0 卖盘信息
BOM询价
您现在的位置: 首页 > 电子资讯 >业界动态 > 自动驾驶发展陷入慢车道

自动驾驶发展陷入慢车道

来源: eetasia
2022-09-21
类别:业界动态
eye 24
文章创建人 拍明芯城

原标题:自动驾驶发展陷入慢车道

  


  L3 车辆预计将在过去十年末上路,而早期的 L4 原型车将于今年面世。但是,到目前为止,仅宣布了两者的有限推出。本文探讨了延迟的原因,并设想了实现目标所需的条件。

  记住那令人满意的感叹,“看,妈,没有手!” 当你还是个孩子的时候学会骑自行车时不把手放在车把上?谁不想再次体验那种感觉,只是这一次坐在汽车的方向盘上?

  它可能发生。汽车工程师协会 (SAE) 于 2014 年正式根据标准 J3016 实现自动驾驶汽车。该标准要求从 0 级 (L0) 无自动化开始,逐步加速自动化从 L1 到 L5 五个级别5 级(L5)没有人为干预——具体来说,没有手或脚(图 1)。

  

自动驾驶通过五个级别的自动化程度不断提高,从“Everything On”到“Mind Off”,以获得“Look Ma,没有手或脚”的体验


  图 1:自动驾驶通过五个级别的自动化程度不断提高,从“Everything On”到“Mind Off”,以获得“Look Ma,没有手或脚”的体验。(来源: 汽车工程师学会)

  L3 车辆预计将在过去十年末上路,而早期的 L4 原型车将于今年面世。到目前为止,仅宣布了两者的有限推出。

  本文探讨了延迟的原因,并设想了实现目标所需的条件。

  自动驾驶汽车背后的大脑

  正如您所料,随着自动化程度不断提高,任务的复杂性呈指数级增长。需要一个强大的电子大脑,并辅以一套全面的传感器,这些传感器的任务是收集大量不同类型的数据。数据必须包括运动中车辆周围的静态和动态对象、环境特征和地理坐标,以定位车辆、识别其周围环境并突出显示可见和隐藏的障碍物。

  该行业确定了由三个阶段组成的大脑架构——感知、运动规划和运动执行——依次运行(图 2)。

  

自动驾驶车辆位于称为自动驾驶控制回路的三个阶段的架构上


  图 2:自动驾驶车辆位于称为自动驾驶控制回路的三个阶段的架构上。(来源: 劳罗·里扎蒂)

  从 感知 阶段开始,自动驾驶大脑通过从多种类型的传感器收集原始数据并通过复杂的算法对数据进行详细说明,从而感知车辆周围的环境。感知阶段完成后,运动规划阶段将接手做出明智的决定并规划前方的路线。最后,运动执行阶段根据计划路线引导车辆。

  在 3 级及以上,传感器的类型和数量急剧增加,包括相机、雷达、激光雷达、声纳、红外、惯性测量单元和全球定位系统 (GPS)。在 L4,估计最多需要 60 个传感器(图 3)。

  

L4 AV 可能需要多达 60 个传感器


  图 3:L4 自动驾驶可能需要多达 60 个传感器。(来源:台积电)

  感知 是达到 3 级及以上的关键阶段。传感器融合等先进的数据处理技术对大量传感器实时收集的海量数据进行精细化处理,以改善系统对环境的感知。未能准确了解车辆周围的环境可能会影响结果并导致灾难。

  自动驾驶算法在感知阶段发挥着关键作用。处理感官数据的算法仍在不断发展,新算法会定期发布。

  实现L4/L5自动驾驶的架构要求

  自动驾驶场景充满了挑战,这些挑战带来了严格、不灵活和难以满足的设计要求。现有的 CPU、GPU 或 FPGA 架构都无法满足所有这些要求。相反,采用创新方法从头开始构思的全新设计至关重要。

  七个要求很突出:

  海量计算能力,高效交付

  非常低的延迟

  最低能耗

  人工智能/机器学习和数字信号处理 (DSP) 能力的结合

  确定性处理

  可重编程性

  实惠的价格

  所有七个都是必需的(图 4)。

  

实现 L4/L5 级自动驾驶汽车的七项基本要求


  图 4:七项基本要求对于实施 L4/L5 自动驾驶汽车至关重要。(来源: 劳罗·里扎蒂)

  海量计算能力,高效交付

  在自动驾驶阶梯上,处理能力要求呈指数级增长,从 L1 的数百 gigaFLOPS 到 L2 的数十 teraFLOPS 再到 L3 的数百 TFLOPS。在 L4/L5 时,所需的处理能力达到 1 petaFLOPS 或更多。

  更关键的是提供计算能力作为在任何给定时刻可用的实际能力的能力。换句话说,以理论功率百分比表示的自动驾驶处理器的效率必须超过 80%。

  非常低的延迟

  感知阶段必须尽可能快地处理大量输入数据——延迟小于 30 毫秒——以避免在不可预测的情况下发生灾难性后果,例如行人突然横穿车辆前方的马路。

  最低能耗

  低平均和峰值功耗对于避免耗尽自动驾驶汽车电池和防止电子设备过热至关重要。将功耗限制在 100 W 以下是合理的。

  AI/ML 和 DSP 能力的结合

  虽然机器学习和深度神经网络计算对于高级自动驾驶算法处理是必要的,但它们还不够。

  最新的最先进算法需要将 AI/ML 与紧密耦合的 DSP 设备相结合,以限制延迟并降低功耗。

  确定性处理

  安全和安保在自动驾驶场景中发挥着关键作用。从本质上讲,人工智能算法产生的响应准确率低于 100%,没有达到确保 100% 确定性响应的目标。

  DSP 可以帮助实现目标。

  可重编程性

  在可预见的未来,最先进的算法将继续发展。在现场对自动驾驶汽车的大脑进行重新编程的能力是强制性的。

  实惠的价格

  所有消费产品,即使是豪华车类别,都对成本敏感。为确保自动驾驶汽车大脑架构的成功,其定价应低于 100 美元。

  结论

  可能要过一段时间你才会惊呼:“看,妈,没有手!” 虽然在高速公路上行驶的汽车的车轮后面,但它会发生。这意味着等待技术赶上我们的想象力。

  设计 L4/L5 自动驾驶大脑需要一种尖端架构,该架构可以实现 petaFLOPS 处理能力,效率达到 80% 或更高,延迟低于 30 毫秒,功耗低于 100 瓦,售价低于 100 美元。只有定制处理器才能满足所有七项要求。

  本文最初发表在 EE Times Europe上。

  Lauro Rizzatti 是 Vsora 的验证顾问。


责任编辑:David

【免责声明】

1、本文内容、数据、图表等来源于网络引用或其他公开资料,版权归属原作者、原发表出处。若版权所有方对本文的引用持有异议,请联系拍明芯城(marketing@iczoom.com),本方将及时处理。

2、本文的引用仅供读者交流学习使用,不涉及商业目的。

3、本文内容仅代表作者观点,拍明芯城不对内容的准确性、可靠性或完整性提供明示或暗示的保证。读者阅读本文后做出的决定或行为,是基于自主意愿和独立判断做出的,请读者明确相关结果。

4、如需转载本方拥有版权的文章,请联系拍明芯城(marketing@iczoom.com)注明“转载原因”。未经允许私自转载拍明芯城将保留追究其法律责任的权利。

拍明芯城拥有对此声明的最终解释权。

相关资讯