向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

人工智能正在改变汽车设计

时间:2018-06-04 作者:Patrick Mannion 阅读:
很快,汽车就将实现自动驾驶了,这在很大程度上要归功于传感器集成、AI、摩尔定律等技术的发展,同时也要感谢那些在偏远地区工作的人们,他们通过标记图像让智能系统更加准确而谋生。

人工智能(AI)、电气化和车载娱乐只是汽车正在经历的革命性变革的一部分,这些变化正在唤起人们重新思考汽车的设计和使用。这也让设计师反思自己在汽车设计链中的角色。

从半导体和元器件环境性能的角度来看,变化的规则也同样适用。自1994年以来一直使用的AEC-Q100规范定义了温度、湿度及其他可靠性因素。然而,自1994年以来,很多事情都发生了变化。很快,汽车就将实现自动驾驶了,这在很大程度上要归功于传感器集成、AI、摩尔定律等技术的发展,同时也要感谢那些在偏远地区工作的人们,他们通过标记图像让智能系统更加准确而谋生。

例如,准确的标签可以区分天空和卡车侧面,有时候这会发挥很大作用。Mighty AI就是这样一家公司,专注于通过遍布全球的人工团队来保证准确的标记。据其创始人S. “Soma” Somasegar称,在汽车未来发展的很长一段时间内,人类将扮演一个重要的角色。 “我们建立这样一个系统不是用来玩游戏的,而是用来拯救人的生命的。”Mighty AI公司CEO Daryn Nakhuda说道。

让自动驾驶车辆在日常生活中安全使用,要达到这一步还是个不小的挑战,但已经吸引了汽车制造商和电子系统设计人员的兴趣,同时也激发了传感器、信息处理和通信方面的技术创新。

一段时间以来,业界认为LiDAR将成为实现自动驾驶的关键技术,但现在开发人员已经认识到,这是所有可能的传感器输入的综合效果,包括声纳、高分辨率摄像机、LiDAR,以及雷达等,所有这些都是为了确保物体的准确测量和识别。据通用汽车称,其雪佛兰Volt电动车(EV)的自动驾驶型号比普通型号多40多个传感器,硬件配置也多出40%。

降低这些硬件的成本和功耗,特别是高级图像处理相关的硬件,是自动驾驶车辆的关键驱动因素之一。为此,德国Dream Chip技术公司在世界移动通信大会(MWC)上发布了用于计算机视觉的高级驾驶辅助系统(ADAS)系统级芯片(SoC),它在降低功耗的同时可以极大地提高性能。

这一ADAS SoC产品是与Arm、ArterisIP、Cadence、GlobalFoundries(GF)及Invecas合作开发的,这是欧盟委员会ENIAC THINGS2DO参考开发平台的一部分。它是基于GF的22FDX技术开发的,可以降低AI和神经网络(NN)处理所需的功耗,因此可以将其嵌入到车辆中,而无需有源冷却装置,因为这类冷却装置会增加重量、尺寸和成本,同时也增加了失败的概率。

这种SoC使用Dream Chip的图像信号处理流水线、Tensilica(Cadence)P6 DSP,以及四簇Arm Cortex-A53处理器,达到1TOPS的性能时功耗仅为“一位数”。

分布式与集中式传感器处理

Dream Chip公司SoC在低功耗下进行图像处理的低功耗性能至关重要,因为需要尽量减少延迟以避免事故发生。车辆能够看得越远,就能够越早处理所看到的物体,也就越安全。但是,如前所述,要进行合理的智能决策需要许多传感器,这就带来了一个问题,即所有这些传感器输入应该在哪里及如何处理。

传感器融合技术用在无人机之类的应用中是众所周知的,其中陀螺仪、加速度计和磁力计以融合的方式被管理,这样就能使每种传感器的优势得到凸显,缺点得到减弱。对于拥有如此多种类传感器的自动驾驶车辆而言,这种融合怎么实现呢?

为了解决这个问题,Mentor, a Siemens Business公司决定采取后向方式,从第5级自动驾驶开始考虑。这种称为DRS360的方法将来自LiDAR、雷达和摄像机的原始传感器数据融合,并对其进行处理,以呈现出车辆周围环境的360度实时视图。这种集中式方法减少了等待时间,但需要高度集中的处理能力,Mentor使用Xilinx Zynq UltraScale + MPSoC FPGA以及先进的神经网络算法来实现。另一种替代方法是在传感器本地进行图像、LiDAR或雷达处理,并上行发送结果,但这种方法不如DRS360那样高效,也不能充分利用快速变化和演变的算法优势。其缺点是会有单点故障,但内置的冗余和良好的设计可以弥补这一缺点。

MIPI联盟也非常重视汽车传感器的重要性,该组织将其在移动手持设备上定义传感器物理层接口的经验带到快速发展的汽车领域。去年10月7日,它宣布成立MIPI汽车工作组(AWG),旨在将传感器接口标准化,从而降低开发成本,缩短测试时间,并提高可靠性。凭借其在移动设备领域的实力背景,MIPI联盟还很有信心,可以保证这类高度敏感的关键汽车应用受到最小的EMI影响。

