自動駕駛的技術協作有助於促進自動駕駛和證明其是安全、高效和可行的。自動駕駛汽車(AV)正迅速從炒作走向現實。根據Emerj報告，記載了11家最大的汽車廠商計畫，其中包括本田、豐田和雷諾-日產在內的幾家最早將於2020年部署。
然而，很明顯，部署批量生產的自動駕駛汽車比傳統汽車有更多的要求。自動駕駛需要與駕駛員、其他車輛、基礎設施進行積極的互動，並且需要更多的驗證。
僅僅一個參與者是不能完成的，還需要自動駕駛生態系統中不同參與者之間的合作。最近的技術協作，如3M的下一代數位化智慧代碼標誌技術和NVIDIA的DRIVE Constellation模擬平台，就顯現出生態系統在實現自動駕駛汽車方面的重要性。
加州機動車管理局(DMV)對所有在其道路上測試自動駕駛汽車的公司編製並公布有關人類駕駛員干預的統計資料；去年，Waymo的汽車行駛了120萬英里，干預率為每11,018英里干預1次。這一速度不僅接近2017年的一半，而且正迅速接近美國年平均里程(13,476英里)，是英國年平均里程(7,134英里)的1.5倍以上。許多元素在這些快速改進中發揮了作用。毫無疑問，處理器、軟體和感測器的進展是關鍵，但技術需要無縫地協作，且在開發和車輛與道路系統整合等領域中，強大的協作生態系統對於加速和證明自動駕駛車輛是安全、高效和可行的至關重要。
感測器進展
自動駕駛車輛的核心是感知技術。配以車輛之間、車輛與基礎設施通訊系統之間的低延遲以及由強大的基於人工智慧(AI)的處理器詮釋的組合資料。
自駕車主要有三種核心感測器技術：
雖然並非所有車輛都將使用相同的感測器組合(一些目前只使用雷達和攝影機，而另一些則使用LiDAR和攝影機)，但每增加一個感測器都提供更多的資料，並透過感測器融合互為補足，大大提高了整個系統和車輛的準確性、安全性和可靠性。
每種核心感測器技術的都在不斷地進步。而半導體業者得益於新一代矽光電倍增管(SiPM)和單光子雪崩二極體(SPAD)方案，得以使LiDAR系統能夠探測更遠的距離，即使是低反射率目標，同時也能減小系統的尺寸和成本。而相關廠商也正在開發雷達技術，以相同的IC同時在短距離和遠距離模式下工作，提高精度、降低功耗並且減少元件數。
在攝影成像方面，市面上的感測器(如安森美半導體的Hayabusa系列等)也提供更廣泛的解析度選擇，以滿足自動駕駛車輛的多種需求。由於先進圖元結構的開發，市面上部分產品更已導入超級曝光模式，支援超過140dB的高動態範圍(在包含非常暗和非常亮區域的具有挑戰性的場景中提供高品質的圖像)，同時抑制LED閃爍(LFM)，以減少日益流行的LED車輛、道路號誌和路燈光源的閃爍。
在感測器技術和自動駕駛車輛生態系統方面取得進展的另一個重要例子是車輛將能夠與道路基礎設施本身進行通訊，這可能可以實現至關重要的功能，例如，能夠提醒車輛注意危險的道路狀況或前方發生的事故。
感測/通訊技術整合至關重要
一個自動駕駛生態系統可以通過定義和便利車輛與道路網路通訊的方式來提高自動駕駛車輛的效能和安全性，從而獲得危險狀況或前方事故的警告。短距離無線通訊是實現這一目標的關鍵一環，但要在整個道路網路中部署，成本也很高，而且很容易遭到駭客攻擊，因此需要建立安全機制和網路安全方案。因應此勢，3M也轉向了一種基於視覺的方法，並與半導體業者合作以共同改善那些配備自動駕駛功能的車輛的導航。這可與主要道路上的無線通訊系統一起實施，因為在較小的道路和臨時路線上部署無線基礎設施較為困難。
圖像感測器現在能夠「看到」的遠遠超過人類駕駛員，透過圖像感測器可使用標誌傳遞更多的資訊，以進一步協助駕駛員超越傳統的先進駕駛輔助系統(ADAS)，並為邁向自動駕駛鋪平道路。視覺技術的增加不僅提高準確性，提供了冗餘，並能在不能實行無線系統的情況下部署車輛到基礎設施的通訊；這類系統的能見度還有助於在公眾中揭開這類技術的神秘面紗，從而提高消費者對自動駕駛汽車技術的信任。
自動駕駛運算挑戰
自動駕駛車輛的處理器面臨著相當大的運算挑戰，不僅要融合不同感測器的輸出，而且還要處理這些感測器(特別是視覺系統)產生的大量資料。因此，生態系統對於指導各公司的技術開發和減輕汽車處理器的壓力至關重要。如NVIDIA DRIVE生態系統平台結合深度學習、感測器融合和環視，以改變駕駛體驗。而安森美也與NVIDIA共同展示開放、基於雲的平台，提供從圖像感測器到NVIDIA DRIVE Constellation的即時資料，支援對大規模測試和驗證的模擬。
交通業正在經歷顛覆性的變革，幾乎所有車廠的自駕車都將在未來幾年投入量產。但技術迅速進步的同時，複雜性和困難也不斷提升。因此產官學界必須齊力且及時地投入自駕車開發，並建立完整的生態系統，這麼一來才能加速產業發展。
(本文作者為安森美半導體全球汽車策略和業務拓展副總裁)