从Fusion Project看ADAS和无人驾驶汽车集成解决方案

人工智能（AI）和机器学习（ML）对于高级驾驶员辅助系统（ADAS）和自动驾驶汽车无处不在。这涉及越来越多的传感器，这些传感器产生大量需要实时处理的数据。除了模拟之外，还基于现场记录的数十亿字节数据来部署ML模型，但还需要更多以进一步完善和改进当前和未来车辆中的模型。

利用现场车辆和测试车辆是获取信息的方法，然后可以将其用于云中的AI训练。但是，如今的车辆每小时可生成的2TB数据量实在太大，因此减少发送到云的信息量至关重要。

空中（OTA）更新通过为这些车辆提供更新的模型来完成循环。这不是实时的周期，它会根据当前的输入自动进行更改，但是可以生成新的模型，然后将其认证并下载到车辆上。

这样的过程涉及许多硬件和软件组件。因此，Fusion Project（图1）已经启动，以使该循环更易于实现和维护。该项目最初的目标是智能车辆变道检测，但随着时间的推移，它将解决ADAS和自动驾驶车辆的各个方面。

Fusion Project的创建者包括Airbiquity，Cloudera，NXP，Teraki和Wind River。

最初的公司集团涵盖了循环中的所有基础：

Airbiquity：OTA管理软件
Cloudera：数据生命周期解决方案和云服务
恩智浦：车辆处理平台
Teraki：边缘数据AI
风河：智能系统平台软件

硬件和软件在循环中的集成正在进行中。开发人员还需要与公司单独合作-在设计中可以使用不同的解决方案。

当前的框架基于运行Wind River操作系统的NXP硬件上的数据获取支持以及Teraki的分析和压缩支持，有助于减少传送到云的信息量（图2）。Cloudera的云为从车辆获取数据以及运行软件进行进一步的分析和ML训练提供支持。Airbiquity的安全OTA更新通过提供更高效，更准确的更新模型来完善整个流程。

数据采集从运行Wind River操作系统（1）并具有Teraki的分析和压缩支持（2）的NXP硬件开始。大量减少的数据（3）被发送到Cloudera的云（4）。这用于完善ML模型，并通过Airbiquity的空中更新（5）将更新后的版本发送回车辆。

尽管循环很容易理解，但要使所有部分协同工作并不容易。这些公司拥有集成的系统，可以提供整体解决方案，但必须合并其他硬件和软件。同样，开发人员必须分别与每个公司合作，但要知道各个部分可以协同工作，并且已经在整体解决方案中进行了测试。

VSI Labs的创始人兼总裁，前Telematics Research Group的联合创始人Phil Magney说：“汽车制造商在实施复杂技术方面面临不断的挑战，例如先进的ADAS和自动驾驶汽车功能的下一阶段所必需的技术。下一代数据管理技术栈有许多方面，它们可以不断改进和部署AI机器学习模型，因此汽车制造商需要像The Fusion Project创建的那样，利用跨领域关键技术的车对云解决方案。”

汽车的复杂性不断加剧，因此集成系统已成为在汽车领域提供解决方案的主要部分。充分利用这些集成可以大大缩短产品上市时间并降低总体成本。