自动驾驶需要一次满足效能、功耗和成本要求的专门AI算法

作者:DIGITIMES谢明珊

人工智能(AI)和机器学习(ML)的技术发展,堪称近10年最伟大的科技创新。虽然AI算法早已存在多年,但直到最近数据量和运算能力大幅成长,才有机会运用到生活各层面,其中最受瞩目的就是自驾车。

AI神经网络对于自驾车是至关重要的技术,自驾车有赖精密的传感器,来收集汽车本身和周围环境的数据。这些传感器包括激光雷达、雷达、摄影机等,会实时产生周围环境的大量数据,再交由神经网络来整合数据,形成有意义的信息让自驾车做出实时反应。

然机器学习算法大多是在云端或数据中心执行,配备大量处理器或图形处理器,还要有充足的冷却系统,但是自驾车不一样,必须有实时反应的能力,因此需要专门设计的算法,达成效能、功耗和成本的多方要求。

此外,在硬件执行机器学习算法有难度,以常见卷积神经网络(CNN)为例,这是常见的物体侦测算法,在“主动车距控制巡航系统”(ACC)和“汽车防撞系统”大有可为。CNN分很多层次,每一层卷积滤波器都是“特征传感器”,专门发现水平线、垂直线等特征。不过,输入和输出的通道容易倍增,进而导致卷积滤波器数量和重量暴增。

由此可见,在硬件执行机器学习算法并不简单,为了达到一定的准确度,自驾车的推论芯片势必要克服几个挑战。一是效能,每一个高分辨率镜头,每秒要捕捉60帧1920×1080高分辨率影像,一部车可能会配备10多个镜头。二是功耗,AI推论相当耗能,尤其是需要取用远端存储器的时候。三是功能安全性,随时侦测硬件的各种功能安全问题。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20190926A04GZX00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码关注腾讯云开发者

领取腾讯云代金券