Argo AI自动驾驶系统分析

汽车电子与软件 2021-05-26 22:47
  鉴于自动驾驶开发成本高,大众和福特投资了合资公司Argo AI进行联合开发。2019年7月,经过数月的谈判之后,大众同意以 70 亿美元的估值向 Argo 注资 26 亿美元。其中,包括 10 亿美元现金以及价值 16 亿美元的大众自动驾驶子公司 AID(Autonomous Intelligent Driving)。作为交易的一部分,大众需要从福特手里收购价值 5 亿美元的 Argo AI 股份。2020年6月2日,交易完成。大众将与福特持有相同的股份,剩余部分则归Argo AI公司员工所有。Argo AI公司的董事会也会由5人增至7人,其中大众和福特各占2个席位,另外的3个席位则归属于Argo AI自己。

  Argo AI与大多数自动驾驶公司将总部放在加州也不一样,其总部位于匹兹堡,美国汽车工业心脏地带,而不是加州的高科技地带。2016 年9月,前 Google 员工 Salesky 和前 Uber 员工 Peter Rander 联合创办了 Argo AI。2017年2月,福特公司10 亿美元注资 Argo AI。分析Argo AI的自动驾驶系统就等同于分析大众和福特的自动驾驶系统。

图片来源:Argo AI

  2021年4月,Argo AI发布了安全报告书Safety Report。大众进入大众微门户福特(进入福特微门户)表示大约在2024年有利用Argo AI技术的自动驾驶车辆量产。

大众自动驾驶车辆效果图,图片来源:Argo AI

Argo AI自动驾驶架构图,图片来源:Argo AI

  可以看出和丰田L4一样,也是两套独立的转向与制动系统。还特别点出了加了IMU和速度传感器,应该不是像特斯拉之类量产车上不到1美元的IMU(博世在这个领域市场占有率估计有90%)。和Waymo一样,也有针对救护车、消防车、警车的紧急鸣笛探测系统。

图片来源:Argo AI

  Argo AI的自动驾驶原型车辆在2021年进入第四代。

图片来源:Argo AI

  Argo AI的第四代自动驾驶原型车辆使用4个激光雷达,9个毫米波雷达,12个摄像头。一个是Velodyne的128线远距离激光雷达,3个自行开发的短距离激光雷达,两个前向,一个后向。短距离激光雷达使用SPAD单光子接收阵列,因为ArgoAI在2017年收购了激光雷达初创公司Princeton Lightwave(该公司是SPAD的拥趸),具体交易额不详,估计在1亿美元上下。3个前向毫米波雷达,其中一个位于车顶。4个侧向毫米波雷达,位于轮眉上方,隐藏在车内,外观上看不出来。应该是4个级联的77-81GHz高分辨率毫米波雷达。两个后向毫米波雷达。两个车轮处的短距离摄像头,一个立体双目摄像头,七个顶置摄像头,一个后向摄像头。

图片来源:Argo AI

  与Argo AI的第三代自动驾驶原型车辆相比,用128线激光雷达代替了原来的两个堆叠的32线激光雷达VLP-32C。大幅增加了毫米波雷达和近距离激光雷达,主要的视觉和激光雷达部分实际变换不大。7个200万像素摄像头呈环状分布,帧率30Hz,一个500万像素双目摄像头,帧率5Hz,基线宽29.86厘米。

Argo AI的第四代自动驾驶原型车辆正面照,
图片来源:Argo AI

  Argo AI的第四代自动驾驶原型车辆正面照,立体双目与毫米波雷达在顶部自动驾驶传感器系统的正中间。

Argo AI的第四代自动驾驶原型车辆顶部特写,
图片来源:Argo AI

  Argo AI最强调的是移动目标的行动轨迹做出预测,就像人类驾驶的预判,这样才是真正的自动驾驶,才能提高安全性。也就是MODT(Moving Object Detection and Tracking)。同时Argo AI也是美国唯二的使用自制高精度地图的自动驾驶原型车,另外一家是安波福。Argo AI的数据集名为Argoverse。

