今天，我們經常聽到有人說自動駕駛時代即將到來，但是，真正在各種現實條件下實現的自動駕駛仍然尚需時日。人類駕駛員仍然需要注意路上的情況，并且車輛內部似乎提供了一個類似于相對靜態的實驗室一樣接受觀察的環境。Eyeris成立于2013年，是一家以人為中心的人工智能（AI）公司，旨在通過監控車內狀況，確保車輛是由人控制并確認環境也符合完成這一關鍵任務的要求，從而使駕駛更安全、更舒適。

挑戰

各種各樣的駕乘者和感應條件

與外部世界相比，車內狀況相對穩定，但仍然存在各種各樣的挑戰。車內可能只有獨自駕駛汽車的一個人，也可能還有另外幾名乘客，這些人可能是男性，也可能是女性，身材也各不相同，從小孩子到100公斤以上的彪形大漢都有可能。此外，人類的膚色千差萬別，可能在不同的照明條件和溫度下穿戴不同的服裝和配飾，讓這種“實驗室環境”驟然間變得相當復雜。更不要說還要考慮是不是帶寵物同行，昨天留在后座上包漢堡的紙還沒有扔掉，有一兩部手機被扔在乘客座位上。

解決方案

傳感器融合與數據豐度

雖然一個傳感器系統可能具有出色的眼動跟蹤或其他技術優勢，但作為一家人工智能軟件公司，Eyeris主要專注于融合各種硬件傳感元件。因此，他們與眾多硬件制造商合作開發感應技術，包括傳統紅外（IR）、現代紅綠藍+紅外（RGBIR）傳感器、熱成像儀甚至雷達，以便全面掌握情況，還與眾多處理器制造商合作運行人工智能程序。這種傳感器融合與用于訓練的極大數據集相結合，意味著車輛內部空間能夠以人類合并視覺、聽覺、觸覺、嗅覺甚至可能還有味覺的相同方式準確解釋，以執行復雜的任務。

除了運行AI系統所需的原始算力外，還必須考慮攝像頭硬件、傳感器處理模塊和汽車的其他處理硬件之間的連接。例如，Eyeris使用Maxim的MAX96706 14位GMSL解串器將基于移動工業處理器接口（MIPI）的圖像傳感器和攝像頭模塊連接到AI處理板中的一些參考設計并取得了巨大成功。隨著汽車電子產品的集成度日益提升，處理和提取這種數據傳輸的可靠方法成為需要考慮的重要因素。

制造的汽車豐富多樣意味著可以輕松集成到X、Y或Z等不同車型中的組織良好的系統可以顯著減少開發成本，縮短上市時間。

硬件創新

促進軟件創新

過去幾十年，算力和硬件創新呈現出驚人的爆炸式發展。盡管如此，軟件的創新依然得天獨厚地以相較硬件快得多的速度發展，與軟件提供商相比，制造商常常發現自己處于“追趕”之中。特斯拉、蘋果和其他公司自己生產AI硬件，專門用于滿足已露端倪的軟件改進，其原因之一就是如此。

對于與眾多現有硬件制造商合作的小型軟件/AI公司來說，除了具有足夠的原始算力外，還必須提供與新型人工智能框架（如TensorFlow、PyTorch和ONNX）兼容的成熟軟件堆棧和軟件開發工具包（SDK）。可用的編譯器應支持現代神經網絡層，配備成熟的軟件仿真器、仿真引擎以及用于AI模型解析、精簡、定量等任務的相關工具。

最后，支持傳感器融合任務（如內置3D視差引擎、多相機流式功能、富輸入/輸出（IO）接口等）也異常有用。這使AI和設置AI系統的人能夠在解決噪音問題的同時，處理廣泛的數據。

AI傳感器融合

汽車安全等應用

雖然這篇博文的重點是汽車內部感應，但更普遍的情況是，在很多應用當中傳統的純視覺AI設置或許是符合邏輯的選擇，只是可能無法滿足一些特例的需求。特別是在安全關鍵型應用中，在適當的照明和其他條件下大多數時候都可以發揮作用的視覺系統可能遠遠不夠。在這些情況下，增配其他感應能力（無論是第二RGB可見光設備、紅外傳感器、雷達還是用于增強存在檢測的熱傳感器等），都可使AI能夠充分監測和控制環境。

擁有數十億美元資產的公司可能有資源內部開發自己的芯片，但在其他情況下，規模較小、更靈活的AI公司可能更適合這種模式。因此，必須找到、發展并聯合適當的硬件合作伙伴，為汽車和其他行業生產一體化產品。可用的硬件和軟件接口工具越好，設置AI軟件就越容易，生產出優秀產品也就越快。通過適當的數據、工具和AI訓練，可以讓我們的世界更安全、更美好，對于這些系統的用戶和整個社會都是如此。