与核聚变和喷气背包一样，自动驾驶汽车是一项长期承诺的技术，多年来一直停滞不前--但通过研究，研究人员认为它们已经创造了潜在的改进.
凤凰城、旧金山和洛杉矶的公民能够乘坐Waymo的一辆自动驾驶出租车，该出租车于2020年12月首次向公众推出.
但它们并不是没有故障.
例如，就在上个月，在旧金山，一辆出租车服务的自动驾驶车辆驶入街道的错误一侧，超过了一辆独轮车.
去年12月，Waymo的一辆车撞上了一辆后退的皮卡，导致美国国家公路交通安全管理局(NHTSA)提交了一份报告并进行了软件更新.
但本周，两个研究小组在国际科学期刊《自然》上发表了论文，设计了一种面向自动驾驶汽车的新芯片.
清华大学的施路平和他的同事们从人类视觉系统中获得了灵感，通过将低精度、快速的基于事件的检测与更准确但更慢的图像可视化相结合.
研究人员能够展示这种名为天鼠的芯片可以在汽车驾驶感知系统中快速而稳健地处理像素阵列.
在今天发表的一篇论文中，作者说：“我们展示了天鼠芯片集成到自动驾驶系统中，展示了它实现准确、快速和强大感知的能力，即使在公开道路上具有挑战性的拐角情况下也是如此.
”在另一篇论文中，苏黎世大学机器人学和感知学教授Davide Scaramuzza和他的同事采用了类似的混合方法，但将其应用于摄像头技术.
YouTube视频，自动驾驶车辆的摄像头在带宽和延迟之间进行了权衡.
虽然高分辨率彩色相机具有良好的分辨率，但它们需要高带宽才能检测到快速变化.
相反，减少带宽会增加延迟，影响数据的及时处理，从而做出可能挽救生命的决策.
为了摆脱这种束缚，瑞士的研究人员开发了一种结合了事件处理和高带宽图像处理的混合相机.
事件摄像头只记录强度变化，并将它们报告为稀疏测量，这意味着系统不会受到带宽/延迟权衡的影响.
事件摄像头用于检测使用事件的图像帧之间盲时间的变化.
转换为图形的事件数据将在本地计算，该图形会随时间变化并连接附近的点.
根据一段解说性视频，由此产生的混合物体探测器减少了危险高速情况下的检测时间.
在他们的论文中，作者们说：“我们的方法利用事件的高时间分辨率和稀疏性，以及标准图像中丰富但低时间分辨率的信息，产生高效、高速率的物体检测，减少感知和计算延迟.
”他们辩称，他们使用每秒20帧的RGB摄像头加上事件摄像头，可以在不影响精度的情况下实现与5000帧/秒摄像头相同的延迟.
“我们的方法通过发现事件摄像头的潜力，为在边缘情况下高效而稳健地感知铺平了道路，”作者写道.
随着摄像头和数据处理的混合方法即将到来，自动驾驶汽车的更广泛应用可能即将到来.®.