Argoverse与其他数据集的对比,
图片来源:Argo AI

图片来源:Argo AI

  Argo AI用激光雷达鸟瞰图(Bird Eyed View)视觉化,车辆或其他目标用3D框标注,用双目计算出可行驶区域,并用青色表示,用黄线表示边界。即道路表面语义分割,Road Surface Freespace Segmentation,分出路面、移动物体(障碍物)、固定不动的(Solid)。通常用基于概率的占用网格加动态规划(Dynamic Programming)的算法获取。与丰田的L4系统基本没差别。

图片来源:Argo AI

  Argo AI用高精度地图移除地面静态物体。有了高精度地图,再配合激光雷达鸟瞰图,可以准确地移除基于地面的静止目标,减轻自动驾驶的感知计算复杂程度,更容易识别出重要的运动目标。如果地面有坡度,这种算法难度较高,Argo AI用准确的高度匹配和3D地图解决这个问题,最终效果如右边一列。

图片来源:Argo AI

  Argo AI用激光雷达和摄像头自己制作了高精度地图,左图为激光雷达与摄像头融合图,右图为高精度地图。

  Argo AI的骄傲之处是移动目标的轨迹预测,Argo AI在YouTube上两段视频有直观表示。

  在移动目标轨迹运动预测中,Argoverse可以预测将来某个时间跟踪对象的位置。许多车辆的运动相对无意义-在给定的帧中,大多数汽车都以几乎恒定的速度停泊或行驶。这样的轨迹很难代表真实的预测挑战。Argo AI想要一个具有多种场景的基准测试,例如交叉路口,车道合并车辆减速,转弯后加速,道路上的行人停车等。为了对这些有趣的场景进行足够的采样,Argo跟踪了迈阿密和匹兹堡1006个行驶小时内的物体,并找到了Argo感兴趣的车辆在那320小时内的行为。主要包括(1)在十字路口,要么(2)左转或右转,(3)转向相邻车道,或者(4)在交通繁忙时 。Argo总共收集了324,557个5秒序列,并将其用于预测基准。

  每个序列都包含以10 Hz采样的每个被跟踪物体的2D鸟瞰中心。每个序列中的“焦点”对象始终是车辆,但是其他跟踪的对象可以是车辆,行人或自行车。它们的轨迹可用作“社会(Social)”预测模型的上下文。324,557个序列分为205,942个训练序列,39,472个验证和78,143个测试序列。每个序列都有一个具有挑战性的轨迹。训练、验证和测试序列取自城市的不相连部分,即每个城市的大约八分之一和四分之一被分别留作验证和测试数据。该数据集远大于可以从公共可用的自动驾驶数据集中挖掘的数据集。如此规模的数据很吸引人,因为它使我们能够看到罕见的行为并训练复杂的模型,但它太大了,无法详尽地验证开采轨迹的准确性,因此,数据中固有一些噪声和误差。

  Argo AI使用关联速度( Constant Velocity),最小近邻(NN)和LSTM来做预测。给定车辆轨迹的过去输入坐标Vi ,其中对于时间步长t的 X,预测时间步长T的未来坐标 Y。对于汽车,5 s足以捕获轨迹的显著部分,例如。过十字路口。Argo将运动预测任务定义为观察20个过去的帧(2 s),然后预测未来的30个帧(3 s)。每个预测任务可以按相同顺序利用其他对象的轨迹来捕获交通环境并为空间环境映射信息。

图片来源:Argo AI
 
  Argo使用最小平均距离误差Average Displacement Error (minADE)、最小最终距离误差  minimum Final Displacement Error (minFDE)可行驶区域服从度、DAC (Drivable Area Compliance)、Miss Rate (MR,阈值为1米) 来评估预测效果。minADE指的是轨迹的ADE,具有最小FDE,而不是最小ADE,因为要评估单个最佳预测。就是说,minADE误差可能不是一个足够的指标。K指一条路径上的预测次数。如果只预测一次,LSTM效果比较好,预测多次,NN加地图性能更好。无论哪一种,加了地图之后性能都更好。

