3S Market 傳遞 智慧應用與價值的商業資訊
Supplier Risk Incidents and
Supply Chain Disruption
智慧經營管理
|
2020年6月17日 星期三
．走進工業物聯網 逐步打造製造智慧化
How Digital Transformation is transforming Chemical Industry
 |
|
|
1969 年 PLC 問世後，自動化技術在製造領域逐漸站穩腳步，如今已是全球製造系統的核心架構，由於製造系統講究穩定，因此對新技術、新架構的接受速度向來緩慢，不過近年來消費市場快速變動，對全球製造業帶來嚴峻挑戰， 導入智慧化架構成為業者永續經營的必要策略，而在新世代的製造系統中，工業物聯網不僅成為核心架構，更會與 AI（人工智慧）結合，落實智慧化願景。
所有場域應用的物聯網，其架構都相同，都是由感測器、通訊網路與雲端管理平台，所組成的 3 層架構，由感測器擷取設備數據，再經由通訊網路傳送到上層雲端平台儲存、運算，最後再以分析出來的數據，作為系統運作的決策參考，而在整體架構中， AI 過去多被建置在上層的雲端平台，透過強大的機器學習算法，分析由終端感測層傳回的海量數據。
不過，機器學習算法需要一定的運算時間，其目的也多在解決製造業類似像是製程排程優化的長時間問題，對於製程中會遇到的即時問題反應，與控制指令回饋會緩不濟急，近兩年邊緣運算概念興起，成為工業物聯網的即時性問題的最佳答案。
上層 AI 多用於長期規劃
邊緣運算的做法，是讓終端設備具有一定的運算能力，具有邊緣運算設計的工業物聯網架構，必須先建立起一套數據流模式，當感測器擷取到設備的狀態數據後，就將數據傳送到通訊層的網路閘道器（Gateway），Gateway 再依照系統建構時的設定讓數據分流， 需要即時處理數據傳送到前端控制器，讓自動化設備可以快速反應，需要儲存累績為長期數據的數據，則送往數據庫儲存，上層再透過運算平台分析出結果，提供管理者作為決策參考，因此現在完整的工業物聯網， 其 AI 會被分別設計在會有終端與雲端兩部分，讓分布式與集中式運算在架構中並存，彼此各司所職。
再從設備供應端在工業物聯網的研究議題來看，現在主要是集中在 4 個方向，包括生產系統、產品品質、製程優化與數位建模。 在這 4 大方向中，各有其需要解決的問題，像是生產系統中，設備的狀態感測、監控與預診，產品品質的檢測、預測，製程優化的參數設定、能源運用，數位建模的數位雙生平台建立等，透過工業物聯網的數據擷取與分析，將可逐步解決這些問題， 提升系統整體效能。
在工業物聯網中，AI 主要用來做制程的優化與長期規畫等非實時性決策，例如現在消費性市場的產品類別多樣，製程系統的換線將成為常態，透過大數據與 AI 的運算，就可盡量縮短換線生產的停機時間，讓排程優化。
進行產線排程時，需從機器環境、製程加工特性與限制、排程目標，依據工作到達達生產現場的情況區分，可分靜態及動態排程兩種，靜態排程是到達生產現場時，其製造數目？固定且可一次完成的任務進行排程，後續如果出現新工作， 再併入下一次製程處理。 動態排程則是若製程連續、產品隨機，而且數目不固定的到達生產現場，須不斷的更新生排程。
就上述兩種排程方式來看，靜態排程通常為少樣多樣方式，AI 在其中要解決的問題，主要是透過深度學習算法分析各環節的時間與品質，不斷的改進工序，讓效能與品質優化；動態排程則用於少量多樣生產，AI 會針對不同產品的工序， 建立起換線模式，有不同產品上線時，即啓動專屬換線模式，盡量縮短停機時間，同時讓產品維持固定質量。
邊緣運算效益可快速浮現
由於工業物聯網上層的 AI 建置，效益需要一段時間才浮現，不會是立竿見影的發生，而且對製造業者來說並非當務之急，因此目前投入者大多為大型製造業，中小規模的業者，則以底層的邊緣運算為主。
