安全、更美好的世界。
作者简介
Modar是人工智能 (AI) 技术专家，也是用于理解人类行为并进行建模和预测的计算机视觉AI领域的知名人物。他目前是Eyeris的创始人兼首席执行官，而Eyeris是自动驾驶汽车和高度自动化汽车 (HAV) 座舱内感知 (ICS) AI的先锋和领导企业。Modar将其在计算机视觉领域的十多年经验与以人为本的AI相结合，为各种企业应用赋能。他主要致力于通过身体、面部、物体和表面理解AI，将人机交互与预测式无形界面对接。他经常就“以人为本的环境智能”主题发表演讲和提出关键意见，这是AI的下一个前沿方向。Modar毕业于蒙特利尔的康考迪亚大学 (Concordia University)，专业方向是使用人工智能技术理解人类行为 (HBU)。他曾获得过多项国际技术和创新大奖，他的文章曾发表在《彭博新闻》、《华尔街日报》、《连线》杂志、《时代周刊》、CNBC、《路透社》、《快公司》和许多主要的国际媒体上，并被翻译成超过12种不同的语言。