图片来源:Argo AI

  Argo AI在6个城市展开测试。每个城市都有独特之处。匹兹堡,主要是有起伏的上下坡路、狭窄街道、众多桥梁、五条道路的大型立交桥。底特律,四季分明,车道很宽,林荫道很多,中央车道掉头多。加州的PaloAlto,富豪云集,多散步、跑步和骑行者。度假胜地佛罗里达的迈阿密则是什么类型的交通元素都有包括轻便摩托车(mopeds)、滑板车(scooter)、滑轮者rollerbladers、平衡车hoverboards,还有重型卡车和公交车以及校车。德州奥斯汀跟迈阿密近似。华盛顿,交通堵塞严重,交通管制复杂,环岛众多。与Waymo主要在行人稀少,路况简单的凤凰城比,Argo AI的难度要高很多,Argo AI认为这6个城市覆盖了美国的各种路况和气候。

  除了公开道路,Argo AI还有一个50英亩即大约20万平米的自建封闭测试园区,园区内有16公里长的道路。

图片来源:Argo AI

  Argo AI当然也开发了仿真工具做虚拟测试。

  Argo AI给出了自动驾驶的适用条件,即Operational Design Domain (ODD),最高时速不超过65英里也就是大约100公里。可以适应各种道路类型包括市区道路、郊区道路、村镇道路、高速公路、快速路,还有停车场或停车库,显然,它可以做AVP全自动泊车。因为有激光雷达可以24小时全天候运作,不需要任何照明。天气方面,下雨天也可以正常运作,只要不是暴雨,激光雷达基本可以正常工作。Argo AI也明确指出什么条件下不行,比如离路Off-Road。气候条件,大雪、雨夹雪、冰雹、冻雨、浓雾下不行。同时还有极端环境,比如地震、飓风、滑坡泥石流等。

  在2021年5月,Argo AI公布了自己最远有效距离可达400米的激光雷达,很快就会用自行开发的激光雷达取代Velodyne的128线激光雷达。

  和丰田一样,大众和福特的自动驾驶都是奔着自主量产方向的,不仅要低成本,还要自主掌控大部分系统,掌握大部分供应链,这也是Waymo潜在的危机,恐怕难有整车厂与其真心合作。



