独家专访 | 被上汽看中的 Metawave,要做替代激光雷达的毫米波雷达?

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介:

独家专访 | 被上汽看中的 Metawave,要做替代激光雷达的毫米波雷达?

* Metawave CTO Bernard Casse、CEO Maha Achour 、工程 VP George Daniel

雷锋网新智驾按:当地时间 10 月 25 日,雷锋网新智驾来到硅谷施乐帕克研究中心(Xerox PARC Research Center),此行要探访的初创公司 Metawave 目前在该中心办公。

这家刚成立 10 个月的公司之所以吸引雷锋网(公众号:雷锋网)新智驾的注意,是因为在其今年 9 月份完成的 700 万美元种子轮融资中,上汽资本(SAIC Capital)出现在资方名单上。上汽作为国内知名车企,之所以选择布局 Metawave ,其实看中的是这家公司正在大力研发的毫米波雷达产品,这款产品中使用的诸多技术及具备的特性让其非常试用于 ADAS、无人驾驶领域。

那么,Metawave 的这款产品到底有何玄妙之处,雷锋网新智驾带着这个问题对 Metawave 创始人兼 CEO Maha Achour 进行了访谈。

从 Xerox PARC 到 Metawave

Maha Achour 是 MIT 物理学博士,后来又在加州圣迭戈分校攻读电子工程以及通信系统理论。从 1996 年开始就在射频及光学行业工作,曾经在美国国防高级研究计划局(DARPA)领导过一些无线电相关的研究项目,在传感器、高速信号传输领域颇有造诣。

2006 年,她创立超材料(Metamaterials)研发公司 Rayspan 并担任 CTO ,该公司主要研究的是超材料天线(Metamaterials Antenna)——一种用超材料操纵天线系统使其增加效率的天线,Maha 算是非常早期的将该技术带向市场的先驱。也许是机遇不对,这家公司后来没有再运营。

大约在两年前,Maha 和现在公司的 CTO Bernard Casse、工程 VP George Daniel 一起在 PARC 研究中心工作,从事的研究内容中依然有超材料,同时还有 5G 通信技术。或许是一种执念,Maha 还是想将这些新技术带向商业市场,她认为这个时候是很好的时机。

独家专访 | 被上汽看中的 Metawave,要做替代激光雷达的毫米波雷达?

* Metawave 的超材料天线技术

今年早些时候,Maha 开始为 Metawave 找钱,一开始的创业方向实际上包括了 5G 通信网络以及车载毫米波雷达。但之后随着对市场的分析更加成熟,看到 ADAS、无人驾驶领域的机会,还是决定将公司 90% 的重心放在车载雷达领域。 

面对汽车、自动驾驶这些全新的领域,Maha 坦诚将面临非常大的挑战。不过她也指出,Metawave 目前的团队在模块化技术、AI 深度学习领域有较深的经验,而且工程 VP 也有传感器方面的设计经历,所以与毫米波雷达的研发有很多相通之处。 此外,她还在补强团队实力。

毫米波雷达产品——WARLORD

超材料、类 SAR

Maha 为其新一代的毫米波雷达产品取了一个非常“炫酷”的名字——WARLORD(简写自 W-Band Advanced Radar for Long-Range Object Recognition and Detection)。其频段在 76-81 GHz。

Metawave 方面称,WARLORD 采用了超材料天线,能发射可操控的高度定向的电磁波束,精准探测目标物的位置、速度,且不惧怕恶劣天气以及环境。而且,因为这款毫米波雷达内置了 Metawave 自研的 AI Engine ,其中嵌入了各类物体识别和分类算法,可以分辨出道路参与者的属性(行人、自行车、摩托或者巴士等等),能够提供如人眼一般的感知能力,被称为“Digital Eye”。这是因为这样的特性,WARLORD 还能采集 3D 雷达图像。

独家专访 | 被上汽看中的 Metawave,要做替代激光雷达的毫米波雷达?

