随着自动驾驶汽车开发从实验阶段转向大规模部署，感知系统变得越来越智能化和分布式。在《机器人商业新闻》的独家专访中，Innoviz 产品副总裁 Anna Michlin 分享了有关智能 LiDAR 传感器的兴起、物理 AI 在车辆自主中的作用、不断变化的 OEM 要求以及嵌入式感知如何帮助塑造自动驾驶和机器人技术的未来的见解。

Innoviz 正在将感知智能直接转移到 LiDAR 传感器本身，而不是完全依赖集中式车辆计算系统。为什么随着自动驾驶架构的成熟，行业正在转向“智能传感器”？

我不会说整个行业正在转向将计算嵌入传感器，而是某些客户，某些用例正在要求它，我们正在满足该需求，因为这些用例是真实的。

在汽车行业，一些 OEM 想要一种传感器，该传感器能够提供标准化的、安全关键的输出，以供车辆堆栈的其余部分直接依赖。对于他们来说，问题在于延迟、可靠性和功能安全。将原始点云传输到中央处理器需要花费几毫秒的时间来做出关键决策，并增加车辆网络的负载。将感知移近传感器为它们提供了一个独立的处理节点，无论中央计算堆栈中发生什么情况，该节点都可以保持正常运行。这对于最苛刻的自主应用来说最为重要。但并不是每个 OEM 都如此，因为偏好各不相同，并且集中计算可以完美地为许多程序提供服务。

在汽车领域，驾驶员是完全不同的。在机器人和类似的应用程序中，客户正在构建大量的用例，并为一些不存在的用例进行规划还存在。将强大的计算功能直接放在激光雷达上，使开发人员能够灵活地在边缘创建自己的应用程序，而无需被锁定在其他人的堆栈中。对他们来说，传感器智能意味着构建的自由。这是相同的底层技术，但其重要性有两个截然不同的原因。

该公告将其描述为“实践中的物理人工智能”。您如何在自动驾驶汽车的背景下定义物理人工智能，嵌入式感知在实现物理人工智能方面发挥什么作用？

物理人工智能旨在连接数字智能和现实世界的行动。您在感知点实时积极地推理物理环境，并提供具有实际后果的可操作输出。这与简单地收集数据并将其发送到其他地方进行解释的区别。

从原始数据到车辆可以操作的分类、跟踪对象的过程是我们关注的价值继续编辑。当您将感知直接嵌入到传感器中时，您就将该智能放置在尽可能接近物理世界的位置。传感器成为一个智能节点，实时决策其所看到的内容。

从历史上看，LiDAR 公司主要专注于硬件，而感知软件则位于自主堆栈的其他位置。为什么 Innoviz 现在要更深入地扩展到嵌入式软件和传感器级智能？

传感器级智能的推动直接来自于倾听客户的意见。他们需要复杂的感知工作负载在传感器本身上运行，作为中央计算系统的另一层。大规模生产的 OEM 需要一个在安全关键情况下可以依赖的集成解决方案。

一家领先的自动驾驶公司已经与我们一起评估这种能力，这告诉我们，我们构建的产品正在得到认可。

OEM 越来越希望能够提供一种集成解决方案。直接在传感器级别生成的关键感知输出。传感器感知在延迟、可靠性和功能安全方面具有哪些优势？

并非每个与我们合作的 OEM 都需要传感器感知，但那些愿意的 OEM 的推理符合三个相互关联的方面：延迟、可靠性和功能安全。

从延迟的角度来看，当感知在传感器上运行时，可以消除到中央处理器的往返时间。在 4 级系统中，安全关键决策中的每一毫秒响应时间都很重要，感知需要尽可能接近感测时刻。

就可靠性而言，传感器感知会生成车辆堆栈直接使用的标准化输出，并且它的运行独立于车辆更广泛的处理架构。这种独立性意味着您拥有一个感知通道，即使其他系统组件发生故障，也能保持正常运行。在重负载或降级的情况下。

最后，还有对功能安全的影响。 3 级和 4 级之间的根本区别在于人工后备的可用性。在 4 级时，驾驶员无需在需要时保持警惕。该系统必须在所有条件下连续工作。传感器感知独立于中央计算并在其之上运行，是实现这种可用性的核心架构构建块。

自动驾驶系统面临着降低计算成本、能耗和架构复杂性的巨大压力。跨传感器分布智能能否从根本上重塑未来的视音频系统设计？

降低计算成本、能源消耗和架构复杂性是这个市场上每个人都在努力的事情，但为了实现这一目标，有很多不同的方法正在探索，老实说，每种方法都具有真正的潜力，具体取决于应用程序。 

该协议涉及一家领先的自动驾驶技术公司，其身份并未透露。如今，OEM 和 AV 开发商在选择长期 LiDAR 和感知合作伙伴时优先考虑哪些品质？

生产可信度高于一切。 OEM 和 AV 开发商已经多次被供应商所困扰，这些供应商提供了令人印象深刻的演示，但无法扩展到汽车销量、成本或质量标准。他们问的第一个问题很直白：这个传感器能通过汽车级认证吗？您可以从数百个单位扩展到数十万个单位吗？你能达到我们的成本目标吗？您能向我们保证您可以签订长期合同吗？大多数激光雷达公司都很难回答所有这些问题。

我要补充的另一件事是选择一个已经过了试点阶段的合作伙伴。能够成功运行演示的公司与实际向主要 OEM 厂商大规模发货的公司之间存在着巨大的差距。现实世界的程序可以解决您在实验室中找不到的问题，而这些经验会复合，对我们来说，这已经成为一种竞争优势，因为我们在 L3 和现在的 L4 方面拥有众多合作伙伴。

自动驾驶汽车行业经历了炒作、整合和时间变化的周期。随着市场从实验发展到生产规模部署，Innoviz 如何调整其战略以保持相关性？

我们与客户保持密切联系并与他们一起发展。陷入困境的公司是那些锁定单一路线图并等待市场迎头赶上的公司。当 OEM 告诉我们他们在成本、资格、集成以及他们的堆栈可以消耗的输出类型方面实际需要什么才能实现生产时，我们进行了调整以匹配。这就是我们从传感器供应商转变为长期合作伙伴的过程，首先是 L3 项目，现在是 L4 项目。同样的倾听塑造了我们向周边防御、国土安全和智能红外领域的进军一个结构，在客户告诉我们需要的地方应用汽车级技术。

炒作周期将不断出现。让你保持相关性的是真正对构建实际产品的公司有用，并愿意随着他们的需求变化而改变。

展望未来五年，你相信激光雷达传感器将发展成为能够独立决策支持的完全自主感知节点，还是集中式人工智能计算将在车辆自动驾驶中保持主导地位？

我对准确预测五年后的发展持谨慎态度，因为充其量只是猜测。我们的工作集中在光学引擎上，随着光学引擎和人工智能变得更好，传感器在更广泛的系统中的作用将不断扩大。但扩展的形状完全取决于应用程序。  并非每个汽车用例都是相同的，对于机器人技术，我们才刚刚开始创造可能的东西，团队将继续基于它们改进方法r 个人和实际需求。