标签: 人工智能技术

2023年，全球测试测量及通信行业在多重技术革新和市场需求的驱动下呈现出强劲的增长态势。这一年里，5G通信网络的大规模部署与商用、人工智能技术的广泛应用、物联网（IoT）设备数量的爆炸性增长以及电动汽车行业的迅猛发展等因素，共同催生了对先进测试测量解决方案前所未有的需求。德思特为大家汇总了2023年测试测量及通信行业不容错过的十大热点动态！ 1、我国将6 GHz频段划归5G/6G 在6月召开的第31届中国国际信息通信展览会上，工业和信息化部提出中国将全面推进6G技术研发，2030年左右实现商用，抢占未来发展新优势。工业和信息化部已经明确将6 GHz频段划分给5G/6G使用，为6G创新发展提供政策保障，推动形成6G全球统一标准。12月5日，在2023全球6G发展大会上，我国6G推进组首次对外发布了《6G网络架构展望》和《6G无线系统设计原则和典型特征》等技术方案，这将为6G从万物互联走向万物智联提供技术路径。我国6G将遵循“使用一代，建设一代，研发一代”的移动通信发展节奏。 2.伽利略系统率先提供免费的高精度服务 欧洲伽利略系统正式推出高精度服务（HAS），成为全球首个通过空间伽利略信号（E6-B）和互联网提供免费的精密单点定位（PPP）校正服务的全球导航卫星系统。伽利略高精度服务（HAS），是通过伽利略信号（E6-B）和地面方式（互联网）结合，免费提供高精度精密单点定位（PPP）改正。伽利略HAS将提供实时改进的用户定位性能，精度优于两分米（在标称条件下）。 3.L3/L4级自动驾驶上路获政策支持 2023年11月17日，工业和信息化部、公安部、住房和城乡建设部、交通运输部四部门联合发布《关于开展智能网联汽车准入和上路通行试点工作的通知》，正式对自动驾驶的准入规范进行了具体要求，并完善了相关规则。试点工作的总体要求是在智能网联汽车道路测试与示范应用工作基础上，四部门遴选具备量产条件的搭载自动驾驶功能的智能网联汽车产品，开展准入试点；对取得准入的智能网联汽车产品，在限定区域内开展上路通行试点，车辆用于运输经营的需满足交通运输主管部门运营资质和运营管理要求。 4.全球量子计算技术取得突破性进展 日本理化学研究所发布消息称，3月底日本首台国产量子计算机将可以通过互联网使用。此举将促进企业和大学使用量子计算机，以推动有助于实现脱碳化的材料和划时代新药的开发。量子计算机能够以超级计算机1亿倍以上的速度解决复杂问题。除了预测金融市场之外，还有望应用于化学、制药、汽车等广泛行业，具有为新产品开发等带来革新的潜力。机构指出，量子计算有望在10-15年内实现商用，预计2030年全球量子计算市场规模将达到140.1亿美元，并以30%左右的增速平缓上涨，至2035年预计会达到489.7亿美元的量子计算市场规模。 5.北斗导航天线规范于6月实施 中国国家自然资源部批准并发布了《北斗全球导航卫星系统（GNSS）高精度导航型天线通用规范》，该规范于2023年6月1日起实施，旨在统一规范高精度导航型天线的技术要求、测试方法、质量评定程序、标志、包装、运输和贮存要求。该规范的实施将为国内高精度导航型天线产品提供统一的标准规范。 6.首个动态RIS试验提升毫米波网络性能 全球电信设备和网络解决方案提供商中兴通讯与泰国领先的电信运营商Advanced Info Service Public Company Limited （AIS） 合作，在毫米波网络中进行全球首次动态可重构智能表面（RIS）试验。此次合作旨在探索毫米波通信的新可能性，为大规模部署毫米波网络提供经济高效且环保的解决方案。RIS是一项创新技术，利用电磁超材料通过智能反射或传输信号来扩展基站覆盖范围。