自動駕駛汽車(AV)的發(fā)展并不一定需要人工智能或深度學習。簡單地說，不是所有的AV都需要AI驅動。然而，深度學習的快速進步和準確性的提高，吸引了尋求改進其高度自動化工具的開發(fā)人員。
但是仍然存在一些驗證人工智能驅動的AV安全性的困難。安全研究人員擔心深度學習的“黑箱”性質，這只是眾多棘手問題的一個。目前還不確定AV設計者是否能夠驗證一個持續(xù)學習的AI系統或者功能，一旦部署在車內的專用硬件上，其表現是否會與在更強大的計算機系統上開發(fā)和培訓時一樣，這仍是一個未知數。
盡管存在這些問題，自動駕駛AV和安全領域的專家都認識到人工智能的發(fā)展是不可避免的。
隨著UL 4600規(guī)范草案的發(fā)布，Edge Case Research的首席技術官Phil Koopman說到：“我們追求的是完全自主。”
UL 4600是目前保險商實驗室正在開發(fā)的用于評估自主產品的安全標準，它既不假設也不要求在AV中部署深度學習。但是，該標準涵蓋了對安全至關重要的應用程序中使用的任何機器學習和其他自治功能的驗證。
具備深度學習的汽車級軟件工具包
在此背景下，NXP半導體公司推出了eIQ自動深度學習工具包，使汽車AI應用開發(fā)性能提高30倍，并且能使客戶更快開發(fā)AI應用。
恩智浦半導體汽車人工智能戰(zhàn)略與伙伴關系主管Ali Osman Ors表示:“迄今開發(fā)的大多數深度學習框架和神經網絡都用于視覺、語音和自然語言等消費者應用上。”但它們不一定是在開發(fā)與性命攸關的應用程序時考慮的。
作為領先的汽車芯片供應商，NXP正在進一步改進其軟件工具包，使之符合汽車軟件性能改進和ASPICE能力等級評定。ASPICE是德國汽車制造商為改善軟件開發(fā)過程而制定的一套指導方針。
NXP表示， eIQ自動工具集專門為NXP的S32V234處理器設計，這將幫助AV開發(fā)人員優(yōu)化深度學習算法的嵌入式硬件開發(fā)，并加快推向市場的時間。
當被問及是否有類似的用于深度學習的自動評分工具包時，Ors說:“一些汽車原始設備制造商可能已經在內部設計了他們自己的工具。但據我所知，我還沒有見過其他汽車芯片供應商提供像我們這樣的汽車質量軟件工具包來進行深度學習。”
修剪、量化、壓縮
如今，我們對嵌入式系統的數據準備和訓練(學習)以及人工智能推理的過程有了很好的理解。
據說AV開發(fā)者在測試車輛行駛在公共道路上時，以每秒4Gb的速度收集數據。對如此龐大的數據進行清理和注釋并將其用于培訓數據上的代價非常昂貴。在某些情況下，光是數據標記處理本身
的開銷就會大大削弱AV初創(chuàng)公司。
但對AV設計師來說，同樣具有挑戰(zhàn)性的是如何讓優(yōu)化AI模型并將其部署在推理引擎上所涉及的艱巨任務中去。Ors解釋，NXP的工具加速了神經網絡的“量化、修剪和壓縮”過程。
首先，修剪意味著刪除神經網絡結構中存在的冗余連接，刪除不重要的權重。當然，新的“修剪”模型將會失去準確性。因此，模型必須在修剪后進行微調，以恢復其準確性。
接下來，量化創(chuàng)造了一個“高效的計算過程”，它涉及到通過集群或四舍五入來綁定權重，以便使用更少的內存來表示相同數量的連接。另一種常見的技術是通過舍入將浮點權值轉換為定點表示。與修剪一樣，模型在量化后必須進行微調。
AV設計師通過運行測試數據(深度學習系統之前沒有見過)來評估轉換模型的準確性，并進一步對模型進行微調。
分區(qū)負載
除此之外，eIQ Auto對工作負載進行分區(qū)，并為神經網絡的每個部分選擇最優(yōu)計算引擎。它加快了手工制作推理引擎的過程，因為該工具可以幫助AV設計師找出哪些任務在CPU、DSP或GPU中運行得最好。Ors解釋，由于eIQ Auto必須非常熟悉處理器內部的情況，所以它不能用于非NXP設備。
eIQ Auto除了提供模型優(yōu)化和使用工具(腳本、編譯器工具鏈)和運行庫(C/ c++、vector DSP、NEON)之外，還提供TensorFlow、ONNX、Caffe、Pytorch等培訓框架和模型格式的接口。
總之，該工具包幫助客戶快速從開發(fā)環(huán)境轉移到滿足嚴格的汽車標準的AI實現。
人工智能在AV中應用
如今，“視覺”是車內最流行的人工智能應用，它利用神經網絡對圖像上的物體進行分類。視覺還用于司機和機艙監(jiān)控、人臉識別和占用率檢測。
在汽車領域其他潛在的AI應用還有雷達。
未來的雷達有望使用神經網絡根據其圖像對道路使用者進行分類。然而，Ors指出，人工智能在雷達中的應用仍未得到發(fā)展。“由于使用雷達作為傳感器的相關規(guī)定，以及進入門檻會比較高?！八a充說：與CMOS圖像傳感器相比，雷達也很昂貴。這意味著雷達數據,不能輕易獲得，從而限制了可用的數據集。
人工智能也有望應用于數據融合，例如雷達視覺。但是，對于何時融合兩種感官數據，業(yè)界還沒有達成共識?！霸缙谌诤虾屯砥谌诤先栽跔幷撝?，”O(jiān)rs表示。
今天，大多數測試的AV都配備了耗電硬件，這對于大批量的汽車生產來說并不理想。NXP希望其新的eIQ工具包能夠使客戶“在具有最高安全性和可靠性的嵌入式處理器環(huán)境中”部署強大的神經網絡。