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

根據最新研究，駕駛模式可能成為汽車(chē)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(huì )使電動(dòng)汽車(chē) (EV) 在高速公路上巡航時(shí)的電能消耗增加15%至30%。

根據J.D. Power于2023年進(jìn)行的一項研究，消費者仍然受到續航焦慮的困擾，在理想情況下，將電池壽命提高約三分之一可能會(huì )顯著(zhù)提高客戶(hù)滿(mǎn)意度。駕駛模式還可應對濕滑、結冰或積雪等危險路況，支持更安全的駕駛。問(wèn)題在于，在不同模式之間切換需要駕駛員手動(dòng)選擇適當的設置。 

駕駛模式真的太棒了！為什么它們不能是自動(dòng)的呢？

本質(zhì)上，駕駛模式代表著(zhù)各種動(dòng)力傳動(dòng)配置，這些配置旨在創(chuàng )造或強調特定的駕駛體驗。例如，通過(guò)修改轉向管柱的響應、懸掛的靈活性或再生制動(dòng)的激進(jìn)性，系統將創(chuàng )造截然不同的駕駛體驗，從而專(zhuān)注于特定的目標。

傳統的Eco模式降低了響應性并改變了變速比以?xún)?yōu)先考慮節能，而Comfort模式調整了懸掛以更好地吸收顛簸。相反，Sport模式確保強勁的油門(mén)響應、更重的方向盤(pán)和更硬的懸掛，使駕駛者體驗更接近賽車(chē)而非巡航。

汽車(chē)制造商不會(huì )自動(dòng)從一種模式轉換到另一種，因為它們之間的差異非常顯著(zhù)，可能會(huì )驚嚇到司機。然而，除非在現代高速公路上長(cháng)時(shí)間連續行駛，否則駕駛條件很少是一致的。

往往，用戶(hù)會(huì )遇到需要Eco模式的緩慢交通，然后是在大規模施工下的顛簸區域，適合Comfort模式，之后需要快速加速以脫離停滯，這時(shí)短暫?jiǎn)⒂肧port模式將極大地受益，然后應再切換回Eco模式。這還沒(méi)有考慮到突然的天氣變化。雪地模式會(huì )調整傳動(dòng)并降低了油門(mén)響應，從而降低動(dòng)力和扭矩。目標是防止汽車(chē)卡住，從而避免駕駛員受到來(lái)自自然環(huán)境和他們自己的傷害。通過(guò)減慢響應并強制平穩加速，大幅減少車(chē)輪陷入雪地的風(fēng)險，即便駕駛員突然踩下油門(mén)，也不會(huì )輕易失控。

然而，駕駛員應該高度專(zhuān)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(chē)應該幫助用戶(hù)專(zhuān)注于周?chē)h(huán)境，而不是用模式和設置分散他們的注意力。

一個(gè)為機器學(xué)習和意法半導體量身定制的問(wèn)題

AI與人

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

系統也變得如此智能，牽引力控制可以在正常條件下協(xié)助駕駛員避免在轉角處欠轉向或過(guò)度轉向。因此，使用機器學(xué)習自動(dòng)檢測道路條件并選擇最佳模式是多年來(lái)塑造汽車(chē)創(chuàng )新的自然演變。

然而，構建自動(dòng)的駕駛模式系統和道路檢測機制可能具有挑戰性，工程師們常常疑惑從何處入手。以下是啟動(dòng)項目并縮短產(chǎn)品上市時(shí)間的三個(gè)簡(jiǎn)單步驟。

第一步 獲取AEKD-AICAR1套件

創(chuàng )建一個(gè)機器學(xué)習應用可能看起來(lái)是一項艱巨的任務(wù)。當團隊考慮收集數據、訓練神經(jīng)網(wǎng)絡(luò )以及在微控制器上實(shí)施算法時(shí)，他們甚至在第一個(gè)概念驗證之前就可能會(huì )感到氣餒。