这导致以低成本和低碳排放改善覆盖范围。 7.燃料电池电动汽车安全全球法规通过 6月20-22日，由中国、美国、韩国和日本共同牵头修订的UN GTR No.13《燃料电池电动汽车安全全球技术法规》通过表决。该法规于2013年首次发布、2017年启动修订，组织全球近50个国家和地区参与了技术研究、试验验证和沟通协调等有关工作；我国中国汽车技术研究中心有限公司、浙江大学、同济大学等国内单位专家参与，对法规的适用范围、储氢气瓶爆破压力等问题进行了系统研究，并作为重型车辆研究小组组长，牵头开展了重型车储氢气瓶组台车碰撞、储氢气瓶循环寿命以及温度驱动安全泄压装置（TPRD）释放方向等技术内容研讨。 8.车联网产业新版指南明确发展方向 2023年7月26日，工业和信息化部、国家标准化管理委员会联合印发《国家车联网产业标准体系建设指南（智能网联汽车）（2023版）》（以下简称：“新版指南”），指出第一阶段到2025年，系统形成能够支撑组合驾驶辅助和自动驾驶通用功能的智能网联汽车标准体系。第二阶段到2030年，全面形成能够支撑实现单车智能和网联赋能协同发展的智能网联汽车标准体系。并且，本次文件还从技术进步、产业发展、行业监管三方面提出了新要求，为智能网联汽车产业的健康发展提供了更多助力。 9、城市NOA兴起，车企打响百城战 “城市NOA”是指“城市级别的自动驾驶”，其中NOA是“Navigate on Autopilot”的缩写。Navigate on Autopilot功能是一种高级驾驶辅助系统，它允许车辆在高速公路上进行自动导航，包括自动变道、超车、选择最佳车道以及自动驶出高速公路等功能。而城市NOA则是指这一系统在城市道路上的应用，使得车辆能够更智能地在城市环境中进行自动驾驶。 10、车联网应用深化，驱动智联车发展 全国汽车标准化技术委员会智能网联分委会组织基于网联技术的辅助驾驶标准研究，确定了3类应用场景，并从整车角度规定哪些应用功能是用网联技术实现的，车辆应该何时预警才能在准确的时间起到关键的作用。3类应用场景包括路口碰撞预警系统（交叉路口碰撞预警、左转辅助、车辆汇入等）、车辆状态安全提醒系统（异常车辆提醒、车辆失控提醒、紧急制动提醒等）、路侧信息提醒系统（闯红灯预警、限速预警、道路施工提醒、急转弯提醒、道路危险状况提醒、天气提醒等）。在T/CSAE157-2020、YD/T3977-2020等Day II标准基础上，中国汽车工程协会及IMT2020 V2X工作组组织对各类协同驾驶场景进行更细致的研究，从信息交互角度通过总结归类和拆分等方式划分为5大类应用场景并进行深化，目前第1-2部分场景标准已启动。其中第1部分：意图共享与协作；第2部分：感知数据共享；第3部分：管理与优先；第4部分：高级信息服务；第5部分：弱势交通参与者。 车联网赋能高等级自动驾驶车辆，将解决自动驾驶安全性与ODD问题，支撑混行环境下的自动驾驶落地，并且能针对特定工况和特定场景下高等级自动驾驶发挥更大的价值。例如在AVP场景下，面临一些可能导致行人伤亡的特殊极端场景，在这些场景中，AVP车辆首先应当避免与行人发生碰撞，如无法避免发生碰撞，应当尽可能的减少碰撞对行人造成的伤害。例如，行人从遮挡物后快速冲出、遇到身高＜80cm的行人、遮挡物后出现静止行人等特殊极端场景下，车联网将发挥重要价值。 2023年，多家车企接连公布百城计划，其中，理想汽车宣称已在全国110个城市陆续开放了全场景智能驾驶；小鹏汽车宣布，其在城市导航辅助驾驶领域的开城数量已位居行业首位；极氪汽车在年底实现了17城的开放；智己汽车则在9月开启去高精地图NOA公测，并预计在2024年覆盖全国100+城市。 城市NOA可能需要更高级的感知、决策和控制系统，以适应城市道路上更为复杂的交通状况、路标、交叉口等情境，这势必会涉及到车辆与周边车辆、行人以及道路基础设施的通信。这样的技术将帮助车辆更安全、高效地在城市环境中行驶，减轻驾驶者的负担。