* WARLORD 工作原理

在车载毫米波雷达领域,目前大家的趋势都在往更高的分辨率上靠,其中带宽的增加便是其中一种方式,从 24GHz 到 77GHz,4 个 G 带宽的增加,成为了很多创业公司的发展方向。追求更高的分辨率,还有一种方法就是扩展天线的尺寸或者增加天线的数量,但是囿于主机厂对于毫米波雷达整体尺寸的车规级限制,这里的发挥空间并不大。

Maha 采用的方法是把电磁波束紧紧地聚拢起来,让其能量集中在一处。而要实现这样的效果,在数字空间(Digital Space)是办不到的,只有在模拟空间(Analog Space)里才能做到。实际上,WARLORD 可以说是一款模拟波束雷达产品(Analog Beam Forming Radar)。

当然,SAR (Synthetic Aperture Radar,合成孔径雷达技术)技术也是毫米波雷达提升分辨率的一大重要杀器,但是用在车载雷达上还不是很成熟,国内厂商行易到正在进行相关的研发。WARLORD 同样也内置了 SAR 的性能,分辨率能做得很高。

Maha 进一步阐释了 WARLORD 的技术特性:

其一,采用可操控的天线。Metawave 采用的是单天线,而非天线阵列,同时接收也是单线的。这种天线由复合超材料结构而成,每一个超材料单元(Unit Cell)都有活跃组件能够参与波束成形,还能调整波束角度。这相较于如今大部分雷达用的多天线结构有很大的优势。Maha 欣喜地表示该技术已经拿下了专利。

独家专访 | 被上汽看中的 Metawave,要做替代激光雷达的毫米波雷达?

其二,信号收发端进行了整合。Metawave 采用了英飞凌、NXP 和 TI 等 Tier 2 的芯片,并与他们进行合作,将天线和芯片组进行了整合。

其三,优越的微控制技术。比如要控制天线探测前方的物体,追踪其距离、角度、速度以及运动的方式,同时还要判断这些物体的类别,最后还要把这些经过处理的信息传送给(自动驾驶汽车)的传感器融合单元,这对于微控制技术的要求非常高。Metawave 在该技术上有很深的积累。

前文所述的 WARLORD 要做障碍物的识别和分类,必然离不开 AI 技术。Metawave 便在其雷达产品中嵌入了 AI 引擎。

AI Engine

WARLORD 采用的 AI Engine 内置了多种算法,包括杂波干扰抑制算法、目标检测和跟踪算法等等,可以优化毫米波雷达的整体性能以及让其具备物体识别和分类能力。Maha 表示,对于毫米波雷达来说,和外界空间直接接触的是天线,如果可以在这个层面就进行前置分析,显然要优于将原始数据直接传到传感器融合单元再进行分析,因为可以大大降低传输的延迟。这一点对于自动驾驶来说尤为重要。

取代 LiDAR?

独家专访 | 被上汽看中的 Metawave,要做替代激光雷达的毫米波雷达?

拥有远距离(250-300米)的探测能力,同时具备优越的分辨率和高效的数据处理速度。毫米波雷达是否会削弱甚至取代 LiDAR 在自动驾驶汽车上的地位?

从一个物理学博士的视角,Maha 认为 LiDAR 对于自动驾驶汽车来说并非不可或缺。她表示,如果地图精度足够高,未来自动驾驶汽车上装配 4 个毫米波雷达、4 个摄像头便就足够了。其中,毫米波雷达负责车身 360 度范围以及上下角度的探测,摄像头则观察周围环境,再配合 AI Engine 一起使用。Maha 认为这样的方案 2030 年是有可能实现的。

目前,WARLORD 的整个基础硬件的性能可以满足 L2 的需求,再往更高级别(L4)走,内置的软件(算法)能力将会起到决定性作用。

发布、量产计划

当雷锋网新智驾向 Maha 询问更多关于 WARLORD 的产品技术细节时,她还是希望把更多悬念留到 2018 年 CES 的首秀上。

独家专访 | 被上汽看中的 Metawave,要做替代激光雷达的毫米波雷达?

Maha 称,现在,已经有很多主机厂在等待他们的雷达产品,希望尽快拿到自家平台上进行测试。而且也在和一些自动驾驶企业进行合作的商谈,她表示 Metawave 原意探索一切的可能性。

这一点也体现在她对 Tier 1 的态度上,尽管这些供应商已经在毫米波雷达领域实力雄厚,但他们并不止出售雷达,而是提供 ADAS 整体解决方案,而 Metawave 期待的是未来将自家高性能的毫米波雷达提供给 Tier 1 作为其 ADAS 系统方案的一个传感器选项。毕竟主机厂才掌握话语权,主机厂不会拒绝高性能的毫米波雷达。Maha 正在谨慎地和 Tier 1 进行接触。

提及量产,Maha 确定地表示,Metawave 不会自建工厂,“永远也不会”,而且也不采取 License 的方式,因为这样收益周期太长。他们将找第三方工厂代工,规模仅次于富士康的代工厂伟创力(Flextronics)是选项之一,正密切接触。

