当我还是个自命不凡的年轻人时，自动驾驶汽车的概念只是科幻小说里的东西。尽管从很久以前起，许多人已经从桥下走过，尽管我们仍然没有完全自动驾驶汽车(AVs)，但我很高兴地告诉大家，我们正在慢慢地实现这一目标。
我知道很多人没有卡车(没有双关语)与自动驾驶汽车。一些人担心它们会比人类控制的车辆更危险。对于这些反对者，我会回答:“你最近在阿拉巴马州开车吗?”(更别提我还在其他地方体验过人工控制交通工具的刺激，比如法国巴黎、意大利罗马和印度班加罗尔，仅举三个例子)。其他人相信没有电脑能比人开得更好。再一次，我的回答是，让他们看看生活在这样一个州的乐趣，在这个州，一百个人中只有一个人隐约知道汽车是有指示灯的，更不用说屈尊使用它们了。
对我来说，自动驾驶汽车关乎安全、效率和时间。一旦所有车辆都完全自动化，我相信受伤和死亡的总人数将大幅下降。就效率而言，我曾看到过一些研究预测，一旦汽车之间可以实时通信，同一条道路上可以共用的汽车数量将是现在的两倍。这怎么可能呢?举个例子，我们现在认为是双车道的道路在未来可能变成三车道的道路。在这种情况下，三条车道中的两条可用于上午进入大都市的交通，三条车道中的两条可用于晚上离开城市的交通。此外，车辆可以靠得更近，所有在停车标志前等待的车辆(如果我们仍然有停车标志的话)可以同时开始移动，而不是像目前的毛毛虫一样，在人类反应时间引起的短暂延迟后，下一辆车开始移动，以此类推。我并不是说我们迫切需要将世界上的汽车总数增加一倍，你明白，只是说自动驾驶技术可以极大地增加拥挤的城市街道上的交通流量。
然后我们谈到时间这个话题，随着年龄的增长，时间对我来说越来越珍贵。一方面，与许多人相比，我不会花大量的时间在路上。除了偶尔去很远的地方自驾游，我大部分的开车时间都花在了家和办公室之间。当学校放假，交通不繁忙的时候，比如在联邦假日，早上开车到我的办公室只需要20分钟左右，晚上回家也需要20分钟。即使在糟糕的一天，每次旅行也很少超过30分钟。另一方面，这相当于每个工作日有40到60分钟的时间，我可以更好地把这些时间用来做其他事情，比如阅读关于自动驾驶汽车出现之前绝望岁月的历史书籍。
说实话，我担心我被闪亮传感器的承诺引入了歧途。如今的汽车都安装了一系列传感器，包括摄像头、激光雷达和雷达，每个传感器都有自己的作用。例如，摄像头可以用来探测和识别像标志和交通灯这样的东西，激光雷达可以用来探测小物体并创建3D模型，而雷达可以用来“看穿”雾和雪。就激光雷达而言，老式的飞行时间(TOF)传感器似乎很快就会被下一代调频连续波(FMCW)设备取代，后者可以提供每像素的瞬时运动/速度信息让机器拥有超感官)．采用传感器融合可以获得最好的结果，这是指将来自不同来源的传感器数据结合起来的过程，这样得到的信息比单独使用这些来源时的不确定性更小。
我之所以说“我担心我被闪闪发光的传感器的承诺所误导”，是因为我一直被机器感知方面的事情所迷惑和欺骗，人工智能(AI)和机器学习(ML)利用传感器数据来执行物体检测和识别等任务。最近，我开始意识到那台机器感知仅仅是谜题的一部分，而没有理解(理解被感知的东西)和预测(预测未来潜在事件概率的能力)。
我说这些是什么意思?好吧，假设你和我碰巧一起去郊游，开车沿着郊区的街道行驶，路边停着汽车。现在假设一个足球突然出现，从两辆车之间滚到路上。我想可以有把握地说，我们俩都能预测到这样一种可能性:舞会上很快就会有一个小男孩或小女孩加入到街上去。这就是理解和预测部分或问题开始的地方。如果你认为执行目标检测和识别所需的计算是极端的，那么我只能说“你还什么都没看到”。
自动驾驶(AD)的六个级别可以概括为:0级(无驾驶自动化;“一切开启”)，一级(驾驶辅助，如巡航控制;2级(部分自动驾驶，如控制转向和速度，但有一个人随时准备接管);第3级(有条件的自动驾驶，车辆可以做出超车等决定，但仍然需要有人来重新控制;4级(高度自动化驾驶，车辆在大多数情况下不需要人工干预;第5级(完全自动驾驶，车辆没有方向盘等任何人为控制，“司机”可以在旅途中睡觉;“忘掉”)。
那么，是什么阻止了我们进入广告天堂呢?我只是在和那些聪明的小伙子们聊天VSORA(我渴望拥有一辆像他们主页上描绘的那样的车)。除了更好的传感器和更复杂的AI和ML算法……简而言之……长话短说……市场目前提供的和市场实际需要的之间的差距在很大程度上是由于所需的计算能力。
市场所提供的和市场所需要的之间的差距
(图片来源:VSORA)
为了弥补这一差距，VSORA最近宣布了他们的Tyr家族petaflop计算辅助芯片，用于加速L3到L5级自动驾驶汽车的设计。Tyr每秒可执行数万亿次操作，而功耗仅为10瓦，使用户能够实现以前在商业上不可行的自动驾驶功能。
目前该家族有三个成员:Tyr1 (64K AI mac + 1024个DSP alu = 260万亿次浮点运算)，Tyr2 (128K AI mac + 2048个DSP alu = 520万亿次浮点运算)和Tyr3 (256K AI mac + 4096个DSP alu = 1040万亿次浮点运算)。Tyr设备被设计为主机处理器的配套平台，与算法和处理器无关，完全可编程，完全可扩展(它们可以运行相同的代码)。它们采用IEEE754浮点计算来提高精度，并提供一个GDDR6内存接口用于可选的本地数据存储，以及一个PCIe接口用于连接传感器和主机。
VSORA Tyr可编程架构紧密结合DSP核心和ML加速器进行设计
L3至L5级自动驾驶车辆(图片来源:VSORA)
为了让我们对Tyr的计算能力有一些了解，Tyr3拥有1040万亿次浮点运算的计算能力，可以在不到5毫秒(毫秒秒)的时间内使用1600万个粒子处理800万个细胞粒子过滤器。使用Yolo-v3的全高清(FHD)图像所需时间小于1.6 msec，从而实现每秒625张图像的吞吐量。一!
您是否参与开发下一代ADAS和AD系统?如果是这样，我被告知VSORA的Tyr1、Tyr2和Tyr3设备将在2022年第四季度进行抽样，并将在2024年上市(我还被告知，价格可根据要求提供)。我不知道你怎么想，但就我个人而言，我正变得越来越乐观——在不远的将来——我将能够在上下班途中享受一本优秀的科幻小说，而我的AV则负责驾驶。你说呢?你有什么想法想和我们分享吗?
