移動即服務(wù)（MaaS）被認(rèn)為是智能移動的一個(gè)關(guān)鍵要素，而機(jī)器人汽車技術(shù)將是智能移動的一個(gè)重要因素，它又高度依賴于嵌入式傳感器。

根據(jù)市場研究和戰(zhàn)略咨詢公司Yole development pement （Yole）的預(yù)測，在這種情況下，高端傳感器技術(shù)和原始計(jì)算能力將成為這場正在進(jìn)行的市場顛覆的中心，用于機(jī)器人車輛的傳感器將成為它們自己的產(chǎn)業(yè)，在未來15年內(nèi)，CAGR將達(dá)到51%。在一份名為《機(jī)器人移動傳感器2020》的新報(bào)告中表示，到2024年，傳感器預(yù)計(jì)將產(chǎn)生9億美元的收入，到2028年將達(dá)到34億美元， 2032年將達(dá)到170億美元，屆時(shí)將有100萬輛機(jī)器人汽車在我們的街道上行駛。

2024年傳感器的收入分為4億美元的激光雷達(dá)，6000萬美元的雷達(dá)，1.6億美元的相機(jī)，2.3億美元的IMU和2000萬美元的GNSS設(shè)備。不同的傳感器模式之間的分歧在未來15年可能不會保持不變。在Yole看來，智能交通的發(fā)展面臨哪些挑戰(zhàn)呢？報(bào)告稱，目前的交通方式正面臨五大限制。

第一個(gè)問題涉及最脆弱的形式，即行人安全正在惡化。第二，在人們現(xiàn)在生活的主要城市，公共交通在效率和成本方面面臨挑戰(zhàn)。第三，汽車不再像過去那樣是解決交通問題的好辦法。擁堵和擁有成本正在削弱這一選擇。第四，航空運(yùn)輸目前正在快速擴(kuò)張，但由于城市到機(jī)場的連接仍然很差，旅行仍然很困難。第五，由于所有現(xiàn)有的交通工具造成的二氧化碳排放使得緊急改變變得至關(guān)重要。監(jiān)管者和消費(fèi)者都愿意在自上而下和自下而上的方式上做出改變。

Yole首席分析師Pierre Cambou表示，移動行業(yè)必須去適應(yīng)，對一些人來說，這將是一個(gè)巨大的機(jī)會。“在這方面，機(jī)器人的靈活性顯然符合所有的標(biāo)準(zhǔn)。無論是機(jī)器人汽車、航天飛機(jī)還是電動VTOL飛機(jī)，所有這些新模式的結(jié)合將提供從城市到郊區(qū)、從城市到城市的“MaaS”。以前的移動方式不會消失，就像電影仍然存在，而電視被大規(guī)模部署。不管反對者怎么說，機(jī)器人汽車技術(shù)將在2032年之前為Netflix提供移動服務(wù)?！?/p>

他補(bǔ)充到：“我們的街道和城市正面臨混亂的情況。多年來，機(jī)動性定義了人類組織社會的方式，我們的世界目前正圍繞新一代機(jī)器人交通工具重新構(gòu)想?！癕aaS市場預(yù)計(jì)將在未來10年內(nèi)達(dá)到2.4萬億美元的價(jià)值，谷歌、百度、亞馬遜和優(yōu)步是熱門公司。加上個(gè)人擁有的自動駕駛汽車的銷售將產(chǎn)生1.1萬億美元的額外收入，到2032年，自動駕駛的附加價(jià)值將達(dá)到3.5萬億美元。

Yole表示，機(jī)器人汽車不關(guān)注成本和長期可靠性問題，而這是其他汽車主要關(guān)注的問題。所有重要的是傳感器套件的即時(shí)可用性、性能和可支持性。機(jī)器人傳感器的數(shù)據(jù)流受到下游計(jì)算能力的限制。前幾代機(jī)器人的速度是每秒幾百TOPS，而最新的機(jī)器人速度是每秒1000次。這在傳感器數(shù)據(jù)流方面帶來了有限的增長，這與Yole所說的“摩爾定律之外”有關(guān)。所需的計(jì)算能力隨數(shù)據(jù)流輸入的平方而增加。傳感攝像頭、雷達(dá)和激光雷達(dá)的數(shù)量增長將遠(yuǎn)遠(yuǎn)慢于機(jī)器人車載計(jì)算機(jī)的性能。

解決數(shù)據(jù)稀疏問題的方法是讓機(jī)器人專家使用“更好的”數(shù)據(jù)，即傳感器，它會帶來其他類型的信息。信息的質(zhì)量提高了，而不是數(shù)量。除了工業(yè)級相機(jī)和雷達(dá)外，它們還大量使用3D傳感l(wèi)idars、導(dǎo)航級GNSS設(shè)備和IMU，以及最近出現(xiàn)的熱紅外相機(jī)。視覺和視覺智能市場繼續(xù)快速發(fā)展，有一些引人注目的技術(shù)趨勢正在發(fā)生，預(yù)計(jì)它們將推動多年以來的下一個(gè)大規(guī)模增長。

3D相機(jī)和3D感測：3D相機(jī)或更一般的3D感測技術(shù)允許場景中深度計(jì)算和場景3D地圖的構(gòu)建。這項(xiàng)技術(shù)已經(jīng)存在一段時(shí)間了，在微軟的Kinect等游戲設(shè)備中已經(jīng)普遍應(yīng)用，最近在iPhoneX生物特征識別中也有應(yīng)用。此外，機(jī)器人、無人機(jī)和帶有3D攝像頭的自動駕駛汽車可以識別物體的形狀和大小，用于導(dǎo)航，繪圖和障礙物探測。同樣，3D相機(jī)和立體相機(jī)是增強(qiáng)、虛擬和混合現(xiàn)實(shí)的支柱。

邊緣和云中的深度學(xué)習(xí)：基于神經(jīng)網(wǎng)絡(luò)的人工智能已經(jīng)風(fēng)靡全球，而今天可用的計(jì)算能力又使得深度學(xué)習(xí)成為可能。還有其他因素促成了神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中的增長，包括大學(xué)和大型公司用于培訓(xùn)和尖端研發(fā)的大量數(shù)據(jù)（視頻、照片、文本），以及它們對開放源代碼的貢獻(xiàn)。這反過來又引發(fā)了神經(jīng)網(wǎng)絡(luò)的很多實(shí)際應(yīng)用。事實(shí)上，對于機(jī)器人、自動駕駛汽車和無人機(jī)，在邊緣的GPU/SoCs上運(yùn)行深度學(xué)習(xí)推理已經(jīng)成為常態(tài)。云將繼續(xù)用于訓(xùn)練深度學(xué)習(xí)以及離線存儲數(shù)據(jù)的視頻處理，只要網(wǎng)絡(luò)延遲和視頻管道延遲被認(rèn)為是可接受，邊緣和云之間的分離架構(gòu)處理也是可能的。

同步定位和測繪（SLAM）在汽車、機(jī)器人、無人機(jī)中的應(yīng)用：同步定位和測繪（SLAM）是自動駕駛車輛、機(jī)器人和無人機(jī)的關(guān)鍵部件，這些車輛、機(jī)器人和無人機(jī)配備有各種類型的攝像頭和傳感器，例如雷達(dá)、激光雷達(dá)、超聲波等。AR/VR與感知計(jì)算：想想微軟全息透鏡HaloLink，后面是什么？六個(gè)帶有深度傳感器組合的攝像頭。微軟甚至宣布在英國劍橋開設(shè)全息透鏡計(jì)算視覺研究中心。
責(zé)任編輯：YYX