工程自动驾驶汽车和未来的智能运输系统从未如此简单。大型公司对AV的研究和开发现状表明，这项工作将继续变得多么复杂。
许多技术使自动驾驶汽车成为可能，包括蜂窝车对所有（C-V2X）通信，该通信允许汽车与其他汽车或交通信号灯等基础设施进行通话，以在高速公路和繁忙的城市中稳定行驶街道中国机械网okmao.com。
此外，许多公司生产的芯片和传感器都专注于汽车对接收到的输入信号的反应方式，无论是来自其他汽车的蜂窝信号还是来自传感器阵列的信号，其中一些传感器是微型摄像头或雷达，声音或运动传感器。
作为对各种输入的解释的核心，公司还在努力利用超高速GPU和其他处理器来处理数据，这些处理器可以依靠人工智能训练和推理直接在车辆内或通过瞬间连接做出决策。云端。
高通周二通过博客和冗长的幻灯片演示了其视音频工作的状态，该幻灯片描述了具有连通性，遥测和车载计算功能的多管齐下的工程方法。
高通凭借其在无线电接入网络和5G方面的声誉，似乎似乎主要专注于AV的蜂窝连接，但它也为面向AI深度学习功能（例如感知，计划，动作和连接）的Snapdragon Ride平台打造了一个平台。
据该领域的一位专家称，自动驾驶汽车中AI的计划，预测和动作成分可能是最难破解的坚果。换句话说，当通过中央交通管理系统或边缘设备（如路边单元）通过传感器检测到即将发生的碰撞或其他问题或通过云进行通信时，汽车将实际做什么？
Lyft高级计算机视觉工程师Vladimir Iglovikov说：“无处不在的自动驾驶存在很多问题，但我认为最大的障碍是，作为一个整体人类，我们不知道如何解决预测问题。” 。他在Lyft的第5级（SAE级别中的最高级别）自动驾驶部门工作，并拥有加州大学戴维斯分校的物理学博士学位。
他在最近给Fierce Electronics的电子邮件中补充说：“ V2X是一种有趣的技术，但实际上并不能帮助解决自治行业所面临的问题。”
“为了进行预测，您需要了解地图，您需要知道每辆汽车和行人在最近N秒钟内的行驶情况，并且需要预测他们在接下来的M秒钟内的行驶情况。Iglovikov补充说，最大的障碍在于研究领域。我们需要更多的良好公共数据集和大量专注于该主题的研究人员。
Lyft赞助了在Kaggle开发人员社区网站上进行的30,000美元编码竞赛，该竞赛要求开发人员构建模型以可靠地预测自动驾驶汽车周围的交通和行人运动。比赛于周二开始，吸引了53支面临三个月期限的参赛队。
预测研究的问题超出了高效传感器或更快的加速器芯片和低延迟网络的范围。它将涉及人类大脑进行预测的方式，或更具体地说，是人类驾驶员的预测，以及如何将这些知识应用于机器。
高通公司在其新的幻灯片演示中提供了一些见解，说明了它如何看待情报传输系统的发展。一种方法设想了具有智能路边单元的高速公路系统，该路边单元包含用于传感，处理，安全和智能的设备上智能，这些智能由多个网络运营商和车辆本身共享。
一张幻灯片显示，高通公司的Snapdragon Ride平台在车辆中依赖于30多个并发的深度学习网络以及具有深度学习功能的高级Radar感知。基于模型的强化学习方法用于预测和计划。高通公司还开发了一系列系统级芯片和加速器，以应对日益复杂的自动驾驶水平，包括最高级别的5级。
COVID-19和汽车销售的低迷为AI和AV研究人员提供了一个机会，可以对仍需要进行的预测进行一些深入的研究。一些调查显示，汽车半导体的销售可能会停滞一两年，但是一些制造汽车传感器的公司告诉Fierce Electronics，他们认为COVID对他们的销售有四到五年的影响，这可能会导致AV研究美元被拉长了一段时间。