移動(dòng)即服務(wù)(MaaS)被認(rèn)為是智能移動(dòng)的一個(gè)關(guān)鍵要素，而機(jī)器人汽車(chē)技術(shù)將是智能移動(dòng)的一個(gè)重要因素，它又高度依賴(lài)于嵌入式傳感器。
根據(jù)市場(chǎng)研究和戰(zhàn)略咨詢(xún)公司Yole development pement (Yole)的預(yù)測(cè)，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(chǎng)正在進(jìn)行的市場(chǎng)顛覆的中心，用于機(jī)器人車(chē)輛的傳感器將成為它們自己的產(chǎn)業(yè)，在未來(lái)15年內(nèi)，CAGR將達(dá)到51%。在一份名為《機(jī)器人移動(dòng)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(wàn)輛機(jī)器人汽車(chē)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(wàn)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(wàn)美元的GNSS設(shè)備。不同的傳感器模式之間的分歧在未來(lái)15年可能不會(huì)保持不變。在Yole看來(lái)，智能交通的發(fā)展面臨哪些挑戰(zhàn)呢?報(bào)告稱(chēng)，目前的交通方式正面臨五大限制。
第一個(gè)問(wèn)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(chē)不再像過(guò)去那樣是解決交通問(wèn)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(chǎng)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(dòng)行業(yè)必須去適應(yīng)，對(duì)一些人來(lái)說(shuō)，這將是一個(gè)巨大的機(jī)會(huì)?！霸谶@方面，機(jī)器人的靈活性顯然符合所有的標(biāo)準(zhǔn)。無(wú)論是機(jī)器人汽車(chē)、航天飛機(jī)還是電動(dòng)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(dòng)方式不會(huì)消失，就像電影仍然存在，而電視被大規(guī)模部署。不管反對(duì)者怎么說(shuō)，機(jī)器人汽車(chē)技術(shù)將在2032年之前為Netflix提供移動(dòng)服務(wù)。”
他補(bǔ)充到:“我們的街道和城市正面臨混亂的情況。多年來(lái)，機(jī)動(dòng)性定義了人類(lèi)組織社會(huì)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(chǎng)預(yù)計(jì)將在未來(lái)10年內(nèi)達(dá)到2.4萬(wàn)億美元的價(jià)值，谷歌、百度、亞馬遜和優(yōu)步是熱門(mén)公司。加上個(gè)人擁有的自動(dòng)駕駛汽車(chē)的銷(xiāo)售將產(chǎn)生1.1萬(wàn)億美元的額外收入，到2032年，自動(dòng)駕駛的附加價(jià)值將達(dá)到3.5萬(wàn)億美元。
Yole表示，機(jī)器人汽車(chē)不關(guān)注成本和長(zhǎng)期可靠性問(wèn)題，而這是其他汽車(chē)主要關(guān)注的問(wèn)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(lái)了有限的增長(zhǎng)，這與Yole所說(shuō)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(zhǎng)將遠(yuǎn)遠(yuǎn)慢于機(jī)器人車(chē)載計(jì)算機(jī)的性能。
解決數(shù)據(jù)稀疏問(wèn)題的方法是讓機(jī)器人專(zhuān)家使用“更好的”數(shù)據(jù)，即傳感器，它會(huì)帶來(lái)其他類(lèi)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(jí)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(jí)GNSS設(shè)備和IMU，以及最近出現(xiàn)的熱紅外相機(jī)。視覺(jué)和視覺(jué)智能市場(chǎng)繼續(xù)快速發(fā)展，有一些引人注目的技術(shù)趨勢(shì)正在發(fā)生，預(yù)計(jì)它們將推動(dòng)多年以來(lái)的下一個(gè)大規(guī)模增長(zhǎng)。
3D相機(jī)和3D感測(cè)：3D相機(jī)或更一般的3D感測(cè)技術(shù)允許場(chǎng)景中深度計(jì)算和場(chǎng)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(shí)別中也有應(yīng)用。此外，機(jī)器人、無(wú)人機(jī)和帶有3D攝像頭的自動(dòng)駕駛汽車(chē)可以識(shí)別物體的形狀和大小，用于導(dǎo)航，繪圖和障礙物探測(cè)。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(zhǎng)，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(duì)開(kāi)放源代碼的貢獻(xiàn)。這反過(guò)來(lái)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(duì)于機(jī)器人、自動(dòng)駕駛汽車(chē)和無(wú)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(chǔ)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(cè)繪(SLAM)在汽車(chē)、機(jī)器人、無(wú)人機(jī)中的應(yīng)用：同步定位和測(cè)繪(SLAM)是自動(dòng)駕駛車(chē)輛、機(jī)器人和無(wú)人機(jī)的關(guān)鍵部件，這些車(chē)輛、機(jī)器人和無(wú)人機(jī)配備有各種類(lèi)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(guó)劍橋開(kāi)設(shè)全息透鏡計(jì)算視覺(jué)研究中心。
安全/監(jiān)視：本文并不關(guān)注這個(gè)傳統(tǒng)視頻和視頻分析占主導(dǎo)地位的領(lǐng)域。這本身就是一個(gè)很大的市場(chǎng)?；谑謾C(jī)和嵌入式設(shè)備的生物認(rèn)證：生物認(rèn)證可以觸發(fā)下一代移動(dòng)應(yīng)用程序，再次是攝像頭傳感器，結(jié)合邊緣和云上的視頻分析，觸發(fā)這一趨勢(shì)。隨著技術(shù)的成熟，它將擴(kuò)展到各種嵌入式設(shè)備。
（來(lái)源：機(jī)經(jīng)網(wǎng)）
