3月27日，近零功耗人工智能解决方案提供商Aspinity宣布推出全新用于停放车辆监控的analogML™算法。Aspinity还推出一款以行车记录仪为重点的评估套件，可在不影响车辆电池或不需要外部电源的情况下准确检测和记录数周或更长时间的安全事件。
图片来源：Aspinity
随着创新型汽车OEM在预测性和预防性维护、安全和安保、信息娱乐等方面实施更多的实时监控应用，车辆搭载的传感器数量迅速增长。尽管在任何情况下，车辆的功耗预算都很紧张，但当车辆停驶时，始终保持在线的传感技术尤其具有挑战性，因为数据的收集和处理必须在不耗尽电池的情况下进行。迄今为止，始终保持在线的安全解决方案要么具有高精度，要么可以提供扩展的停车模式，但无法同时实现。Aspinity创新的AML100模拟机器学习处理器克服了功耗障碍，因此可以长时间连续监控车辆，而无需担心车辆电池的问题。
Aspinity的新型汽车评估套件能比目前常用的基于加速度传感器（g-sensor）的解决方案更准确地检测相关事件。Aspinity在CES 2024展示了使用标准加速度传感器的行车记录仪与使用单个麦克风和AML100的行车记录仪对事件检测精度的并排比较。Aspinity的解决方案使用了带有analogML算法的纯声学触发器，该算法专门用于识别汽车安全事件，在检测相关车辆事件方面大大优于加速度传感器，如门把手晃动、相邻车门打开进入车辆，以及失控的购物车撞到汽车侧面。AML100还能识别特别重要的安全事件（如车窗玻璃破碎），以便立即向车主发出警报。此外，Aspinity的机器学习算法能忽略与车辆无关的事件发出的声音，这些声音通常会触发加速度传感器，比如附近的汽车警报、响亮的喇叭声或大卡车驶过的声音。
这款行车记录仪评估套件使用Aspinity的AML100-REF-1无线电池供电评估模块，可在车辆驾驶室内进行快速部署和评估。该解决方案可始终保持在线，功耗小于50µA，并消除了对虚假事件进行视频记录的情况，这些情况会浪费电能并需要车主对其进行审查。Aspinity的套件可以用作第三方行车记录仪或座舱内OEM集成解决方案的前端，在检测到安全事件时触发摄像头或发送警报。
Aspinity的完整汽车监控算法库通过使用来自声学、压电、雷达和其他类型传感器的模拟输入信号的组合，来利用AML100的传感器融合功能。并且，该解决方案还可以根据具体的监测应用、所需的灵敏度以及传感器是位于车辆驾驶室内还是集成在车辆面板内来选择传感器。
Aspinity首席执行官Richard Hegberg表示：“Aspinity认识到，实时传感是无人值守车辆威胁检测和预防的基石，但必须在最小的功耗预算内准确完成。此外，在竞争激烈的市场中，设计和开发所花费的每一分钟都很昂贵，因此我们也深知需要提供易于部署的解决方案，以尽快提供增值功能。在CES上，我们将汽车安全评估套件与多家领先供应商的行车记录仪评估套件集成，以证明我们的解决方案可以快速应用到现有的车内设计中，并为车内声学监测提供功耗最低、精度最高的AI前端解决方案。”
