為駕駛模式開發(fā)AI！TinyML如何改變駕駛條件檢測領(lǐng)域的面貌

根據(jù)最新研究，駕駛模式可能成為汽車制造商尋求打造終極駕駛體驗的新契機。

在一份于2021年發(fā)表的論文中，研究人員表明，特定的駕駛模式可能會使電動汽車 (EV) 在高速公路上巡航時的電能消耗增加15%至30%。

根據(jù)J.D. Power于2023年進行的一項研究，消費者仍然受到續(xù)航焦慮的困擾，在理想情況下，將電池壽命提高約三分之一可能會顯著提高客戶滿意度。駕駛模式還可應(yīng)對濕滑、結(jié)冰或積雪等危險路況，支持更安全的駕駛。問題在于，在不同模式之間切換需要駕駛員手動選擇適當?shù)脑O(shè)置。 

駕駛模式真的太棒了！為什么它們不能是自動的呢？

本質(zhì)上，駕駛模式代表著各種動力傳動配置，這些配置旨在創(chuàng)造或強調(diào)特定的駕駛體驗。例如，通過修改轉(zhuǎn)向管柱的響應(yīng)、懸掛的靈活性或再生制動的激進性，系統(tǒng)將創(chuàng)造截然不同的駕駛體驗，從而專注于特定的目標。

傳統(tǒng)的Eco模式降低了響應(yīng)性并改變了變速比以優(yōu)先考慮節(jié)能，而Comfort模式調(diào)整了懸掛以更好地吸收顛簸。相反，Sport模式確保強勁的油門響應(yīng)、更重的方向盤和更硬的懸掛，使駕駛者體驗更接近賽車而非巡航。

汽車制造商不會自動從一種模式轉(zhuǎn)換到另一種，因為它們之間的差異非常顯著，可能會驚嚇到司機。然而，除非在現(xiàn)代高速公路上長時間連續(xù)行駛，否則駕駛條件很少是一致的。

往往，用戶會遇到需要Eco模式的緩慢交通，然后是在大規(guī)模施工下的顛簸區(qū)域，適合Comfort模式，之后需要快速加速以脫離停滯，這時短暫啟用Sport模式將極大地受益，然后應(yīng)再切換回Eco模式。這還沒有考慮到突然的天氣變化。雪地模式會調(diào)整傳動并降低了油門響應(yīng)，從而降低動力和扭矩。目標是防止汽車卡住，從而避免駕駛員受到來自自然環(huán)境和他們自己的傷害。通過減慢響應(yīng)并強制平穩(wěn)加速，大幅減少車輪陷入雪地的風(fēng)險，即便駕駛員突然踩下油門，也不會輕易失控。

然而，駕駛員應(yīng)該高度專注于道路本身，不該花精力考慮駕駛模式的切換。面臨天氣的突然變化，汽車應(yīng)該幫助用戶專注于周圍環(huán)境，而不是用模式和設(shè)置分散他們的注意力。

一個為機器學(xué)習(xí)和意法半導(dǎo)體量身定制的問題

AI與人

解決這個問題的方案可能在于機器學(xué)習(xí)。由于擁有眾多傳感器，車輛能夠比任何人更準確地檢測道路、天氣和其他條件。事實上，車輛在處理濕滑或危險條件時非常精準且敏銳，以至于牽引控制和防抱死制動系統(tǒng)等功能幾十年來一直是強制性的。

系統(tǒng)也變得如此智能，牽引力控制可以在正常條件下協(xié)助駕駛員避免在轉(zhuǎn)角處欠轉(zhuǎn)向或過度轉(zhuǎn)向。因此，使用機器學(xué)習(xí)自動檢測道路條件并選擇最佳模式是多年來塑造汽車創(chuàng)新的自然演變。

然而，構(gòu)建自動的駕駛模式系統(tǒng)和道路檢測機制可能具有挑戰(zhàn)性，工程師們常常疑惑從何處入手。以下是啟動項目并縮短產(chǎn)品上市時間的三個簡單步驟。

第一步 獲取AEKD-AICAR1套件

創(chuàng)建一個機器學(xué)習(xí)應(yīng)用可能看起來是一項艱巨的任務(wù)。當團隊考慮收集數(shù)據(jù)、訓(xùn)練神經(jīng)網(wǎng)絡(luò)以及在微控制器上實施算法時，他們甚至在第一個概念驗證之前就可能會感到氣餒。

小公司甚至可能沒有數(shù)據(jù)科學(xué)家以及處理神經(jīng)網(wǎng)絡(luò)的專業(yè)知識。因此，我們發(fā)布了AEKD-AICAR1評估套件，旨在揭開這一過程早期階段的神秘面紗。