目前中小企業的工業物聯網建置，製造設備的預知保養與製程檢測仍是兩大主要功能，由於設備的無預警停機，將會造成整體產線停擺，輕則產線上的半成品報廢，重則交期延宕影響商譽，設備保養過去多采人工記錄方式，人員再按照時間維護， 不過這種方式除了有可能因人員疏失或懈怠，未能定時作業外，設備也有可能在未達維護時間時故障。
工業物聯網中的設備預知保養可分兩類，一種是直接在管理系統上設計提醒功能，主動告知相關人員維修時間，另一種則是由傳感器偵測設備狀態，若是出現異常，AI則會依據出現的狀態頻率，判斷可能發生的情況，再做不同處理， 例如感測器發現馬達的震動，有可能是軸心歪斜，系統會依據震動的大小與頻率判斷馬達現在的狀態，如果有可能會立即損壞，就馬上告知設備維護人員停機更換，如果沒有立即危險，則會讓馬達持續運作，並記錄該馬達的狀況， 讓管理人員自行決定維護時間，讓產線可以維持穩定的運作效能。
邊緣運算的另一種主要功能是製程檢測，從目前 AI 的發展來看，圖像處理佔有 70％ 以上的應用，在工業物聯網架構中也是如此。 過去制程中多靠人眼檢測產品品質，由於人眼容易疲勞，隨著工作時間的拉長，檢測品質會逐漸降低，再者，部分消費性產品的體積越來越小，產線速度越來越快，人眼已難以負荷，現在已被取代機器視覺所取代。
現在的機器視覺判斷速度非常快，且精準度越來越高，不過其運作模式仍是貼合大量製造的制程為設計，其快速與精準的辨識，僅能適用於少數類型，在少量多樣或混線生產的製程中仍力有未逮，而 AI 則可讓機器視覺擁有學習能力， 未來的設備將可透過算法自我學習，遇到不一樣的產品種類或瑕疵時，即可自主判斷，不必再由管理人員重新設定、調整判別模式。
感知運算會是下一步
在現有的設備預診與制測檢測之後，製造系統的邊緣運算接下來將會有那些重點應用？ 易用性將會是下一個趨勢，而要讓設備易用，感知會是系統的必要設計理念。
相對於現在的工業物聯網中，邊緣運算只能找出系統問題，感知運算則可找到問題的原因，並直接提出最佳解決方式，製造系統的智慧化設計，必須針對不同使用者提供適用功能，決策者、管理者、操作者所需的資訊大不相同， 第一線的設備作業者遇到問題時，往往面臨極大的時間壓力，此時系統並不需要問題以外的資訊，只需要系統直接告知問題所在，甚至提出可行的解決方式，像是設備故障，系統會直接在畫面顯示或以語音提示，告知操作人員先按下某個按鍵， 讓系統先恢復安全狀態，之後再提示緊急狀態的發生原因。
這就是感知運算最大的優勢所在，隨著 IT 領域軟硬體技術提升與製造業對智慧化概念的逐漸接受，感知運算將成為製造業的應用會越來越多。
這就是感知運算最大的優勢所在，隨著 IT 領域軟硬體技術提升與製造業對智慧化概念的逐漸接受，感知運算將成為製造業的應用會越來越多。
觀察發展現況，工業 4.0 在製造業已是大勢所趨，無論是設備應應商或製造業者，導入工業物聯網的動作也都轉趨積極，不過有成效者仍佔少數，之前研究機構麥肯錫（McKinsey）就曾針對歐、美、日等地的製造大廠進行調查， 根據調查顯示，建置相關係統的企業中，僅有四成認為有獲得成效或確實改善了製程，此一結果雖然不至於太慘，但與當初預期仍有一段距離。
至於台灣市場，由於製造業族群分布零散，工業 4.0 要落實在不同產業中仍有困難，原因在於無論是技術成熟度、策略方針到問題痛點，不同型態的製造業，其差異都相當大，因此製造業導入工業物聯網的第一步，就是先審視自己所處的位置， 以找出最合適的解決方案。
業者指出，各族群製程系統的技術成熟度不同，對工業物聯網的功能需求差異也極大，例如傳產可能連第一步將設備連網的階段都還未達到，更遑論 AI，但也有產業已在深入研究 AI、機器學習等技術的深化應用，讓設備自主優化。
你在工業 4.0 的哪一階段？
