复盘：智能座舱系列文一，他到底是什么

复盘：智能座舱系列文一，他到底是什么？

提示：系列被面试官问的问题，我自己当时不会，所以下来自己复盘一下，认真学习和总结，以应对未来更多的可能性

关于互联网大厂的笔试面试，都是需要细心准备的
（1）自己的科研经历，科研内容，学习的相关领域知识，要熟悉熟透了
（2）自己的实习经历，做了什么内容，学习的领域知识，要熟悉熟透了
（3）除了科研，实习之外，平时自己关注的前沿知识，也不要落下，仔细了解，面试官很在乎你是否喜欢追进新科技，跟进创新概念和技术
（4）准备数据结构与算法，有笔试的大厂，第一关就是手撕代码做算法题
面试中，实际上，你准备数据结构与算法时以备不时之需，有足够的信心面对面试官可能问的算法题，很多情况下你的科研经历和实习经历足够跟面试官聊了，就不需要考你算法了。但很多大厂就会面试问你算法题，因此不论为了笔试面试，数据结构与算法必须熟悉熟透了
秋招提前批好多大厂不考笔试，直接面试，能否免笔试去面试，那就看你简历实力有多强了。

---

智能座舱

其实智能驾驶，智能驾驶座舱很多人估计早就听烦了，智能驾驶估计还好点现在大家都明白了，也如我们之前文章ADAS以及自动驾驶市场趋势讲到很多人都期待他的到来，

至于智能座舱当前国内鲜有文章系统和全面的介绍智能座舱，
实际生活和工作中我们可能发现车内的屏幕变得更大，更多，实体按键变的越来越少，
类似于小鹏和蔚来的语音控制（汽车AI智能语音101及其供应链）变的越来越重要。

相信很多人都和我一样寻思着现在汽车，为什么实体按键越来越少？
智能座舱的显示屏是不是越多越好？
有智能语音是不是代表智能驾驶座舱？
未来还有哪些功能等待上车量产？
以及他们背后的逻辑，技术和原因是什么？
所以我们根据相关资料整理系列文章

智能座舱系列文章一，智能驾驶座舱是什么？
智能座舱系列文章二，智能座舱背后有什么样的技术支撑？
智能座舱系列文章三，智能座舱有哪些交互方式？
智能座舱系列文章四，智能座舱难点和未来在哪里？
智能座舱系列文五，它的3种交互方式之隐式交互
智能座舱系列文六， 它的3种交互方式之显式交互（语音以及显示）

希望这个系列文章能够让大家了解全面了解智能座舱，
希望能够让消费者，业内人士以及金融投资者正确了解智能座舱它的技术，未来。

如果能够激发国内工程师、设计师和研究人员开发新颖的多模式界面和智能交互方法，
让我们汽车消费市场更加满足消费者需求，开发出更好的产品，那就太棒了。

到底什么是智能驾驶座舱？
为什么智能驾驶舱会越发重要？
智能座舱能给你带来什么？
希望这篇文章能够让大家了解智能驾驶座舱的总体和概念。

---

到底什么是智能驾驶座舱？

汽车的座舱涉及理解和塑造人与车辆之间的交互动态的问题。

特别是，交互领域涉及对感觉、感知、信息交换、推理和决策的研究。在人为主导的驾驶时代，他是被动式的，我记得座舱有两个重要的学科是人机工程（汽车设计吸引力（造型，人机工程，实用性，声学）- 整车开发流程第七章第三节），车辆被动的接受控制执行反馈，例如人机的Primary control 主要是容易控制汽车运动 和second control 主要是容易控制其他非安全运动的例如按钮，他的重点是人类容易控制汽车。而另外一个学科是HMI 叫人机交互，他的作用更多的是被动式的呈现你输入的指令信息，而且更多的是体现在屏幕。

随着自动驾驶水平的提高，驾驶员将有更多的时间和选择来做除驾驶之外的各种任务，这为交互开辟了新的途径，主动式的也就引入了智能座舱概念。

因此，越来越多的传感器被整合到车辆中，以了解驾驶员和/或乘客的行为、情绪和个人选择，从而提供精确的功能和服务，让您享受愉快的旅程。

显示了车载交互的示意图，包括各种交互界面和车辆中存在的传感模式以及一些交互模式，如手势、语音和眼睛注视。

总的一句话，就是懂你的车，所以智能驾驶座舱类似于一个拟人化的车辆内部管家，
了解你也了解你的车让你轻松惬意享受你的旅程，
当你需要他的时候他总会懂你按照你喜好的方式满足你的要求。

从技术上来讲智能驾驶座舱就会存在两个方面：
感知环境感知乘员-通过各类，雷达，生物传感器例如当前穿戴设备上的应用广泛的，AI视觉等来感知人类的行为，情绪等。
交互反馈 - 从视觉，声觉，触觉，甚至嗅觉全方面适合你的感官交互。

为什么智能座舱会越发重要？

一般我们谈东西的越来越重要，首先会想到的是客户需求以及技术的发展。

从客户需求产业发展方面，如我们之前很多文章讲到自动驾驶ADAS以及自动驾驶市场趋势，自动驾驶汽车将很快成为现实，特斯拉、宝马、戴姆勒等几乎所有主要主机厂以及谷歌的 Waymo 和 Apple Car 等大型科技巨头都在朝着完全自动驾驶的目标迈进。

随着自动驾驶性的提高，驾驶员还承担了仅从事非驾驶活动且无法参与交通交互的乘客的角色。这将增加混合自动驾驶交通环境的复杂性，所以理解和塑造人与车辆之间的交互动态的问题，以及未来怎么让消费者在车上娱乐打发时间会变得特别重要。