該套裝包括AEK-CON-SENSOR1連接開發(fā)板和AIS2DW12三軸加速度計。主板本身配備了SPC58EC Chorus微控制器，內(nèi)置4 MB的Flash存儲器，并預(yù)裝了一個經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)。簡而言之，AEKD-AICAR1傳感器節(jié)點套件包含了開發(fā)者開始機器學(xué)習(xí)所需的一切應(yīng)用程序。 

我們甚至提供了一個顯示屏，展示代表汽車狀態(tài)的簡單UI，確保團隊可以更容易地演示概念驗證。系統(tǒng)還有一個設(shè)置，可以使用典型的12 V電池或八節(jié)AA電池供電，從而提高整體移動性。

第二步 利用意法半導(dǎo)體的軟件生態(tài)系統(tǒng)

開箱即用，預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能夠識別四種狀態(tài)：正常道路、顛簸道路、打滑和停車。此外，可以將這些狀態(tài)與其他情況結(jié)合起來，如在正常道路上打滑、在顛簸道路上打滑、發(fā)動機運轉(zhuǎn)時停車或熄火時停車。

顯然，由于該應(yīng)用僅用于演示目的，我們使用了一小組訓(xùn)練數(shù)據(jù)。然而，盡管一開始可用的訓(xùn)練數(shù)據(jù)非常有限，我們?nèi)垣@得了94%的高成功率，僅在一些額外的條件下存在問題。簡而言之，團隊已經(jīng)可以設(shè)想，擁有大量更多信息和復(fù)雜算法后他們能夠取得什么樣的成就。

為開始測試模型，開發(fā)人員只需獲取AutoDevKit Studio和SPC5-STUDIO-AI插件即可，這將使他們能夠?qū)胱盍餍械纳疃葘W(xué)習(xí)框架，如Keras和TensorFlow Lite。意法半導(dǎo)體插件甚至可以驗證神經(jīng)網(wǎng)絡(luò)，并在微控制器上模擬自身性能，能夠幫助開發(fā)人員基本了解所需的內(nèi)存占用和推理時間。

無論團隊的專業(yè)水平如何，這一步都非常重要，對于經(jīng)驗較少的工程師，所帶來的幫助則尤為巨大。在邊緣進行機器學(xué)習(xí)工作時，很容易高估RAM或計算吞吐量的要求。我們的工具可以幫助更快、更準確地了解應(yīng)用的硬件需求。

第三步 測試您的應(yīng)用并加以完善

下一步是將AEKD-AICAR1置于在駕駛員一側(cè)的地板上，靠近車輛前部，從而測試算法并捕獲更多數(shù)據(jù)。實際上，這樣可以模仿現(xiàn)實世界的性能并收集更多信息。因此，工程師不僅僅是在設(shè)計一個更智能的駕駛條件檢測，而且同時也是在完善它。

隨著團隊從加速度計或連接到套件的其他傳感器收集更多數(shù)據(jù)，就有可能更準確地檢測到更多道路條件，從而為真正意義上的駕駛模式智能選擇奠定基礎(chǔ)。我們的用戶手冊甚至提供了Python腳本和Google Colab的操作指南，因此即使對數(shù)據(jù)科學(xué)沒有太多經(jīng)驗的人也可以開始使用。

另請閱讀：AEKD-AICAR1-汽車中基于意法半導(dǎo)體開發(fā)板的機器學(xué)習(xí)功能，既不盲目上馬，也不輕易落后

爭當?shù)谝坏母傎?/strong>

遵循這三個步驟將幫助團隊在正確的軌道上啟動。開發(fā)人員仍然需要優(yōu)化自身的解決方案，并找到一條能夠獲得競爭力的市場路徑。然而，意法半導(dǎo)體不僅提供支持，還提供了一個完整的合作伙伴計劃，擁有專業(yè)知識的眾多伙伴公司將可為客戶帶來獨特的優(yōu)勢。簡而言之，問題不在于機器學(xué)習(xí)能否幫助實現(xiàn)駕駛模式選擇和道路條件檢測的自動化，而在于誰將第一個成功實施它。

參考文檔

[1] Claire Sugihara, Katrina Sutton, Adam Davis, Vaishnavi Karanam, Gil Tal. 從運動到節(jié)能：一項關(guān)于駕駛員操作對電動汽車效率影響的案例研究。交通研究F部分：交通心理學(xué)和行為。第82卷。2021.第412-428頁。 doi.org/10.1016/j.trf.2021.09.007