至於製造業要審視本身在工業 4.0 中所佔的位置，則可透過虛擬實體系統（Cyber Physics System）當中的 5C 架構來進行評判標準， 5C 標準非常適合用來檢視工業 4.0 技術的成熟度，並輔助企業審視各階段所需的代表性能力與技術，順利導入工業物聯網。 5C 架構從最底層初階技術至最高層高階應用共可分為五個能力組成，分別是鏈接（Connect）、轉化（Covert）、虛擬（Cyber）、感知（Cognition）以及自我配置（Configure）。
第一階段的鏈接，最主要是整合 OT 與 IT 系統，透過聯網技術讓機器與機器間能夠互相通訊、進行串聯。 其次是轉化，這階段是讓設備機台在初步的連網後，將擷取到的資訊轉換為具有分析價值的數據資訊，例如設備的失效或良率的分析。 其中，設備端點須具備分析、智慧化的能力，是這一階段中非常關鍵的能力。
在第三個階段虛擬中，則是強調虛擬化的數位雙生（Digital Twins），在所有機台都連網之後，形成另外一個虛擬、同步化的工廠運行，而其數位工廠具備感知、預測能力，可預測「 非計劃內」的設備故障，當故障訊息被數位工廠擷取後，更可以仿真接下來如何執行優化的重新排程，例如像日本近年就非常致力於推動數位工廠的運行。
至於第四層感知階段，主要則是導入如機器學習、深度學習等一系列的人工智慧技術，讓機器可自我學習、進化，並從大數據分析中不斷進行推算與仿真，進而在設備端預防機器故障與良率不佳的狀況。
最後一個階段自我配置，則是能夠機器能夠藉由感知、學習的結果，以自主的方式改變機器設備的設定，就好比自動駕駛的概念，利用系統對環境變化的判斷與分析自動更改執行命令。 而工廠的機器同樣也能夠根據感測系統、訂單需求等的變化重新排程，訂立優化的結果，這也是目前工業 4.0 追求的最高層級。
透過不同階段的認知，製造業即可掌握目前自身系統所在的位置，並根據自身問題，向系統整合商提出功能需求，例如產品質量不佳，就以圖像處理強化質量控管；要提升效能，則可偵測設備的使用狀態，提升 OEE（整體設備效率）， 而這些功能都可透過簡單的 AI 設置，加快效益的浮現速度。
談到 AI，過去多認為是遙不可及的概念，但其實 AI 可分為強 AI 與弱 AI，在工業物聯網的邊緣運算中，通常只需要用到有限效能的弱 AI，就可有效提升效能，因此製造業者不必認為太過遙遠就一徑排斥，可與系統廠商溝通討論，先從影響不大 、成本不高之處先行建置，再視成效決定下一步動作，透過不斷的嘗試、修正與導入，企業就可在有限的成本與風險下逐步轉型，維持市場競爭力。
按此回今日3S Market新聞首頁
按此回今日3S Market新聞首頁
．還是對雷射雷達一知半解？趕緊來看看這篇超詳細解讀
Velodyne Lidar 101
2007 年 11 月 3 日，6 輛汽車創造了歷史，它們成功地在模擬城市環境的測試場完成了自動駕駛測試，全程都沒有違反加州的交通法規。值得一提的是，這 6 輛車裡，有 5 輛都搭載了新型雷射雷達傳感器，而提供該設備的就是 Velodyne，不過當年的它可是一家音頻設備製造商。
10 年之後，Velodyne 還在延續著傳奇，它的產品依然是自動駕駛汽車的核心部件。不過有一點沒改變的是——雷射雷達的價格，它只是從非常貴變成了相當貴，離平民化的目標還有很遠一段距離。
因此，Velodyne 和大批新崛起的雷射雷達新創公司，現在的主要目標就是改變這個尷尬的局面。
在本文中，我們將對雷射雷達技術，進行一次深入剖析。除了雷射雷達的工作原理，本文還會講解它所面臨的挑戰，畢竟想滿足自動駕駛汽車的商用要求可不容易。
一些專家相信，打造出一台售價低廉的雷射雷達，最關鍵就是將傳統的旋轉式機械設計，換成固態設計，這樣能大量減少可移動部件，雷射雷達不但結構和量產簡單了，成本也低了。話雖如此，但沒人知道要打造一台，成本低廉的車用級別雷射雷達，還要花多長時間。
