動即服務(MaaS)被認為是智能移動的一個關鍵要素，而機器人汽車技術將是智能移動的一個重要因素，它又高度依賴于嵌入式傳感器。

　　根據(jù)市場研究和戰(zhàn)略咨詢公司Yoledevelopmentpement(Yole)的預測，在這種情況下，高端傳感器技術和原始計算能力將成為這場正在進行的市場顛覆的中心，用于機器人車輛的傳感器將成為它們自己的產(chǎn)業(yè)，在未來15年內(nèi)，CAGR將達到51%。在一份名為《機器人移動傳感器2020》的新報告中表示，到2024年，傳感器預計將產(chǎn)生9億美元的收入，到2028年將達到34億美元，2032年將達到170億美元，屆時將有100萬輛機器人汽車在我們的街道上行駛。

　　2024年傳感器的收入分為4億美元的激光雷達，6000萬美元的雷達，1.6億美元的相機，2.3億美元的IMU和2000萬美元的GNSS設備。不同的傳感器模式之間的分歧在未來15年可能不會保持不變。

　　在Yole看來，智能交通的發(fā)展面臨哪些挑戰(zhàn)呢？報告稱，目前的交通方式正面臨五大限制。

　　第一個問題涉及最脆弱的形式，即行人安全正在惡化。第二，在人們現(xiàn)在生活的主要城市，公共交通在效率和成本方面面臨挑戰(zhàn)。第三，汽車不再像過去那樣是解決交通問題的好辦法。擁堵和擁有成本正在削弱這一選擇。第四，航空運輸目前正在快速擴張，但由于城市到機場的連接仍然很差，旅行仍然很困難。第五，由于所有現(xiàn)有的交通工具造成的二氧化碳排放使得緊急改變變得至關重要。監(jiān)管者和消費者都愿意在自上而下和自下而上的方式上做出改變。

　　Yole首席分析師PierreCambou表示，移動行業(yè)必須去適應，對一些人來說，這將是一個巨大的機會。“在這方面，機器人的靈活性顯然符合所有的標準。無論是機器人汽車、航天飛機還是電動VTOL飛機，所有這些新模式的結(jié)合將提供從城市到郊區(qū)、從城市到城市的“MaaS”。以前的移動方式不會消失，就像電影仍然存在，而電視被大規(guī)模部署。不管反對者怎么說，機器人汽車技術將在2032年之前為Netflix提供移動服務?！?/p>

　　他補充到：“我們的街道和城市正面臨混亂的情況。多年來，機動性定義了人類組織社會的方式，我們的世界目前正圍繞新一代機器人交通工具重新構(gòu)想?！癕aaS市場預計將在未來10年內(nèi)達到2.4萬億美元的價值，谷歌、百度、亞馬遜和優(yōu)步是熱門公司。加上個人擁有的自動駕駛汽車的銷售將產(chǎn)生1.1萬億美元的額外收入，到2032年，自動駕駛的附加價值將達到3.5萬億美元。

　　Yole表示，機器人汽車不關注成本和長期可靠性問題，而這是其他汽車主要關注的問題。所有重要的是傳感器套件的即時可用性、性能和可支持性。機器人傳感器的數(shù)據(jù)流受到下游計算能力的限制。前幾代機器人的速度是每秒幾百TOPS，而最新的機器人速度是每秒1000次。這在傳感器數(shù)據(jù)流方面帶來了有限的增長，這與Yole所說的“摩爾定律之外”有關。所需的計算能力隨數(shù)據(jù)流輸入的平方而增加。傳感攝像頭、雷達和激光雷達的數(shù)量增長將遠遠慢于機器人車載計算機的性能。

　　解決數(shù)據(jù)稀疏問題的方法是讓機器人專家使用“更好的”數(shù)據(jù)，即傳感器，它會帶來其他類型的信息。信息的質(zhì)量提高了，而不是數(shù)量。除了工業(yè)級相機和雷達外，它們還大量使用3D傳感l(wèi)idars、導航級GNSS設備和IMU，以及最近出現(xiàn)的熱紅外相機。