2018年 1 月亮相后,2018 年夏天就可以看到 Metawave 可用的毫米波雷达产品。

融资

毫米波雷达行业,资金异常重要,Metawave 今年 9 月完成了 700 万美元种子轮融资,其中上汽资本进行了投资。

之所以与上汽资本搭上线,是因为 Metawave 其中一家投资机构 Motus Ventures 投了汽车行业很多创业公司,这家投资机构介绍 Maha 认识了上汽资本的人,后者很快达成投资意向,3 个月后完成了所有投资流程。

Maha 透露,明年 CES、MWC 之后,将会开始寻找一笔大额的 A 轮融资,主要用于毫米波雷达的量产。

这家目前只有 10 人的创业公司,到底能否真正做出“令人尖叫”的产品,到 2018 年 CES 见真章。


本文作者:张伟

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
3月前
|
JavaScript API 网络安全
2026年4月阿里云轻量服务器部署OpenClaw保姆级教程(千问+Coding Plan API配置)
OpenClaw(曾用名Clawdbot、Moltbot,社区昵称“小龙虾”)是一款开源、本地优先、可自托管的AI智能体框架,核心价值在于让大模型从“被动问答”升级为“主动执行”——不仅能理解自然语言指令,还能直接在服务器上完成文件管理、终端命令执行、API调用、多步骤任务编排等操作,彻底打通“指令→规划→执行”全链路。
611 4
|
11月前
|
Web App开发 Ubuntu Unix
深入了解Ubuntu的命令行界面:使用终端和常用命令
实例3:使用包管理命令安装新的软件包: 更新软件包列表:sudo apt update 安装软件包:sudo apt install package-name
|
机器学习/深度学习 计算机视觉 索引
YOLOv11改进策略【Conv和Transformer】| ECCV-2024 Histogram Transformer 直方图自注意力 适用于噪声大,图像质量低的检测任务
YOLOv11改进策略【Conv和Transformer】| ECCV-2024 Histogram Transformer 直方图自注意力 适用于噪声大,图像质量低的检测任务
655 9
YOLOv11改进策略【Conv和Transformer】| ECCV-2024 Histogram Transformer 直方图自注意力 适用于噪声大,图像质量低的检测任务
|
知识图谱
YOLOv11改进策略【Conv和Transformer】| 2023 引入CloFormer中的Clo block 双分支结构,融合高频低频信息(二次创新C2PSA)
YOLOv11改进策略【Conv和Transformer】| 2023 引入CloFormer中的Clo block 双分支结构,融合高频低频信息(二次创新C2PSA)
455 8
YOLOv11改进策略【Conv和Transformer】| 2023 引入CloFormer中的Clo block 双分支结构,融合高频低频信息(二次创新C2PSA)
|
机器学习/深度学习 数据可视化 算法
YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
2664 7
YOLOv11改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进
|
Ubuntu NoSQL Linux
一文讲明Docker的基本使用,常见Docker命令使用 、Docker的安装使用等【详细说明+图解+概念+实践】
这篇文章详细介绍了Docker的基本使用,包括Docker的安装、常用命令、架构概念等,并通过图解和实践帮助读者快速掌握Docker的使用方法。
一文讲明Docker的基本使用,常见Docker命令使用 、Docker的安装使用等【详细说明+图解+概念+实践】
|
SQL XML Java
乐观锁与悲观锁是什么?
本文详细分析了悲观锁和乐观锁的原理、区别、实现方式及应用场景。悲观锁假设冲突频繁,通过加锁保护数据一致性,适用于高并发冲突场景;乐观锁假设冲突较少,通过版本号或时间戳检测冲突,适用于读多写少场景。文章通过具体示例展示了两种锁机制的实现过程,并总结了其优缺点和适用场景,帮助读者根据实际需求选择合适的并发控制机制。
1686 4
|
存储 并行计算 Ubuntu
Nvidia Jetson Orin系列配置教程
本文是Nvidia Jetson Orin系列的配置教程,介绍了两种安装方法:通过Nvidia SDK Manager进行安装和通过本地镜像烧录进行安装。第一种方法包括下载SDK Manager、安装和使用工具进行Jetson系列硬件的配置。第二种方法包括下载官方镜像、使用Etcher烧录镜像、安装镜像、安装开发环境以及检查开发环境是否配置成功。文中还提供了CUDA、cuDNN、TensorRT和OpenCV的检查命令和预期结果。
5407 0
Nvidia Jetson Orin系列配置教程
|
传感器 编解码 vr&ar
Intel深度摄像头RealSense D435(实感双目摄像头)和目标检测结合使用
Intel深度摄像头RealSense D435(实感双目摄像头)和目标检测结合使用
7577 0