值得欣慰的是，所有專家都對此報積極態度。為此，他們還舉了大量技術進步的例子，如計算器和防抱死系統，它們的售價都從高不可攀變得非常便宜，靠的就是大規模量產。
顯然，雷射雷達也會重複相同的路徑，也就是說，雷射雷達的價格，不會成為阻礙自動駕駛汽車普及的絆腳石。
顯然，雷射雷達也會重複相同的路徑，也就是說，雷射雷達的價格，不會成為阻礙自動駕駛汽車普及的絆腳石。
生不逢時的雷射雷達急先鋒
*Velodyne 的 64 線雷射雷達為自動駕駛汽車帶來了曙光
上世紀 60 年代起，科學家們就開始用雷射進行測距。當時麻省理工學院的一個團隊，就用雷射測出了地球與月球之間的距離。不過，說到車載雷射雷達技術，就不得不提 Velodyne 的發明家 David Hall。
21 世紀初的 Hall 是 Velodyne 公司的 CEO（也是創始人），當時這家公司主營音頻設備。但私底下， Hall 是個不折不扣的機器人發燒友。
「我們的團隊當時登上了 BattleBots 和 Robot Wars 比賽（均為機器人比賽）的舞台，藉口是替 Velodyne 的音響做宣傳。」Hall 在接受《連線》雜誌的採訪時說。
因此，當孕育了互聯網的 DARPA（國防部高級研究計劃局）又鼓搗出一個名為 Grand Challenge 的自動駕駛汽車比賽時，Hall 決定要參與其中。
在 2004 年的比賽中，Hall 和自己的親兄弟一起「上了戰場」，他們參賽的卡車安裝了兩顆攝影機。不過，這樣簡陋的配置可不能幫助他們獲勝，甚至是完成比賽。可惜，當年那次比賽沒有一輛車能笑到最後。
一年後的第二屆比賽中，Hall 兩兄弟拋棄了攝影機方案，轉而用起了雷射雷達。其他團隊也換上了雷射雷達，不過當時市場上的產品還相當原始。
那時候，最受歡迎的雷射雷達是 SICK LMS-291，它只是一套 2D 雷射雷達系統，也就是說它「視力」達不到 2.0，只能「看清」世界的一部分。
這套系統能幫賽車探測到，類似牆和樹，這樣竪立在地面的障礙物，不過如果遭遇到形狀不規則的障礙物，如荒廢的鐵道，它還是會不知所措。此外，這套系統只能探測，不能辨識，它不知道自己面前的是行人還是路標。
SICK LMS-291 的點雲圖（右）和 Velodyne 雷射雷達的對比（左）
為了爭取勝利，Hall 兄弟倆直接開發了新型雷射雷達，他們將一台 64 線雷射發射器，安裝在可以 360 度旋轉的萬向節上。這樣一來，整套系統就能採集到真正的 3D 圖像。
可惜的是，他們的賽車未能贏得當年的比賽，不過 Hall 兄弟倆開發的這套雷射雷達，卻吸引了其它團隊的注意力。在第三和第四屆（最後一屆）比賽中，Hall 成了雷射雷達供應商。最後一屆比賽中，6 輛完賽車輛中有 5 輛都用了 Velodyne 的雷射雷達。
為什麼對自動駕駛汽車來說雷射雷達非常重要？
Uber 測試車用的還是旋轉式雷射雷達
在那之後，Velodyne 順理成章升級為雷射雷達市場的統治者。谷歌蒐羅了大量當年挑戰賽的參與者，創建自動駕駛部門後，就用上了 Velodyne 的雷射雷達，其他參與自動駕駛開發的公司也無一例外成了 Velodyne 產品的買主。
眼下，大多數自動駕駛汽車都會搭載三類傳感器：攝影機、雷達和雷射雷達。不過每個類型的傳感器都有自己的「長矛」和「軟肋」。
舉例來說，攝影機能捕捉高清晰度的彩色照片，但它沒有測距能力，在測量遠距離物體的速度上也差點意思。
雷達測距和測速能力都不錯，最近幾年其成本也在不斷走低。「當物體離車輛較近時，雷達效果確實不錯。」休斯頓大學雷達專家 Craig Glennie 解釋。「不過由於它使用的是無線電波，因此在遠距離情況下雷達細節不足。」
雷射雷達則兼顧了上述兩款感測器的優勢。與雷達一樣，雷射雷達測距能力非常強悍，有些雷射雷達也有測速能力。同時，其分辨率也比雷達要高，這就意味著它能偵測到更小的物體，並且分辨出這些物體是行人、摩托車或是垃圾堆。