从技术发展方面，根据Web of Science科学网归类了 2000-2020 年期间发表的研究文章信息可知，虽然智能座舱的文章从量来看远不及智能驾驶的研究文章， 但可以看到的是两者的增长都呈指数型增长，当然通过这个曲线难道疫情对发论文产生了影响，但是不管数据上看智能座舱的车内交互技术和方法的重要性日益增加。

而技术论文的底层是，技术和应用的发展，例如传感器技术中的生物传感器技术，视觉，语言AI 人工智能的发展和产业化等。

所以从客户需求以及技术准备方面，智能座舱对于主机厂产品的体验以及消费品牌差异性越来越重要。

智能座舱能给你带来什么？

套用马斯洛需求理论，智能座舱是基于物理需求的驾驶舱衍生，
所以他的需求点我们先跳过当前的驾驶室，从安全到社交交互到懂你尊重，至于最后的自我实现属于帮助你创造了环境，靠你自己了。

第一重需求来自于安全，如上文讲到辅助驾驶让交通交互更加复杂所以通过各种行为的交互让辅助驾驶以及自动驾驶和人和谐安全。

第二重需求来自于愉悦的享受和打发时间，所以车内的智能娱乐，工作交互等。

第三重需求来自于自然和移情的互动，例如AI自然语音交互，手势互动，甚至眼神等。

第四重需求来自于总体的感觉，智能座舱能够识别你，你的心情，监控，预测你的想法，让所有的东西总是唾手可得，做你所想。

让你安全的使用辅助和自动驾驶

目前，L2 级车辆已经占据大部分汽车市场。

也就是说汽车在接下来相当长的时间内驾驶员必须在某些情况下接管控制车辆。
因此，驾驶辅助系统必须通过车载界面提供的，能够识别隐式行为，例如驾驶员分心、困倦检测，情绪检测，以及驾驶员的各种其他活动。

可以使用不同的模态（视觉、听觉、触觉或多模态传感）来识别驾驶员的行为和活动，并推断驾驶员的情境意识，来实现安全顺畅的使用辅助或者自动驾驶。

驾驶辅助系统可以提供附加功能，例如盲点辅助、停车辅助、导航辅助、碰撞检测等，也属于智能驾驶座舱人机交互的一部分。

L3 级驾驶的一个特殊问题是接管请求 (TOR)，
其中 自动驾驶车辆通过各种车载接口向驾驶员发出信号，以接管车辆的控制权。
以人类交互的最佳方式（视觉、触觉或听觉）将 TOR接管请求通知给驾驶员。
在时间紧迫的情况下，例如即将发生的碰撞，自动驾驶系统需要驾驶员接管车辆。
同样，选择正确的与驾驶员交流的方式很重要。
识别驾驶员的精神状态是提高辅助驾驶安全性的关键因素。

让你愉快的享受旅程

让乘客打发或者丰富在车上的时间，显然主机厂们都在想怎么让你不用手机而是用车机，例如大屏幕用于电影视频甚至工作，用于游戏的增强现实 (AR) 和虚拟现实 (VR) 等沉浸式技术，信息娱乐等目标是将车辆转变为移动工作、游戏、社交、放松甚至睡觉的“生活空间”。

自然和移情的互动

为了与人类进行自然而直观的交互，智能驾驶座舱 需要了解人类交流的微妙之处，例如面部表情、眼睛注视、手势、语调、上下文线索、肢体语言等。
为了确保这种自然的交互，需要多模态传感以及能够处理不同类型的多模态数据的感知算法。
此外，主动感觉和感知是必要的，以避免不必要的数据收集，并且框架可以为正在建模的任务选择最具信息性的数据。
情境决策对于适应车辆行为或车载界面是必要的。
此外，移情交互需要智能驾驶座舱敏锐地观察用户的情绪状态，例如愤怒、快乐、悲伤等，并提供建议或改变交互以适应用户。
如果有这种移情互动我们是不是增加对智能驾驶座舱的信任、可用性和接受度。

懂你的喜好

通过根据用户的偏好定制车载服务，长期学习，有可能提高用户对车辆的接受度和可用性。
例如路虎等一些汽车 OEM 提出了“自学汽车”的概念利用人工智能 (AI) 来学习用户习惯。
智能座舱应该能够识别每个人的不同特征并相应地个性化行为，
例如设置车载空调控制、
为每位乘客提供个性化的音乐而不打扰其他乘客和座椅配置等。
在学习习惯和偏好后，推荐系统可以向用户提供精确的推荐。
智能座舱 还可以辅助安全，例如，当检测到驾驶员困倦时，建议在长途驾驶中休息一下。

总之：
智能驾驶座舱本质上和当前自动驾驶技术类似，传感器，处理，输出执行三个方面，未来自动驾驶技术应该更趋同合一，因为他的输出执行没有多大的差异性，所以自动驾驶技术会更偏向于一个commodity，同质化给主机厂装配。

但智能驾驶座舱却应该比自动驾驶技术更能产生差异性和交互性，
因为智能驾驶舱的技术由于他的输出执行面对的是人，
每个品牌的消费者种类不一样，
所以的输出执行将会更加品牌化和个性化，差异化，
所以未来智能座舱的竞争或许更加精彩纷呈。

---

总结

提示：重要经验：

1）智能座舱输出执行将会更加品牌化和个性化，差异化
3）笔试求AC，可以不考虑空间复杂度，但是面试既要考虑时间复杂度最优，也要考虑空间复杂度最优。