END
投稿合作:18918250345(微信)
汽车电子与软件 主要介绍汽车电子软件设计相关内容,每天分享一篇技术文章!
评论
  • 随着全球向绿色能源转型的加速,对高效、可靠和环保元件的需求从未如此强烈。在这种背景下,国产固态继电器(SSR)在实现太阳能逆变器、风力涡轮机和储能系统等关键技术方面发挥着关键作用。本文探讨了绿色能源系统背景下中国固态继电器行业的前景,并强调了2025年的前景。 1.对绿色能源解决方案日益增长的需求绿色能源系统依靠先进的电源管理技术来最大限度地提高效率并最大限度地减少损失。固态继电器以其耐用性、快速开关速度和抗机械磨损而闻名,正日益成为传统机电继电器的首选。可再生能源(尤其是太阳能和风能
    克里雅半导体科技 2025-01-10 16:18 325浏览
  • 新年伊始,又到了对去年做总结,对今年做展望的时刻 不知道你在2024年初立的Flag都实现了吗? 2025年对自己又有什么新的期待呢? 2024年注定是不平凡的一年, 一年里我测评了50余块开发板, 写出了很多科普文章, 从一个小小的工作室成长为科工公司。 展望2025年, 中国香河英茂科工, 会继续深耕于,具身机器人、飞行器、物联网等方面的研发, 我觉得,要向未来学习未来, 未来是什么? 是掌握在孩子们生活中的发现,和精历, 把最好的技术带给孩子,
    丙丁先生 2025-01-11 11:35 457浏览
  •   在信号处理过程中,由于信号的时域截断会导致频谱扩展泄露现象。那么导致频谱泄露发生的根本原因是什么?又该采取什么样的改善方法。本文以ADC性能指标的测试场景为例,探讨了对ADC的输出结果进行非周期截断所带来的影响及问题总结。 两个点   为了更好的分析或处理信号,实际应用时需要从频域而非时域的角度观察原信号。但物理意义上只能直接获取信号的时域信息,为了得到信号的频域信息需要利用傅里叶变换这个工具计算出原信号的频谱函数。但对于计算机来说实现这种计算需要面对两个问题: 1.
    TIAN301 2025-01-14 14:15 108浏览
  • ARMv8-A是ARM公司为满足新需求而重新设计的一个架构,是近20年来ARM架构变动最大的一次。以下是对ARMv8-A的详细介绍: 1. 背景介绍    ARM公司最初并未涉足PC市场,其产品主要针对功耗敏感的移动设备。     随着技术的发展和市场需求的变化,ARM开始扩展到企业设备、服务器等领域,这要求其架构能够支持更大的内存和更复杂的计算任务。 2. 架构特点    ARMv8-A引入了Execution State(执行状
    丙丁先生 2025-01-12 10:30 466浏览
  • PNT、GNSS、GPS均是卫星定位和导航相关领域中的常见缩写词,他们经常会被用到,且在很多情况下会被等同使用或替换使用。我们会把定位导航功能测试叫做PNT性能测试,也会叫做GNSS性能测试。我们会把定位导航终端叫做GNSS模块,也会叫做GPS模块。但是实际上他们之间是有一些重要的区别。伴随着技术发展与越发深入,我们有必要对这三个词汇做以清晰的区分。一、什么是GPS?GPS是Global Positioning System(全球定位系统)的缩写,它是美国建立的全球卫星定位导航系统,是GNSS概
    德思特测试测量 2025-01-13 15:42 491浏览
  • 01. 什么是过程能力分析?过程能力研究利用生产过程中初始一批产品的数据,预测制造过程是否能够稳定地生产符合规格的产品。可以把它想象成一种预测。通过历史数据的分析,推断未来是否可以依赖该工艺持续生产高质量产品。客户可能会要求将过程能力研究作为生产件批准程序 (PPAP) 的一部分。这是为了确保制造过程能够持续稳定地生产合格的产品。02. 基本概念在定义制造过程时,目标是确保生产的零件符合上下规格限 (USL 和 LSL)。过程能力衡量制造过程能多大程度上稳定地生产符合规格的产品。核心概念很简单:
    优思学院 2025-01-12 15:43 522浏览
  • 根据Global Info Research(环洋市场咨询)项目团队最新调研,预计2030年全球无人机电池和电源产值达到2834百万美元,2024-2030年期间年复合增长率CAGR为10.1%。 无人机电池是为无人机提供动力并使其飞行的关键。无人机使用的电池类型因无人机的大小和型号而异。一些常见的无人机电池类型包括锂聚合物(LiPo)电池、锂离子电池和镍氢(NiMH)电池。锂聚合物电池是最常用的无人机电池类型,因为其能量密度高、设计轻巧。这些电池以输出功率大、飞行时间长而著称。不过,它们需要