與攝像頭不同的是，雷射雷達在任何光線條件下效果都不錯。
當然，雷射雷達也不是完美的，它最大的槽點，就是昂貴的價格。當時用在賽車上的 Velodyne 64 線雷射雷達價格高達 7.5 萬美元。直到近一兩年，它則開發出了體積更小、價格更便宜的 32 線和 16 線產品，不過最低價格也得 7999 美元。
去年年末，Velodyne 還推出了全新 128 線雷射雷達，雖然性能異常強悍，但 Hall 也對這款雷射雷達的價格三緘其口。
去年，Velodyne 宣稱拿到了福特的大單，它要開發一款新型固態激光雷達，一旦進入大規模量產，價格能拉低到 500 美元以下。不過，Velodyne 並未公佈福特詳細的採購量和採購價格，至於這款固態雷射雷達何時進入量產，現在還是未知數。
現在的 Velodyne 可一步也不能停歇，因為雷射雷達市場的競爭實在太激烈了。
固態雷射雷達的崛起
對汽車製造商來說，零組件當然越耐用越好，因此帶有各種活動部件的雷射雷，達肯定在可靠性和價格上，無法做到盡善盡美，比如 Velodyne 的旋轉式雷射雷達。
鑒於這種原因，很多專家相信，雷射雷達想進軍主流市場，就必須切換成固態設計，不過這就需要新的裝置，將雷射發射到不同方向，以覆蓋車輛周邊環境。
眼下，研究人員拿出了三種主要的固態雷射雷達解決方案：
第一種是基於微機電系統（MEMS），整套系統只需一個很小的反射鏡，就能引導固定的雷射束射向不同方向。由於反射鏡很小，因此其慣性力矩並不大，可以快速移動，速度快到可以在不到一秒時間裡，跟蹤到 2D 掃描模式。
現在研發 MEMS 雷射雷達的主要有 Luminar 和 Innoviz 兩家公司。此外，名為 Infineon 的雷射雷達公司最近收購了 Innoluce，後者就是一家 MEMS 雷射雷達新創公司。去年 10 月，中國產的雷射雷達廠商速騰聚創，公佈了固態雷射雷達 MEMS（微機電系統）和 OPA （相控陣）固態雷射雷達最新研發進展。
MEMS 雷射雷達的一大優勢，是感測器可以動態調整自己的掃描模式，以此來聚焦特殊物體，採集更遠更小物體的細節資訊，並對其進行辨識，這是傳統機械雷射雷達無法實現的。
第二種雷射雷達採用相控陣設計，它搭載的一排發射器，可以透過調整信號的相對相位，來改變雷射束的發射方向。如果發射器同步發射雷射，雷射則會射向同一個方向。不過，如果左側發射器相位處在右側之後，雷射則會發射向左邊，向右發射同理。
相控陣 LiDAR 工作原理
雖然原理簡單易懂，但大多數相控陣雷射雷達，現在依然待在實驗室裡。Efficient Power Converter 公司 CEO Alex Lidow 表示：「我不得不說，相控陣雷射雷達屬於未來，現在我們還停留在旋轉式或 MEMS 雷射雷達的時代，前者更是處於統治地位。」
說到相控陣雷射雷達，就不得不提 Quanergy，這家新創公司是 Strobe 公司的關鍵技術顧問，而去年 10 月份，Strobe 被通用收歸門下，因此通用可能也在攻關這項技術。
第三種是 Flash LiDAR，它運行起來更像攝影機。雷射束會直接向各個方向漫射，因此只要一次快閃就能照亮整個場景。隨後，系統會利用微型感測器陣列，採集不同方向反射回來的雷射光束。
Flash LiDAR 的一大優勢是它能快速記錄整個場景，避免了掃描過程中，目標或雷射雷達移動，所帶來的各種麻煩。不過，這種方式也有自己的缺陷。
「像素越大，你要處理的信號就越多。將海量像素塞進光電探測器，必然會帶來各種干擾，其結果就是精度的下降。」卡耐基梅隆大學機器人專家 Sanjiv Singh 解釋。
