车内传感 AI 提高安全性

今天我们听说自动驾驶汽车即将出现，但在各种现实世界条件下实现真正的自动驾驶还需要很多年。人类驾驶员仍然需要注意眼前的情况，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、确保人处于控制之中并确认环境是否能够执行这一关键任务，从而使驾驶更安全、更舒适任务。

挑战：不同的乘员和传感条件

虽然与外界相比相对静态，但车辆内部条件仍然存在各种挑战。一个人可能独自驾驶汽车，或者车内可能有几个额外的乘员，他们可能是男性或女性，体型从小孩到 100 公斤重的成人不等。除此之外，人类的肤色范围很广，在不同的光照条件和温度下可能会穿着不同的衣服和配饰，突然之间，这种“实验室环境”变成了一个相当复杂的实验。这甚至还没有考虑携带一两只家庭宠物、昨天没有清理过的后座汉堡包包装纸以及掉在乘客座位上的一两部电话。

解决方案：传感器融合和数据丰度

虽然一个传感器系统可能拥有最好的眼动追踪或其他技术优势，但作为一家人工智能软件公司，Eyeris 却专注于融合各种硬件传感元件。因此，他们与众多传感技术硬件制造商合作——包括传统红外 (IR) 现代红、绿、蓝、红外 (RGBIR) 传感器、热成像仪，甚至雷达——以全面了解情况并与广泛的处理器制造商合作以运行 AI 例程。这种传感器融合与用于训练的超大数据集相结合，意味着可以准确地解释车辆的内部空间，就像人类结合视觉、听觉、触觉、嗅觉甚至味觉来执行一项复杂的任务一样.

除了运行人工智能系统所需的原始计算能力外，还必须考虑摄像头硬件、传感器处理模块和汽车其他处理硬件之间的连接。例如，Eyeris 在其一些参考设计中使用了Maxim 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 AI 处理板中，并取得了巨大成功。随着汽车电子变得越来越集成，处理和提取这种数据传输的可靠方法很重要。

制造的汽车种类繁多，这意味着组织良好的系统可以轻松集成到汽车 X、Y 或 Z 中，从而显着降低开发成本和缩短上市时间。

硬件创新：促进软件创新

在过去的几十年里，我们看到了令人难以置信的计算能力和硬件创新的爆炸式增长。话虽这么说，软件的创新周期自然比硬件的创新周期快得多，制造商经常发现自己处于与软件同行相关的“追赶”模式。这是特斯拉、苹果和其他公司制造自己的人工智能硬件以专门迎合即将出现的软件改进的原因之一。

对于与广泛的现有硬件制造商合作的小型软件/AI 公司来说，拥有与最新的 AI 框架（例如 TensorFlow、PyTorch 和ONNX——除了拥有足够的原始计算能力。可用的编译器应该支持现代神经网络层，具有成熟的软件模拟器、模拟引擎和用于 AI 模型解析、修剪、量化和其他任务的相关工具。最后，支持传感器融合任务，例如内置 3D 视差引擎、多摄像头流媒体功能、丰富的输入/输出 (IO) 接口等也非常有用。这使 AI 和那些建立 AI 系统的人能够处理大量数据，同时消除噪音。

人工智能传感器融合：汽车安全等

虽然本博客侧重于汽车内部传感，但更一般地说，存在一系列应用程序，在这些应用程序中，传统的纯视觉 AI 设置可能看起来是合乎逻辑的选择，但可能不足以满足特定用例。特别是在安全关键型应用中，大部分时间在适当照明和其他条件下工作的视觉系统可能远远不够。在这些情况下，添加额外的传感功能——无论是第二个 RGB 可见光设备、红外传感器、雷达，甚至是用于增强存在检测的热传感器之类的东西——都可以使 AI 充分监控和控制环境。

数十亿美元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，规模更小、更灵活的人工智能公司可能更适合这项工作。在这里，必须确定、开发和集成合适的硬件合作伙伴，以便为汽车和其他行业生产一体化产品。可用的硬件和软件接口工具越好，设置 AI 软件就越容易，并且可以更快地生产出优秀的产品。有了适当的数据、工具和人工智能培训，我们可以让我们的世界对这些系统的用户和整个社会来说更安全、更美好。

审核编辑黄昊宇