    GIRtina 2025-01-13 10:49 182浏览
  • 在不断发展的电子元件领域,继电器——作为切换电路的关键设备,正在经历前所未有的技术变革。固态继电器(SSR)和机械继电器之间的争论由来已久。然而,从未来发展的角度来看,固态继电器正逐渐占据上风。本文将从耐用性、速度和能效三个方面,全面剖析固态继电器为何更具优势,并探讨其在行业中的应用与发展趋势。1. 耐用性:经久耐用的设计机械继电器:机械继电器依靠物理触点完成电路切换。然而,随着时间的推移,这些触点因电弧、氧化和材料老化而逐渐磨损,导致其使用寿命有限。因此,它们更适合低频或对切换耐久性要求不高的
    腾恩科技-彭工 2025-01-10 16:15 100浏览
  • 随着数字化的不断推进,LED显示屏行业对4K、8K等超高清画质的需求日益提升。与此同时,Mini及Micro LED技术的日益成熟,推动了间距小于1.2 Pitch的Mini、Micro LED显示屏的快速发展。这类显示屏不仅画质卓越,而且尺寸适中,通常在110至1000英寸之间,非常适合应用于电影院、监控中心、大型会议、以及电影拍摄等多种室内场景。鉴于室内LED显示屏与用户距离较近,因此对于噪音控制、体积小型化、冗余备份能力及电气安全性的要求尤为严格。为满足这一市场需求,开关电源技术推出了专为
    晶台光耦 2025-01-13 10:42 498浏览
  • 随着通信技术的迅速发展,现代通信设备需要更高效、可靠且紧凑的解决方案来应对日益复杂的系统。中国自主研发和制造的国产接口芯片,正逐渐成为通信设备(从5G基站到工业通信模块)中的重要基石。这些芯片凭借卓越性能、成本效益及灵活性,满足了现代通信基础设施的多样化需求。 1. 接口芯片在通信设备中的关键作用接口芯片作为数据交互的桥梁,是通信设备中不可或缺的核心组件。它们在设备内的各种子系统之间实现无缝数据传输,支持高速数据交换、协议转换和信号调节等功能。无论是5G基站中的数据处理,还是物联网网关
    克里雅半导体科技 2025-01-10 16:20 444浏览
  • 数字隔离芯片是现代电气工程师在进行电路设计时所必须考虑的一种电子元件,主要用于保护低压控制电路中敏感电子设备的稳定运行与操作人员的人身安全。其不仅能隔离两个或多个高低压回路之间的电气联系,还能防止漏电流、共模噪声与浪涌等干扰信号的传播,有效增强电路间信号传输的抗干扰能力,同时提升电子系统的电磁兼容性与通信稳定性。容耦隔离芯片的典型应用原理图值得一提的是,在电子电路中引入隔离措施会带来传输延迟、功耗增加、成本增加与尺寸增加等问题,而数字隔离芯片的目标就是尽可能消除这些不利影响,同时满足安全法规的要
    华普微HOPERF 2025-01-15 09:48 80浏览
  • 食物浪费已成为全球亟待解决的严峻挑战,并对环境和经济造成了重大影响。最新统计数据显示,全球高达三分之一的粮食在生产过程中损失或被无谓浪费,这不仅导致了资源消耗,还加剧了温室气体排放,并带来了巨大经济损失。全球领先的光学解决方案供应商艾迈斯欧司朗(SIX:AMS)近日宣布,艾迈斯欧司朗基于AS7341多光谱传感器开发的创新应用来解决食物浪费这一全球性难题。其多光谱传感解决方案为农业与食品行业带来深远变革,该技术通过精确判定最佳收获时机,提升质量控制水平,并在整个供应链中有效减少浪费。 在2024
    艾迈斯欧司朗 2025-01-14 18:45 64浏览
  • 流量传感器是实现对燃气、废气、生活用水、污水、冷却液、石油等各种流体流量精准计量的关键手段。但随着工业自动化、数字化、智能化与低碳化进程的不断加速,采用传统机械式检测方式的流量传感器已不能满足当代流体计量行业对于测量精度、测量范围、使用寿命与维护成本等方面的精细需求。流量传感器的应用场景(部分)超声波流量传感器,是一种利用超声波技术测量流体流量的新型传感器,其主要通过发射超声波信号并接收反射回来的信号,根据超声波在流体中传播的时间、幅度或相位变化等参数,间接计算流体的流量,具有非侵入式测量、高精
    华普微HOPERF 2025-01-13 14:18 482浏览
我要评论
0
点击右上角,分享到朋友圈 我知道啦
请使用浏览器分享功能 我知道啦