由于传感器的成本从 15 美元到 1000 美元不等，汽车制造商开始质疑，要让汽车至少在部分时间内实现完全自动驾驶，需要多少个传感器。 这些传感器用于收集周围环境的数据，包括图像、激光雷达、雷达、超声波和热传感器。一种传感器是不够的，因为每种传感器都有其局限性。这是传感器融合背后的关键驱动力，它结合了多种类型的传感器，以实现安全的自动驾驶。 所有 2 级或更高级别的车辆都依靠传感器“看到”周围环境并执行车道居中、自适应巡航控制、紧急制动和盲点警告等任务。到目前为止， OEM 正在采用截然不同的设计和部署方法。 2022 年 5 月，梅赛德斯 - 奔驰在德国推出了第一款能够进行 3 级自动驾驶的汽车。 3 级自动驾驶是 S 级和 EQS 的一个选项，计划于 2024 年在美国推出。据该公司称，建立在驾驶辅助包（雷达和摄像头）基础上的 DRIVE PILOT 添加了新的传感器，包括激光雷达、前窗的高级立体摄像头和后窗的多功能摄像头。前驾驶室还增加了麦克风（特别是用于检测紧急车辆）和湿度传感器。总共安装了 30 个传感器来捕获安全自动驾驶所需的数据。 特斯拉走的是一条不同的道路。 2021 年，特斯拉宣布其 Tesla Vision 纯摄像头自动驾驶技术战略将在 Model 3 和 Model Y 上实施，随后在 2022 年在 Model S 和 Model X 上实施。该公司还决定取消超声波传感器。 传感器限制 当今自动驾驶设计面临的挑战之一是不同传感器的限制。为了实现安全的自动驾驶，可能需要传感器融合。关键问题不仅是传感器的数量、类型和部署位置，还包括 AI/ML 技术应如何与传感器交互以分析数据以做出最佳驾驶决策。 为了克服传感器的限制，可能需要将多个传感器融合在一起，以实现自动驾驶的最佳性能和安全性。 “自动驾驶广泛使用人工智能技术，” Rambus 安全 IP 技术产品经理 Thierry Kouthon 表示 . “自动驾驶，甚至是入门级的 ADAS 功能，都要求车辆表现出与人类驾驶员相当或更好的环境意识水平。首先，车辆必须识别其他车辆、行人和路边基础设施，并确定它们的正确位置。这需要 AI 深度学习技术能够很好地解决的模式识别功能。视觉模式识别是车辆密集使用的高级深度学习领域。此外，车辆必须能够始终计算其最佳轨迹和速度。这需要 AI 也能很好地解决的路线规划能力。这样，激光雷达和雷达就可以提供正确重建车辆环境所必需的距离信息。” 传感器融合，结合来自不同传感器的信息以更好地了解车辆环境，仍然是一个活跃的研究领域。 “每种类型的传感器都有局限性，” Kouthon 说。“相机非常适合物体识别，但提供的距离信息很差，而且图像处理需要大量的计算资源。相比之下，激光雷达和雷达提供出色的距离信息，但清晰度较差。此外，激光雷达在恶劣的天气条件下效果不佳。” 我们真正需要多少个传感器？ 对于自动驾驶系统需要多少传感器的问题，没有简单的答案。原始设备制造商目前正试图解决这个问题。这里的其他考虑因素包括卡车在开阔的道路上行驶和城市机器人出租车有非常不同的需求。 “这是一项艰巨的计算，因为每个汽车原始设备制造商都有自己的架构，通过提供更好的空间定位、更长的距离和更高的可见度以及识别和分类物体然后区分各种物体的能力来保护车辆，” Cadence 的 Tensilica Vision 、雷达和激光雷达 DSP 产品管理和营销总监 Amit Kumar 说。