1.2 自动驾驶设计的挑战

Google（谷歌）、Uber（优步）、Tesla、Mobileye等许多汽车公司，都对自动驾驶系统未来的应用进行了重大投资。自动驾驶系统应允许汽车自行行驶，而无须人工帮助。配备了自动驾驶系统的车辆，可以检测环境、定位位置，并安全地到达指定的目的地，而无须人工操作。对该系统的需求持续增长，导致了行业投资不断增加。例如，2020年英特尔以153亿美元的价格，收购了基于计算机视觉的自动驾驶技术的领导者Mobileye。其报告显示，到2035年，具有自动驾驶功能的汽车，预计将占据汽车市场的25%，即1800万辆汽车；到2035年，自动驾驶汽车市场的规模预计将跃升至770亿美元。尽管Google、Tesla和Mobileye等行业领导者，在自动驾驶系统方面取得了最新进展，自动驾驶汽车在很大程度上还是处于试验和研究阶段。因此，设计合适的自动驾驶系统，在很大程度上仍然是一个开放的研究问题。

由于多种原因，设计自动驾驶系统特别具有挑战性。这些系统必须始终做出“正确的”操作决策，以避免发生事故，因此，通常使用需要进行大量计算的机器学习、计算机视觉和机器人处理算法来提供所需的高精度。尽管计算量很大，但是对于这样的任务关键型系统而言，能够实时对危险情况做出反应至关重要，这意味着信号处理始终需要在严格的时间内完成。此外，该系统需要在一定的功率预算下执行必要的计算，以避免对车辆的行驶距离和燃料的热效率造成负面影响。

为了应对这些挑战，需要解决下列关键问题：

● 构建自动驾驶系统的设计约束。

● 先进的端到端自动驾驶系统的计算能力和瓶颈。

● 构建可以满足所有设计约束的自动驾驶系统体系结构。

尽管对常规汽车有非常详细的规定（诸如碰撞测试、燃油经济性、车辆检查等），然而监管机构直到2020年才开始制定关于自动驾驶车辆的规定。在美国发布的《联邦自动驾驶汽车政策》中，美国运输部仅提到“重点应放在软件开发和验证上”，而没有任何具体细节。因此，本节中讨论的许多设计约束来自丰田等的从业者所发表的材料[1]，以及Udacity和Mobileye公司。