我們都知道，實(shí)現(xiàn)自動(dòng)駕駛的第一步是感知，即需要豐富的數(shù)據(jù)輸入，我們目前 L2、L3 的主要通過(guò)三種傳感器來(lái)實(shí)現(xiàn)：攝像頭、雷達(dá)、激光雷達(dá)，然后通過(guò)傳感器融合的方式提供感知信息。

攝像頭可以獲取豐富的信息，但是測(cè)距能力不足且性能易受極端天氣、光線等因素影響，會(huì)出現(xiàn)視力「不足」的情況，這就需要用到雷達(dá) or 激光雷達(dá)提供的感知能力，但是現(xiàn)有毫米波雷達(dá)分辨率較低且獲取的數(shù)據(jù)豐富度不夠，激光雷達(dá)雖然數(shù)據(jù)信息量夠大但是成本是限制其大規(guī)模應(yīng)用的主要因素。在這種情況下，很多公司都在思考如何為自動(dòng)駕駛提供更強(qiáng)的感知能力。以色列的 Arbe 就是其中之一。

Arbe 是誰(shuí)？

「在 Arbe，我們?yōu)?L4 全自動(dòng)駕駛開(kāi)發(fā)和提供全方位解決方案?；趯?zhuān)利成像雷達(dá)，我們擁有首個(gè)能構(gòu)建高分辨率實(shí)時(shí) 4D 地圖的系統(tǒng)，從而能使任何汽車(chē)實(shí)現(xiàn)全自動(dòng)駕駛」。這是 Arbe 官網(wǎng)的業(yè)務(wù)簡(jiǎn)介。透過(guò)這些不難發(fā)現(xiàn)，Arbe 扮演的是一個(gè)自動(dòng)駕駛供應(yīng)商的角色。

Arbe 成立于 2015 年，總部位于以色列特拉維夫，并在中國(guó)和美國(guó)設(shè)立了發(fā)展和顧客服務(wù)辦事處。截止目前融到的資金超過(guò) 2300 萬(wàn)美元。

Arbe CEO Kobi Mrenko 告訴 GeekCr，最開(kāi)始 Arbe 并沒(méi)有直接切入到汽車(chē)市場(chǎng)，而是為機(jī)器人和無(wú)人機(jī)行業(yè)制造雷達(dá)傳感器。正是看到汽車(chē)行業(yè)擁有更大、更具吸引力的發(fā)展機(jī)會(huì)，Arbe 決定進(jìn)入其中。

2019 年 1 月，Arbe 推出了 4D 成像雷達(dá) bet版產(chǎn)品——Phoenix 前端系統(tǒng)，這是他們交出來(lái)的成果。

4D 成像雷達(dá) bet版產(chǎn)品——Phoenix

所謂 4D 成像雷達(dá)的其中三個(gè)維度就是距離（Rnge）、方位角（Azimuth）和仰角（Elevtion），第四維則是利用多普勒效應(yīng)來(lái)檢測(cè)目標(biāo)的方向和速度，通過(guò) 4D 成像雷達(dá)可以在一幀的時(shí)間內(nèi)理解整個(gè)環(huán)境的變化，而不需要像其他傳感器那樣進(jìn)行多幀計(jì)算。

按照官方說(shuō)法，基于其專(zhuān)利硬件、信號(hào)處理和 4D 建模算法，無(wú)論方位角和仰角是遠(yuǎn)程、中程或近程，Arbe 雷達(dá)系統(tǒng)都能實(shí)現(xiàn)極高分辨率，以最高 50 次/秒的頻率生成點(diǎn)云格式的環(huán)境圖片。專(zhuān)利 SLAM 平臺(tái)會(huì)構(gòu)建障礙物的 3D 形狀和速度，然后在地圖上進(jìn)行追蹤、定位和分類(lèi)。

市面上的雷達(dá)一般擁有 12 個(gè)信道（3 發(fā) 4 收），Arbe 的雷達(dá)采用 2300 個(gè)通道 (48 發(fā)射* 48 接收)。信道陣列可以提供 1°方位角分辨率和 2°仰角分辨率，探測(cè)最遠(yuǎn)距離為 300 米，測(cè)距精度在 10-30 厘米，在寬闊的視野下和遠(yuǎn)程范圍內(nèi)能夠同時(shí)追蹤數(shù)百個(gè)目標(biāo)。

按照官方說(shuō)法，Phoenix 的成像精細(xì)度可以達(dá)到其他頂尖雷達(dá)產(chǎn)品的 100 倍，系統(tǒng)擁有高級(jí)算法以及獨(dú)特的信道分離技術(shù)，能夠有效減少錯(cuò)誤情報(bào)；同時(shí)可以實(shí)現(xiàn)在高動(dòng)態(tài)范圍捕捉區(qū)分不同大小的目標(biāo)，還具有實(shí)時(shí)分離靜態(tài)和動(dòng)態(tài)目標(biāo)的能力。

Kobi 告訴 GeekCr，Arbe 專(zhuān)利的基于人工智能的后處理軟件系統(tǒng)還有一個(gè)基于雷達(dá)的 SLAM 解決方案，其 SLAM 算法可以實(shí)現(xiàn)實(shí)時(shí)聚類(lèi)、跟蹤和自定、虛假目標(biāo)過(guò)濾以及基于雷達(dá)和攝像頭分類(lèi)識(shí)別。需要注意的是，該解決方案 還在專(zhuān)利申請(qǐng)中。