“这还取决于汽车制造商决定启用何种级别的自动驾驶（例如，提供广度）。简而言之，要实现部分自动驾驶，传感器的最小数量可以是 4 到 8 个各种类型。为了完全自动驾驶，今天使用了 12 个以上的传感器。” Kumar 指出，在特斯拉的案例中，有 20 个传感器（ 8 个摄像头传感器加上 12 个 3 级或以下的超声波传感器），没有激光雷达或雷达。“该公司坚信计算机视觉，其传感器套件适用于 L3 Autonomy 。媒体报道说，特斯拉可能会引入雷达来改进自动驾驶。” Zoox 实施了四个激光雷达传感器，以及摄像头和雷达传感器的组合。这是一辆完全无人驾驶的车辆，车内没有驾驶员，目标是在地图清晰、易于理解的路线上行驶。商业部署尚未开始，但很快就会有一个有限的用例（不像乘用车那么广泛）。 Nuro 的自动驾驶送货车，审美不是那么重要，它使用了一个 360 度摄像头系统，有四个传感器，加上一个 360 度激光雷达传感器，四个雷达传感器，再加上超声波传感器。 实施这些系统没有简单的公式。 Synopsys 汽车软件与安全高级经理 Chris Clark 表示：“您需要的传感器数量是组织可接受的风险水平，并且还取决于应用程序” ' 。“如果你正在开发机器人出租车，他们不仅需要用于道路安全的传感器，还需要车内的传感器来监控乘客在车内的行为以确保乘客安全。在这种情况下，我们将处于人口稠密和城市密度高的地区，该地区具有相当独特的特征，而不是用于高速公路行驶的车辆，在高速公路上您有更长的距离和更大的反应空间。在高速公路上，侵入车道的可能性较小。我不认为有一个固定的规则，你必须拥有三种不同类型的传感器和三个不同的摄像头来覆盖所有自动驾驶汽车的不同角度。” 不过，有多少传感器将取决于该车辆将要解决的用例。 “在机器人出租车的例子中，必须使用激光雷达和普通摄像头，以及超声波或雷达，因为密度太大而无法处理，” Clark 说。“此外，我们需要包括一个用于 V2X 的传感器，流入车辆的数据将与车辆在周围环境中看到的数据保持一致。在公路卡车运输解决方案中，将使用不同类型的传感器。除非我们正在做类似团队合作的事情，否则超声波在高速公路上的用处不大，但这不是前瞻性传感器。相反，它可能是前视和后视传感器，这样我们就可以连接到所有团队资产。但激光雷达和雷达变得更加重要，因为卡车在高速公路上行驶时必须考虑距离和范围。” 另一个考虑因素是所需的分析级别。 “有这么多数据要处理，我们必须决定其中有多少数据是重要的，”他说。“这就是传感器的类型和功能变得有趣的地方。例如，如果激光雷达传感器可以在周期的早期进行本地分析，这将减少流回传感器融合以进行额外分析的数据量。减少数据量又会降低系统设计的总计算能力和成本。否则，车辆将需要以整合计算环境或专注于传感器网格化和分析的专用 ECU 的形式进行额外处理。” 成本始终是一个问题 传感器融合可能很昂贵。在早期，由多个单元组成的激光雷达系统的成本可能高达 80,000 美元。高成本来自设备中的机械部件。如今，成本要低得多，一些制造商预计在未来的某个时候，它可能会低至每件 200 到 300 美元。新兴的热传感器技术将在几千美元的范围内。总体而言，原始设备制造商将继续面临降低传感器部署总成本的压力。使用更多摄像头代替激光雷达系统将有助于原始设备制造商降低制造成本。 “在城市环境中，安全的基本定义是消除所有可避免的碰撞，” Siemens Digital Industries Software 混合和虚拟系统副总裁 David Fritz 说。