當然，如果你對固態雷射雷達有更多興趣，2018 年 1 月 16 日，雷鋒網(公眾號：雷鋒網)新智駕將在矽谷舉辦 GAIR 矽谷智能駕駛峰會，我們邀請了重磅嘉賓如全球頂級的雷射雷達公司 Velodyne CTO Anand Gopalan 進行主題演講。他是 Velodyne 固態化與 ASIC 研發背後的「關鍵先生」。更多峰會信息點擊 https://gair.leiphone.com/gair/gairsv2018，敬請關注。
探測距離是車載雷射雷達的一大局限
簡而言之，Flash LiDAR 沒有「遠視眼」，在實際使用中不適合遠程探測，而業內專家堅信，全自動駕駛汽車上搭載的雷射雷達，至少一眼就得看到 200 到 300 米外的物體。
現任福特公司高管的 Jim McBride ，2005 年時也組織了一支隊伍參加 DARPA 的自動駕駛大賽，在接受採訪時，他解釋了專家們做出這一判斷的原因。
McBride 先假設了一個場景，即自動駕駛汽車想在進入高速時匯入車流。「當時的車流至少有 100 km/h，也就是說車每秒就能跑 30 米。這樣的情況下，大多數車至少要花 6-10 秒鐘才能提升至 100 km/h，因此它們必須能在這一時間裡，看到自己周邊車輛的情況，即離自己 180-300 米的車輛。」
對任何雷射雷達系統來說，向 300 米外發射雷射，並探測其反射信號並不容易。各大製造商也使出吃奶的勁，找了一些增加雷射雷達探測距離的方法。
如今，大多數雷射雷達感測器的雷射，都處在近紅外線範圍內，一般廠家都會選擇 905 奈米這一波長。不過，它比較接近可見光的波長（紅光波長約為 780 奈米），而雷射會損害人眼，燒壞視網膜上的光敏探測細胞，因此 905 奈米雷射的功率受到嚴格限制。
為了避免傷害人眼，研發人員決定換用另一種波長的雷射。舉例來說，Luminar 公司就開發了使用 1550 奈米雷射的雷射雷達。由於它大大超越了可見光的範圍，因此對人眼來說要安全得多。
解決了安全問題，1550 奈米雷射雷達的功率，就能大幅提升。相關數據顯示，研究人員將雷射雷達功率提升了 40 倍，它探測遠端雷射信號的難度低多了。不過有得必有失，1550 奈米雷射和探測器很貴，因為它們製造時需要更多特殊材料。
除了提升雷射功率，我們還能透過增強探測器敏感度，來擴展雷射雷達探測距離。被福特高價收歸門下的 Argo AI ，去年收購了 Princeton Lightwave——一家用高敏感度探測器（單光子雪崩二極管）製作雷射雷達 的公司。
這種探測器相當敏感，適合頻率中一個光子，就能將其激活。
同時，這些高度敏感的探測器也不新鮮，在軍事和勘探領域已經使用多年了。去年，Princeton 就表示要將該技術引入汽車市場。
飛行時間（TOF）vs 連續波調頻
在開發新一代雷射雷達時，廠商們還面臨第三種設計上的新選擇，即如何測算時間和距離。大多數雷射雷達直截了當用了飛行時間的方法。它會發射一條非常短的脈衝，然後用超級精確的計時器，來算出脈衝一去一回到底花了多少時間。
除了靠飛行時間來測算距離，一些廠商還開發了更為複雜的方法，並將其命名為連續波調頻（CWFM）。從命名就可看出，這種方法，會向目標發射連續的雷射光束，該光束會分成兩道光束，一道會飛向目標並反射回來，在飛行途中則會與另一道光束重組。
從雷射雷達發射出的雷射光束頻率會穩定成長，而從它分出來的兩道光束則飛行了不同的距離，重新結合後頻率會有所差別。這就生成了一個有差頻的干涉圖樣，研發人員能從中得出第一道光束的飛行距離。
這種方式有多個優點。首先，「連續波調頻雷射雷達根本不怕背景光的影響。」美國軍火巨頭洛馬公司的 Paul Suni 解釋。「傳統的飛行時間雷射雷達一旦遇到同頻率的其它光源，可能就會不知所措。」同時，CWFM 系統更為靈敏，即使面對強烈的眩光，也能正常工作。
這一點相當重要，因為未來自動駕駛汽車，普遍會搭載多顆雷射雷達傳感器，有大量雷射在空中飛來飛去，傳統的飛行時間雷射雷達肯定會受到干擾。