小公司甚至可能沒(méi)有數據科學(xué)家以及處理神經(jīng)網(wǎng)絡(luò )的專(zhuān)業(yè)知識。因此，我們發(fā)布了AEKD-AICAR1評估套件，旨在揭開(kāi)這一過(guò)程早期階段的神秘面紗。

該套裝包括AEK-CON-SENSOR1連接開(kāi)發(fā)板和AIS2DW12三軸加速度計。主板本身配備了SPC58EC Chorus微控制器，內置4 MB的Flash存儲器，并預裝了一個(gè)經(jīng)過(guò)訓練的神經(jīng)網(wǎng)絡(luò )。簡(jiǎn)而言之，AEKD-AICAR1傳感器節點(diǎn)套件包含了開(kāi)發(fā)者開(kāi)始機器學(xué)習所需的一切應用程序。 

我們甚至提供了一個(gè)顯示屏，展示代表汽車(chē)狀態(tài)的簡(jiǎn)單UI，確保團隊可以更容易地演示概念驗證。系統還有一個(gè)設置，可以使用典型的12 V電池或八節AA電池供電，從而提高整體移動(dòng)性。

第二步 利用意法半導體的軟件生態(tài)系統

開(kāi)箱即用，預訓練的神經(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(chē)。此外，可以將這些狀態(tài)與其他情況結合起來(lái)，如在正常道路上打滑、在顛簸道路上打滑、發(fā)動(dòng)機運轉時(shí)停車(chē)或熄火時(shí)停車(chē)。

顯然，由于該應用僅用于演示目的，我們使用了一小組訓練數據。然而，盡管一開(kāi)始可用的訓練數據非常有限，我們仍獲得了94%的高成功率，僅在一些額外的條件下存在問(wèn)題。簡(jiǎn)而言之，團隊已經(jīng)可以設想，擁有大量更多信息和復雜算法后他們能夠取得什么樣的成就。

為開(kāi)始測試模型，開(kāi)發(fā)人員只需獲取AutoDevKit Studio和SPC5-STUDIO-AI插件即可，這將使他們能夠導入最流行的深度學(xué)習框架，如Keras和TensorFlow Lite。意法半導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(kāi)發(fā)人員基本了解所需的內存占用和推理時(shí)間。

無(wú)論團隊的專(zhuān)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(lái)的幫助則尤為巨大。在邊緣進(jìn)行機器學(xué)習工作時(shí)，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、更準確地了解應用的硬件需求。

第三步 測試您的應用并加以完善

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

隨著(zhù)團隊從加速度計或連接到套件的其他傳感器收集更多數據，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。我們的用戶(hù)手冊甚至提供了Python腳本和Google Colab的操作指南，因此即使對數據科學(xué)沒(méi)有太多經(jīng)驗的人也可以開(kāi)始使用。

另請閱讀：AEKD-AICAR1-汽車(chē)中基于意法半導體開(kāi)發(fā)板的機器學(xué)習功能，既不盲目上馬，也不輕易落后

爭當第一的競賽

遵循這三個(gè)步驟將幫助團隊在正確的軌道上啟動(dòng)。開(kāi)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(chǎng)路徑。然而，意法半導體不僅提供支持，還提供了一個(gè)完整的合作伙伴計劃，擁有專(zhuān)業(yè)知識的眾多伙伴公司將可為客戶(hù)帶來(lái)獨特的優(yōu)勢。簡(jiǎn)而言之，問(wèn)題不在于機器學(xué)習能否幫助實(shí)現駕駛模式選擇和道路條件檢測的自動(dòng)化，而在于誰(shuí)將第一個(gè)成功實(shí)施它。

參考文檔

[1] Claire Sugihara, Katrina Sutton, Adam Davis, Vaishnavi Karanam, Gil Tal. 從運動(dòng)到節能：一項關(guān)于駕駛員操作對電動(dòng)汽車(chē)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(yè)。 doi.org/10.1016/j.trf.2021.09.007