所需的最小传感器数量取决于用例。一些人认为，在未来，智慧城市基础设施将变得更加复杂和无处不在，从而减少城市环境中对车载传感的需求。” 车对车通信也可能对传感器产生影响。 “在这里，机载传感器的数量可能会减少，但我们还没有做到这一点，” Fritz 观察到。“此外，在某些情况下， AV 必须假设所有外部信息由于电源故障或其他中断而变得不可用。因此，车辆始终需要配备一组传感器——不仅适用于城市地区，也适用于农村地区。我们一直致力于的许多设计都需要在车辆外部安装八个摄像头，在内部安装几个摄像头。前置两个摄像头，经过适当校准，我们可以实现低延迟、高分辨率立体视觉，提供物体的深度范围，从而减少对雷达的需求。我们在车辆的前部、后部和两侧都这样做，以获得完整的 360 ° 视角。” 当所有摄像头执行对象检测和分类时，关键信息将被传递到中央计算系统以做出控制决策。 “如果基础设施或其他车辆信息可用，它会与来自车载传感器的信息融合，以生成更全面的 3D 视图，从而做出更好的决策，” Fritz 说。“在车内，额外的摄像头用于监控驾驶员，还可以检测遗留物体等占用情况。可能添加一个低成本雷达来处理恶劣天气情况，例如有雾或下雨的情况，是传感器套件的高级补充。我们最近没有看到大量使用激光雷达。在某些情况下，激光雷达性能会受到回波和反射的影响。最初，自动驾驶原型严重依赖激光雷达数据的 GPU 处理，但最近更智能的架构越来越倾向于高分辨率， 优化传感器融合可能很复杂。您如何知道哪种组合能为您带来最佳性能？除了进行功能测试外，原始设备制造商还依赖 Ansys 和西门子等公司提供建模和仿真解决方案，以测试各种传感器组合的结果，以实现最佳性能。 增强技术影响未来的传感器设计 智能基础设施中的 V2X 、 5G 、高级数字地图和 GPS 等增强技术将实现自动驾驶，而车载传感器更少。但要让这些技术得到提升，自动驾驶需要整个汽车行业的支持，以及智慧城市的发展。 “各种增强技术服务于不同的目的，” Arteris IP 解决方案和业务开发副总裁 Frank Schirrmeister 指出。“开发人员通常会结合多个来创建安全便捷的用户体验。例如，用于路径规划的地图信息数字孪生可以在能见度有限的条件下创造更安全的体验，以增强基于传感器信息的车内本地决策。 V2V 和 V2X 信息可以补充车内本地可用的信息以做出安全决策，增加冗余并创建更多数据点以作为安全决策的基础。” 此外，车联网有望实现车辆与路边基础设施之间的实时协作，这需要超可靠低延迟通信 (URLLC) 等技术。 “这些需求导致各种人工智能技术在流量预测、 5G 资源分配、拥塞控制等方面的应用，” Kouthon 说。“换句话说，人工智能可以优化和减少自动驾驶对网络基础设施造成的沉重负担。我们希望原始设备制造商使用软件定义的车辆架构构建自动驾驶汽车，其中 ECU 被虚拟化并通过无线方式更新。数字双胞胎技术对于在非常接近真实车辆的车辆云模拟上测试软件和更新至关重要。” 结论 最终实施时， 3 级自动驾驶可能需要 30 多个传感器或十几个摄像头，具体取决于 OEM 的架构。但关于哪个更安全，或者自动驾驶传感器系统是否能在城市环境中提供与在高速公路上驾驶相同水平的安全驾驶，尚无定论。 随着未来几年传感器成本的下降，它可能会打开新传感器的大门，这些传感器可以添加到组合中以提高恶劣天气下的安全性。但是，原始设备制造商可能需要很长时间才能对一定数量的传感器进行标准化，这些传感器被认为足以确保在所有条件和极端情况下的安全性。 关注公众号“优特美尔商城”，获取更多电子元器件知识、电路讲解、型号资料、电子资讯，欢迎留言讨论。