2022年3月1日，一家名為NPS（Neural Propulsion System）的自動駕駛技術和傳感平台初創公司發布了一份白皮書，讨論了新的框架和方法，使有或沒有人類監督的車輛能夠及早作出反應并看得足夠清晰，以消除緻命交通事故。該白皮書的作者分别是：

• Behrooz Rezvani博士：NPS的CEO和創始人。Rezvani博士以前曾創辦過一些主要針對電信業的公司，包括Ikanos（被高通收購）和Quantenna（被安森美收購）。
• Babak Hassibi：NPS的聯合創始人和CTO。Babak教授也是加州理工學院（Caltech）Mose and Lillian S. Bohn電氣工程的首任教授，從2001年起就在那裡任職。
• Lawrence Burns：前通用汽車研發與規劃VP。他為各組織提供有關未來移動出行、物流、創新、制造和能源的建議，他為谷歌/Waymo進行了十多年的咨詢。

NPS是誰？

NPS是2017年成立的自動駕駛汽車和傳感技術初創公司，總部位于加州的Pleasanton。該公司聲稱擁有一種特殊的傳感技術，并設計了一種SoC，在一種稱之為Atomic Norm的新數學框架方法的幫助下，可以實現約100 TBPS的傳感器數據處理速率。

NPS AtomicSense™平台

AtomicSense平台是該公司首款專為自動駕駛解決方案打造的多模傳感器系統，解決了每個傳感系統物理學的限制。該平台于2021年2月首次推出，此後已經進行了廣泛的原型測試，計劃在今年晚些時候為客戶提供A樣，公司的目标是在2024年第四季度前發布該平台。AtomicSense平台增強并結合了激光雷達、雷達和攝像頭的優勢，創建了一個利用每種技術能力的系統，同時可以消除以下弱點：

• 攝像頭：可提供高分辨率的圖像，但缺乏深度信息，并依賴于照明條件。
• 雷達：可非常精确地測量速度，但分辨率比激光雷達低，且容易受到其他雷達的幹擾。
• 激光雷達：可提供超精确的深度信息，但性能和可靠性在對抗性、某些天氣和光線條件下會下降，且容易被遮擋。

AtomicSense平台提供的一些主要功能如下：

• Atomic Norm算法：NPS專利的突破性算法利用了最近發現的數學框架Atomic Norm，根植于加州理工學院和麻省理工學院。與競争算法相比，它提供了更高的分辨率、精度、可靠性，和更多的目标。AtomicSense處理算法（ASPA）所需的能量相比目前的激光雷達和雷達少50倍。ASPA的性能接近于數學上可能的信息理論極限。
• 激光雷達：NPS在激光雷達上使用了一種叫做Solid-State MIMO™的技術。這種激光雷達結構是全球第一個獲得專利的長距激光雷達。它通過超分辨率和自适應多波束搜索，将射程擴大到500m以上。
• 雷達：新型的超分辨率SWAM™雷達技術，探測可靠性提高了10倍。同時，多波段360FoV，抵禦其他雷達信号幹擾的能力提高了70倍。該雷達專利可以穿透物體并周圍。
• 軟件：NPS使用AI融合技術來看清周圍環境，為自動駕駛平台的導航創建體素地圖（voxel mapping）和場景創建，以及感知、導航和決策。
• 芯片：采用AtomicSense平台，在緊密連接的定制信号處理芯片網絡上進行620 TBPS的傳感器數據處理。

NPS新出版的白皮書NPS今年發布的白皮書總結到，為了實現零死亡，在傳感和處理方面，需要每秒100*1012 BPS（100 TBPS）的峰值數據速率，以便車輛在最惡劣的道路條件下安全運行。這一巨大的需求比從人眼到大腦的感知數據率要大1000萬倍。白皮書還表示，通過結合分析、先進的多波段雷達、固态激光雷達和先進的SoC技術，可以完成100 TBPS的傳感和處理。這種方法将使開發ADAS和完全自動駕駛系統的公司加快進展。NPS于2021年12月在北加州的一個機場實現了道路零死亡所需的核心傳感器元素的試點規模概念驗證。這是在Atomic Norm的幫助下實現的，這是一個最近發現的數學框架，從根本上改變了傳感器數據的處理和理解方式。Atomic Norm是在加州理工學院和麻省理工學院開發的，并由NPS專門為自動駕駛進一步進行開發。

Atomic Norm

Atomic Norm（AN）是一個數學框架，當它與先進的傳感器和SoC技術相結合時，可以解決場景重建的大量數據率要求，并使有或沒有人類監督的車輛有足夠的感知，以消除交通緻命事故。這種新方法基于2000年代初在加州理工學院、加州大學洛杉矶分校和斯坦福大學開發的壓縮傳感框架，該框架起初用于改善MRI（Magnetic Resonance Imaging），并由加州理工學院和麻省理工學院的研究人員在2012年首次發表。壓縮傳感減少了保持一定性能水平所需的測量次數。

AtomicSense和體素場景創建

AtomicSense平台基于Atomic Norm數學框架。有了它，就能創造出一種處理高速數據的算法，稱為AtomicSense處理算法或ASPA。ASPA的優點之一是NPS不需要用窄光束對場景進行物理掃描。相反，它使用更寬的光束和更好的計算方法，使覆蓋體積中的每個體素（voxel）都能被單獨詢問。

體素是三維盒子或立方體的另一個詞。世界被劃分為三維立方體（可以想象成棋盤，但卻是三維的），車輛會報告說這個立方體中有看起來是固體的東西，或者這個立方體基本上是空的。

一些想法

當涉及到先進的傳感器融合和數據融合技術時，Atomic Norm這種新的數學方法和對大量數據速率的解析可能是有用的。然而，更高水平的AI、标注和繪圖可能需要更好更準确的決策任務。

100TBPS的數據解析量确實是一個令人印象深刻的數字，這些大量的數據将在邊緣進行處理，與雷達和激光雷達傳感器位于一起。高精度檢測到的非空的體素（約0.1-1%）将被傳遞給下遊。

考慮到汽車以太網隻有1GBPS，人們會認為AI/軟件、機器學習和深度學習解決方案和邊緣處理已經足夠。除了以太網電纜，可能還需要一個更強大的連接，以實現NPS所追求的數據速率。NPS認為，數據解析需要在傳感器和邊緣上實時進行。

然而令人印象深刻的是，NPS為躲避物體、制圖和導航而創建體素場景的方法，體素導航和繪圖并不新鮮。Voxelmaps和NPS的解決方案之間的主要區别是，NPS在他們的解決方案中加入了他們專有的SWARM多波段雷達。

早在2017年，一家名為Voxelmaps的初創公司，推出了體素繪圖技術，以創建高精地圖。體素地圖解決方案旨在開發一個地球的3D模型，精度為10厘米，具有完整的攝影和語義細節。Voxelmaps和NPS的解決方案之間唯一的主要區别是，Voxelmaps正在使用激光雷達和高清攝像頭。相反，NPS使用的是一個更昂貴的解決方案，包括高清攝像頭、雷達和激光雷達。

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部