
通常情況下,一個典型的傳感器數據處理管道,是將傳感器收集到的數據傳輸至專門的處理系統,然后由該系統進行判斷,輸出操作結果發送給其他系統。在這種情況下,來自不同傳感器的數據處理相對孤立,不會受到其他系統的實際影響。
如今,蘋果設計了一套新系統,可以從一個傳感器獲取數據并與其他傳感器(例如角度傳感器、GPS、慣性、紅外、LiDAR和雷達)的數據結合處理做出融合感知決策。這些數據可以包括原始的傳感器數據、經過處理的傳感器數據,甚至是由傳感器數據衍生的數據。
由于提供了更多的數據點,控制系統在創建行動方案時將有更多的信息可供使用,數據在多個管道中共享,因此可以在流程的不同階段做出多個決策,這些都將使數據更精細,從而使決策更可靠。
例如,此前在一組關于特斯拉自動駕駛的視頻中,晚間一個穿著黑衣服的行人突然從路邊竄出來,Autopilot系統就出現了誤判。這是因為特斯拉主要依靠攝像頭、超聲波和毫米波雷達進行視覺識別,而對于采用激光雷達路線的蘋果方案來說,激光雷達可以確定距離和深度,但它不能看到顏色,這在試圖識別道路上的物體時很重要,將激光雷達與傳輸圖像傳感器數據的管道進行融合,便可以得到顏色數據。
蘋果公司一直在從事多個汽車項目的開發,包括完整的智能汽車和自動駕駛汽車系統。目前,其在自動駕駛方面的專利已經超過70項。每一周,蘋果公司都會提交大量的專利申請。雖然其中很大比例的專利將不會落地,但是卻表現了蘋果在相關領域正在謀求新開拓,這些專利往往也預示著預示著行業的發展趨勢。