2022年3月1日，一家名为NPS（Neural Propulsion System）的自动驾驶技术和传感平台初创公司发布了一份白皮书，讨论了新的框架和方法，使有或没有人类监督的车辆能够及早作出反应并看得足够清晰，以消除致命交通事故。该白皮书的作者分别是：
- Behrooz Rezvani博士：NPS的CEO和创始人。Rezvani博士以前曾创办过一些主要针对电信业的公司，包括Ikanos（被高通收购）和Quantenna（被安森美收购）。
- Babak Hassibi：NPS的联合创始人和CTO。Babak教授也是加州理工学院（Caltech）Mose and Lillian S. Bohn电气工程的首任教授，从2001年起就在那里任职。
- Lawrence Burns：前通用汽车研发与规划VP。他为各组织提供有关未来移动出行、物流、创新、制造和能源的建议，他为谷歌/Waymo进行了十多年的咨询。
NPS是谁？
NPS是2017年成立的自动驾驶汽车和传感技术初创公司，总部位于加州的Pleasanton。该公司声称拥有一种特殊的传感技术，并设计了一种SoC，在一种称之为Atomic Norm的新数学框架方法的帮助下，可以实现约100 TBPS的传感器数据处理速率。
NPS AtomicSense™平台
AtomicSense平台是该公司首款专为自动驾驶解决方案打造的多模传感器系统，解决了每个传感系统物理学的限制。该平台于2021年2月首次推出，此后已经进行了广泛的原型测试，计划在今年晚些时候为客户提供A样，公司的目标是在2024年第四季度前发布该平台。AtomicSense平台增强并结合了激光雷达、雷达和摄像头的优势，创建了一个利用每种技术能力的系统，同时可以消除以下弱点：
- 摄像头：可提供高分辨率的图像，但缺乏深度信息，并依赖于照明条件。
- 雷达：可非常精确地测量速度，但分辨率比激光雷达低，且容易受到其他雷达的干扰。
- 激光雷达：可提供超精确的深度信息，但性能和可靠性在对抗性、某些天气和光线条件下会下降，且容易被遮挡。
AtomicSense平台提供的一些主要功能如下：
- Atomic Norm算法：NPS专利的突破性算法利用了最近发现的数学框架Atomic Norm，根植于加州理工学院和麻省理工学院。与竞争算法相比，它提供了更高的分辨率、精度、可靠性，和更多的目标。AtomicSense处理算法（ASPA）所需的能量相比目前的激光雷达和雷达少50倍。ASPA的性能接近于数学上可能的信息理论极限。
- 激光雷达：NPS在激光雷达上使用了一种叫做Solid-State MIMO™的技术。这种激光雷达结构是全球第一个获得专利的长距激光雷达。它通过超分辨率和自适应多波束搜索，将射程扩大到500m以上。
- 雷达：新型的超分辨率SWAM™雷达技术，探测可靠性提高了10倍。同时，多波段360FoV，抵御其他雷达信号干扰的能力提高了70倍。该雷达专利可以穿透物体并周围。
- 软件：NPS使用AI融合技术来看清周围环境，为自动驾驶平台的导航创建体素地图（voxel mapping）和场景创建，以及感知、导航和决策。
- 芯片：采用AtomicSense平台，在紧密连接的定制信号处理芯片网络上进行620 TBPS的传感器数据处理。
NPS新出版的白皮书NPS今年发布的白皮书总结到，为了实现零死亡，在传感和处理方面，需要每秒100*1012 BPS（100 TBPS）的峰值数据速率，以便车辆在最恶劣的道路条件下安全运行。这一巨大的需求比从人眼到大脑的感知数据率要大1000万倍。白皮书还表示，通过结合分析、先进的多波段雷达、固态激光雷达和先进的SoC技术，可以完成100 TBPS的传感和处理。这种方法将使开发ADAS和完全自动驾驶系统的公司加快进展。NPS于2021年12月在北加州的一个机场实现了道路零死亡所需的核心传感器元素的试点规模概念验证。这是在Atomic Norm的帮助下实现的，这是一个最近发现的数学框架，从根本上改变了传感器数据的处理和理解方式。Atomic Norm是在加州理工学院和麻省理工学院开发的，并由NPS专门为自动驾驶进一步进行开发。
Atomic Norm
Atomic Norm（AN）是一个数学框架，当它与先进的传感器和SoC技术相结合时，可以解决场景重建的大量数据率要求，并使有或没有人类监督的车辆有足够的感知，以消除交通致命事故。这种新方法基于2000年代初在加州理工学院、加州大学洛杉矶分校和斯坦福大学开发的压缩传感框架，该框架起初用于改善MRI（Magnetic Resonance Imaging），并由加州理工学院和麻省理工学院的研究人员在2012年首次发表。压缩传感减少了保持一定性能水平所需的测量次数。
AtomicSense和体素场景创建
AtomicSense平台基于Atomic Norm数学框架。有了它，就能创造出一种处理高速数据的算法，称为AtomicSense处理算法或ASPA。ASPA的优点之一是NPS不需要用窄光束对场景进行物理扫描。相反，它使用更宽的光束和更好的计算方法，使覆盖体积中的每个体素（voxel）都能被单独询问。
体素是三维盒子或立方体的另一个词。世界被划分为三维立方体（可以想象成棋盘，但却是三维的），车辆会报告说这个立方体中有看起来是固体的东西，或者这个立方体基本上是空的。
一些想法
当涉及到先进的传感器融合和数据融合技术时，Atomic Norm这种新的数学方法和对大量数据速率的解析可能是有用的。然而，更高水平的AI、标注和绘图可能需要更好更准确的决策任务。
100TBPS的数据解析量确实是一个令人印象深刻的数字，这些大量的数据将在边缘进行处理，与雷达和激光雷达传感器位于一起。高精度检测到的非空的体素（约0.1-1%）将被传递给下游。
考虑到汽车以太网只有1GBPS，人们会认为AI/软件、机器学习和深度学习解决方案和边缘处理已经足够。除了以太网电缆，可能还需要一个更强大的连接，以实现NPS所追求的数据速率。NPS认为，数据解析需要在传感器和边缘上实时进行。
然而令人印象深刻的是，NPS为躲避物体、制图和导航而创建体素场景的方法，体素导航和绘图并不新鲜。Voxelmaps和NPS的解决方案之间的主要区别是，NPS在他们的解决方案中加入了他们专有的SWARM多波段雷达。
早在2017年，一家名为Voxelmaps的初创公司，推出了体素绘图技术，以创建高精地图。体素地图解决方案旨在开发一个地球的3D模型，精度为10厘米，具有完整的摄影和语义细节。Voxelmaps和NPS的解决方案之间唯一的主要区别是，Voxelmaps正在使用激光雷达和高清摄像头。相反，NPS使用的是一个更昂贵的解决方案，包括高清摄像头、雷达和激光雷达。
,