CWFM 還有個大優點，即可以將探測物體的距離和速度一網打盡。對此，Suni 解釋稱：「如果你的傳感器和路上的車輛間發生了相對運動，那麼信號就會發生多普勒頻移。如果你只測量一個頻率，就會出問題。」與其相比，CWFM 雷射雷達會對不斷成長和不斷降低的兩個頻率進行測定。透過計算，距離和速度問題就能迎刃而解。
眼下，在進行 CWFM 雷射雷達技術攻關的，是一家名為 Aeda 的新創公司，《紐約時報》還專門進行了報導。此外，上述提到的 Strobe 可能也在進行類似研發。
低價雷射雷達在路上了？
*磷化铟晶圆
雷射雷達到底如何設計，恐怕各家公司，已經嘗試了各種可能的方案，但就連專家也不敢斷言，到底哪種設計能笑到最後。不過，所有人都信心滿滿地表示，未來幾年雷射雷達，將迎來大降價。
歷史無數次的告訴我們，原本高不可攀的產品，最終都會飛入尋常百姓家，前提是進行大規模量產。
Lidow 認為雷射雷達會重覆當年 ABS 的普及路線。「1979 年時，我就在通用開發 ABS。」Lidow 說。「當時，這套系統裝下來要 8000 美元，對消費市場來說實在太貴。不過，航空公司買得起。隨著 ABS 系統價格不斷下滑，連大卡車也享受到了這項新技術。別忘了，卡車可是有 18 個輪子。
幾十年後的今天，一套 ABS 硬體價格才 20 美元。
「我親眼見證了這場技術進化。」Lidow 補充道。「汽車公司恨不得省下一切不必要的成本，而雷射雷達系統，並不比當年的 ABS 系統複雜。」
Lidow 大膽預測稱，未來雷射雷達感測器價格，可能會降到 10 美元級別。
卡耐基梅隆的 Singh 也認為，雷射雷達大降價就在眼前。「計算器剛剛誕生時，也賣 1000 美元一台。隨著產量的提升，價格開始逐漸下滑，人們將各種零組件融合在了一塊晶片上。」
雷射雷達行業裡，這樣的故事也在發生，研究人員試圖將所有的傳感器零組件，塞進一塊晶片。
「我們的雷射雷達晶片來自 300 毫米晶元，如果能達到年產百萬級別，其生產成本就能降到 10 美元。」麻省理工研究人員 Chris Poulton 和 Michael Watts 在一篇論文中寫道。這種晶片用了光學相控陣技術，不需要機械零組件。
當然，現在年產百萬的目標很難實現，有分析師甚至警告稱，恐怕這樣的產品還得在實驗室多待幾年，才能真正進入消費市場。「所有公司都在試圖生產，能替代 Velodyne 雷射雷達的低售價固態產品，但恐怕沒那麼容易。」
除了量產上的挑戰，固態雷射雷達還有一個巨大的劣勢，那就是它相當有限的視場。
福特的 McBride 表示，相控陣系統「最多只能看到 50 度的場景」，現在還沒人能突破這一瓶頸，而 MEMS 的視場也只有 30 到 60 度。
這就意味著，想替代現在的頂置旋轉雷射雷達，至少要在車上安裝 6 到 12 個固態雷射雷達，固態產品的價格優勢便會蕩然無存。因此，現在就斷言機械雷射雷達將死還為時尚早。「一個旋轉的圓盤可不貴，而且別忘了，車裡會旋轉的機械零組件也不少，它們使用數萬公里也沒什麼問題。」Lidow 說。
不過，歷史的車輪滾滾向前，雖然想拉低雷射雷達售價，需要工程師的不斷努力，但這條路上並沒有什麼難以克服的困難，因此高品質雷射雷達售價跌到 1000 甚至 100 美元都是有可能的。
這就意味著，自動駕駛汽車的售價，最終能為普通消費者所接受。而在此之前，一台雷射雷達 7.5 萬美元的售價，就足夠讓人望而卻步了。
眼下，大量資本正在注入雷射雷達行業，為的就是開發出性能更強，價格更低廉的雷射雷達產品。
雖然現在我們無法預測雷射雷達廉價化的那一天，到底何時到來，但可以想見的是，原本是「天之驕子」售價，高高在上的雷射雷達會，隨著時間的流逝變得越來越便宜，性能也會越來越好。498181121
按此回今日3S Market新聞首頁