透過(guò)上面所描述的內(nèi)容，其實(shí)不難發(fā)現(xiàn)，相比于傳統(tǒng)毫米波雷達(dá)，4D 成像雷達(dá)可以獲取到的數(shù)據(jù)量更為豐富。那么問(wèn)題來(lái)了，如何實(shí)現(xiàn)分析這些數(shù)據(jù)信息所需的處理能力？

和其他企業(yè)一樣，最開(kāi)始 Arbe 也是計(jì)劃購(gòu)買(mǎi)雷達(dá)芯片，但是很快意識(shí)到市面上的芯片能力不夠強(qiáng)大無(wú)法符合其要求，于是 Arbe 開(kāi)發(fā)了自己的毫米波雷達(dá) RFIC 芯片。該芯片是行業(yè)內(nèi)首個(gè)利用 22nm 射頻 CMOS 工藝的車(chē)載芯片，利用該工藝，Phoenix 可以?xún)?yōu)化每個(gè)信道所需的功率，同時(shí)大幅度地降低制造成本。

同時(shí) Arbe 也在基于人工智能開(kāi)發(fā)相應(yīng)的算法用于雷達(dá)目標(biāo)的識(shí)別跟蹤、動(dòng)態(tài)目標(biāo)和周?chē)h(huán)境的區(qū)分、多目標(biāo)軌跡的預(yù)測(cè)等。Kobi 認(rèn)為， 人工智能將會(huì)在自動(dòng)駕駛傳感器數(shù)據(jù)融合中發(fā)揮重要作用 ?！冈谖磥?lái)，我希望看到技術(shù)朝著通用人工智能 (Generl AI) 的方向進(jìn)化，在通用人工智能中，代碼可以自行編寫(xiě)，機(jī)器能夠自學(xué)如何解決問(wèn)題?！筀obi 如是說(shuō)道。

扶汽車(chē)?yán)走_(dá)上位

在 Kobi 看來(lái)，以無(wú)線電波為基礎(chǔ)的雷達(dá)具有全天候全天時(shí)的特點(diǎn)，但是雷達(dá)技術(shù)一直受到低分辨率的限制，這一缺點(diǎn)使得傳統(tǒng)雷達(dá)非常容易受到虛假警報(bào)的影響，并且無(wú)法識(shí)別靜止目標(biāo)；激光雷達(dá)雖然能夠提供更為豐富的三維信息，但是受外界影響因素大，在極端天氣如暴雨暴雪等情況下這些傳感器無(wú)法正常工作。Kobi 還給出了一個(gè)有意思的觀點(diǎn)：（激光雷達(dá)）過(guò)高的傳感水平會(huì)對(duì)最終目標(biāo)的識(shí)別產(chǎn)生反作用，因?yàn)樗峁┝颂嗟淖兞浚瑢?shí)際上會(huì)影響決策。

相比于上述傳統(tǒng)的毫米波雷達(dá)以及激光雷達(dá)，Arbe 的 4D 成像雷達(dá)可以提供更高分辨率，從四個(gè)維度感知環(huán)境提供更為豐富的數(shù)據(jù)，兼?zhèn)淞爽F(xiàn)有雷達(dá)的優(yōu)點(diǎn)以及類(lèi)激光雷達(dá)的能力。換句話說(shuō)， Arbe「吃」的就是毫米波雷達(dá)和激光雷達(dá)的市場(chǎng)。 而且在專(zhuān)訪中，Arbe 不止一次提到「扭轉(zhuǎn)汽車(chē)?yán)走_(dá)的行業(yè)地位，讓汽車(chē)?yán)走_(dá)從輔助性傳感器轉(zhuǎn)變成為自動(dòng)駕駛傳感器套件的核心部分 」，野心可見(jiàn)一斑。

至于車(chē)規(guī)和量產(chǎn)，Kobi 告訴 GeekCr：「Arbe 正在與國(guó)內(nèi)和國(guó)際上的 Tier 1 們合作，符合車(chē)規(guī)級(jí)認(rèn)證是合作項(xiàng)目的一部分，產(chǎn)品將會(huì)在今年年底進(jìn)入最后的生產(chǎn)階段，屆時(shí)將會(huì)通過(guò)認(rèn)證，只有這樣，Arbe 的雷達(dá)才能大規(guī)模投入應(yīng)用?！?/strong>

總之，從官方給出的數(shù)據(jù)來(lái)看，Arbe 提供的技術(shù)確實(shí)很有競(jìng)爭(zhēng)力。接下來(lái) Arbe 要做的就是獲得充裕的資金，盡快通過(guò)車(chē)規(guī)認(rèn)證進(jìn)入前裝量產(chǎn)，實(shí)現(xiàn)自造血能力。

原創(chuàng)聲明： 本文為 GeekCr 原創(chuàng)作品，歡迎轉(zhuǎn)載。轉(zhuǎn)載時(shí)請(qǐng)?jiān)谖恼麻_(kāi)頭注明作者和「來(lái)源自 GeekCr」，并附上原文鏈接，不得修改原文內(nèi)容，謝謝合作！

歡迎關(guān)注 GeekCr 微信公眾號(hào)：?GeekCr 極客汽車(chē)（微信號(hào)：GeekCr）∓ 極市（微信號(hào)：geeket）。