　　在現(xiàn)實世界中的視覺應用

　　視覺和視覺智能市場繼續(xù)快速發(fā)展，有一些引人注目的技術趨勢正在發(fā)生，預計它們將推動多年以來的下一個大規(guī)模增長。這里有幾個例子：

       同步定位和測繪(SLAM)在汽車、機器人、無人機中的應用：同步定位和測繪(SLAM)是自動駕駛車輛、機器人和無人機的關鍵部件，這些車輛、機器人和無人機配備有各種類型的攝像頭和傳感器，例如雷達、激光雷達、超聲波等。

　　3D相機和3D感測：3D相機或更一般的3D感測技術允許場景中深度計算和場景3D地圖的構(gòu)建。這項技術已經(jīng)存在一段時間了，在微軟的Kinect等游戲設備中已經(jīng)普遍應用，最近在iPhoneX生物特征識別中也有應用。此外，機器人、無人機和帶有3D攝像頭的自動駕駛汽車可以識別物體的形狀和大小，用于導航，繪圖和障礙物探測。同樣，3D相機和立體相機是增強、虛擬和混合現(xiàn)實的支柱。

　　邊緣和云中的深度學習：基于神經(jīng)網(wǎng)絡的人工智能已經(jīng)風靡全球，而今天可用的計算能力又使得深度學習成為可能。還有其他因素促成了神經(jīng)網(wǎng)絡在實際應用中的增長，包括大學和大型公司用于培訓和尖端研發(fā)的大量數(shù)據(jù)（視頻、照片、文本），以及它們對開放源代碼的貢獻。這反過來又引發(fā)了神經(jīng)網(wǎng)絡的很多實際應用。事實上，對于機器人、自動駕駛汽車和無人機，在邊緣的GPU/SoCs上運行深度學習推理已經(jīng)成為常態(tài)。云將繼續(xù)用于訓練深度學習以及離線存儲數(shù)據(jù)的視頻處理，只要網(wǎng)絡延遲和視頻管道延遲被認為是可接受，邊緣和云之間的分離架構(gòu)處理也是可能的。

　　AR/VR與感知計算：想想微軟全息透鏡Halolink，后面是什么？六個帶有深度傳感器組合的攝像頭。微軟甚至宣布在英國劍橋開設全息透鏡計算視覺研究中心。

　　安全/監(jiān)視：本文并不關注這個傳統(tǒng)視頻和視頻分析占主導地位的領域。這本身就是一個很大的市場。

　　基于手機和嵌入式設備的生物認證：生物認證可以觸發(fā)下一代移動應用程序，再次是攝像頭傳感器，結(jié)合邊緣和云上的視頻分析，觸發(fā)這一趨勢。隨著技術的成熟，它將擴展到各種嵌入式設備。

　　零售：AmazonGo是一個使用攝像頭和高端視頻分析的例子。很快，我們將在超市里安裝機器人來幫助人類，所有機器人都配備了多個攝像頭和視覺智能以及其他傳感器。

　　媒體：視頻智能已經(jīng)在媒體行業(yè)中大量使用。視頻分析可讓您在大型視頻文件中搜索特定主題、場景、對象或面部。

　　體育：實時3D視頻、視頻分析和虛擬現(xiàn)實將使下一代個性化體育和娛樂系統(tǒng)成為可能。

　　另外，報告中對市場和收入的預測表明，2020年將是首批機器人車隊產(chǎn)業(yè)化的一年。報告預測，在初始機隊的制造方面，用于傳感設備的支出將占總成本的36%，占比最高。到2032年，傳感設備支出仍將占機器人車輛硬件總資本支出的28%。固態(tài)技術的使用和技術規(guī)?；暮锰帉⒂兄诮档蛡鞲性O備的價格，同時提高該設備的性能。Yole預測在2019年，20萬美元的機器人汽車，到2032年，機器人汽車的總成本將下降到12.4萬美元。