雖然現在我們無法預測雷射雷達廉價化的那一天，到底何時到來，但可以想見的是，原本是「天之驕子」售價，高高在上的雷射雷達會，隨著時間的流逝變得越來越便宜，性能也會越來越好。498181121
按此回今日3S Market新聞首頁
．美中貿易戰：由於緊張局勢持續加劇，全球貿易面臨危機
America v China: why the trade war won't end soon – The Economist
 |
由於中美之間的緊張局勢繼續加劇，全球貿易可能面臨重大後果。
早在1月份，全球最大的經濟體，在受到兩年的關稅和貿易限制，抑制了全球經濟成長之後就休戰了。 但是全球貿易緊張局勢威脅著 COVID-19 大流行的經濟復甦。
總部位於華盛頓的皮尤研究中心（Pew Research Center）進行的一項民意調查發現，大約三分之二的美國人，對中國持負面看法。
這是自 2005 年智庫開始調查以來的最高比例。
自從冠狀病毒在中國武漢爆發以來，美國總統唐納德·川普（Donald Trump）不斷重複猜測，這種致命病毒起源於實驗室。
國務卿邁克·蓬佩奧（Mike Pompeo）也聲稱中國「有感染世界的歷史」。
日前，川普先生威脅說，如果他們未能購買比 2000 年多 2000 億美元（合 1620 億英鎊）的美國商品和服務，就「終止」與中國的貿易協定。
特朗普星期四說：「我們簽署了一份，他們應該購買的貿易協議，他們已經購買了很多東西，但現在已成為該病毒發生的次要原因。
「病毒情況不可接受。」
華盛頓美國企業研究所（American Enterprise Institute）的中國分析師德里克‧西西索斯（Derek Scissors）認為，美國和中國之間的緊張關係，將在秋季（即總統選舉前的幾個月）達到頂峰。
他說：「這項協議的重點是在選舉前給予川普政治榮譽。
「 9月是時候，您將對川普總統施加很大壓力。
「中國人希望川普能大聲疾呼，直到選舉結束，制裁結束時，他們只會持續幾個月。」
Capital Economics 的首席經濟學家保羅·阿什沃思（Paul Ashworth）表示同意：「很可能大選比賽，將一直持續到投票日，這顯示川普競選活動將繼續對中國發動襲擊，以此來鞏固共和黨的投票基礎。
「我們懷疑川普將主要堅持威脅。 如果確實有證據表明中國有掩蓋行動，這可能會鼓舞美國政府採取更堅決的行動，特別是如果其他國家願意加倍譴責的話。」
川普先生一直將冠狀病毒的爆發歸咎於中國，並聲稱世界衛生組織（WHO），一直在與中國國家主席習近平，一起掩蓋這次爆發。
在華盛頓特區林肯紀念堂舉行的虛擬市政廳會議上，川普指責中國造成了全球性大流行，並指責他們犯了「可怕的錯誤」，掩蓋了國家行為。
他說：「好吧，我認為對此沒有任何疑問。 我們想進去，他們不想我們進去。
「出現了令人信服的東西。 我認為沒有任何問題。
「就我個人而言，我認為他們犯了一個可怕的錯誤，他們不想承認這一點。」
川普譴責共產黨沒有就病毒的嚴重性，向全球領導人發出警告，並表示中國沒有承認他們的錯誤。
他繼續說：「我們想進去，但他們不希望我們在那裡。
「甚至世界衛生組織都想參加 - 他們被錄取了，但很久以後，不是立即。
「他們犯了一個錯誤，他們試圖掩蓋它，就像大火一樣。 他們無法滅火。
「他們對世界的真正殘酷對待，阻止了人們進入中國，但並沒有阻止人們進入美國和世界其他地區。
「他們知道自己有問題，我認為他們為這個問題感到尷尬。」
由於掩蓋性要求，中國在處理冠狀病毒爆發方面面臨越來越嚴格的審查。
令人驚訝的是，共產主義政權完全否認了 COVID-19 病毒的起源是武漢，而英國駐中國大使本週則駁回了這一建議。
北京駐倫敦首席外交官劉小明告訴英國廣播公司的《硬道》：「它最早是在武漢發現的，但我不能說它起源於武漢，因為我將其留給了科學家。