车辆电气化在加速

一般认为与自动驾驶同步发展的电气化,即电动车取代内燃机(ICE)汽车,却按照不同的步调进行。基本上,配备大型电池的电动汽车被视为是更具可持续性的交通方式。然而,据Mentor公司集成电气系统市场总监Dan Scott称,大型电池确实增加了不少重量,甚至会比相应的ICE汽车高出32%。

那么问题就是要最大限度地减少重量,这直接影响到电缆、线束和连接器。电动汽车的另一个问题是对电能要求比较高,对于一个典型的1kW电池,在400V时电流会高达250A。如此大的电流会导致更多的能量损耗用在发热上,因此电动汽车开始使用800V的电源。这也会减少电缆重量,其他的技术也一样,例如去除大功率电缆上的屏蔽。麦肯锡公司曾经拆解过8辆电动车,只是为了看看它们各自的处理方式有何不同,可以看出电源和散热管理是一个关键因素,而在动力传动设计方法上尚未发现有什么趋同之处(图1)。

20180523-automobile

图1:拆解八辆电动车发现在动力传动系统的设计方式和散热管理方式方面存在很大差异。(图片来源:麦肯锡公司)

不过,Scott表示,与此相关的是利弊权衡,比如EMC问题。“另外,对于再生制动之类的东西,现在你需要考虑很多方面,比如电力电子、电机控制和电池化学等,所以你必须在不同的工具之间共享这些数据。”Scott说道,“这需要更全面的设计方法。”

为此,Mentor开发了Capital软件套件,用于汽车和航空航天设备的电气和线束设计及布局。Capital软件的目标是保持车辆完整无缝的数据流,从车辆设计概念、电气架构定义,到线束制造,及至车辆维护。

“Capital软件擅长管理复杂的系统。”Scott表示,“我们已经有了生成式设计,可以由此采用基本架构并自动生成接线示意图。”虽然Capital软件没有指定所需的特定组件,Scott声称Mentor确实有一个设计服务团队,可以帮助客户做好接下来的设计决策。

舒适和服务取代性能

随着车辆向自主化方向的演进,舒适性、娱乐性和服务性被视为比性能和道路“感受”更吸引人的差异化因素。福特已经认识到这一点,并开始向服务方向转移,而英特尔长期以来一直致力于对数据的关注,无论是车辆本身还是车辆使用的数据。

车辆的使用方式正在改变商业模式,年轻用户更趋向于租赁模式,而非拥有一辆车。此外,年轻用户更喜欢信息通知和娱乐,这些发展趋势激励了Imagination公司,其发布的PowerVR Series8XT GT8540四集群IP,专门用于高清头显和信息娱乐。其GPU内核可同时支持多个高清4K视频流,以及多达8个应用和服务。

《EDN电子技术设计》2018年6月刊版权所有,谢绝转载。

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Patrick Mannion
EDN特约技术编辑。Patrick Mannion是一位自由撰稿人。 他曾担任UBM Electronics媒体的副总裁兼品牌总监,旗下曾包括EE Times、EDN、Embedded.com、Planet Analog、EBN和TechOnline。 他拥有工程学学位。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
您可能感兴趣的文章
  • 模拟与混合信号电路会否占领未来AI SoC高地? 随着摩尔定律的发展,过去30年的集成电路发展的最主要趋势是数字化。数字化设计是目前大型SoC的基本方法学,越来越多的模拟电路进入全数字时代,All Digital PLL, Digital LDO, Time-domain based ADC,Digital PA,数字化/二值化方法成为了克服模拟电路瓶颈的重要手段。然而“羞于见人”的模拟电路并非一无是处。
  • 一张订单的两面:从精准需求到精准供应 为了了解制造商们将如何应对下一波市场变化及行情,在管理供应链和渠道方面又会有哪些新策略,有芯电子今年向电子制造商、分销商/代理商、元器件原厂发出了三千多份问卷,涵盖通信、工控/仪表、消费电子、汽车电子、电力/能源等领域,最终获得了1614份有效问卷回复。其中从企业规模上来看,小微企业居多,从企业性质上来看,民企居多,与整个市场的结构较接近,反映了调查的严谨性与可靠性。
  • 地平线张永谦:AI在边缘侧落地背后的思考 “边缘侧智能设备大规模爆发的趋势,使数据成为如今AI芯片领域最大的挑战。”2019年11月7日,在由ASPENCORE《电子工程专辑》、《国际电子商情》和《电子技术设计》主办的“2019全球双峰会”上,地平线副总裁&AIOT芯片方案产品线总经理张永谦以“边缘AI芯片赋能行业,共建普惠AI时代”为题,介绍了地平线机器人在边缘AI芯片以及解决方案,以及地平线对AI在边缘侧落地背后的思考。
  • 从e-AI和SOTB两大技术看,如何通过技术创新实现业务模式 目前在各种领域当中都有AI的应用方案,但很多方案AI应用都取决于云端的计算能力。嵌入式系统对实时性的要求,会因为延时而出现滞后问题。在这样的环境下,嵌入式人工智能就能大显身手。
  • 安静!我要跟车子讲话... 随着CarPlay、Android Auto以及Echo Auto等平台渗透乘用车市场,车内语音识别技术预期将成为主流;但仍有一个答案未知的问题是:市场上有任何语音启动技术已经准备好随机应对车内的关键任务了吗?
  • 边缘AI大战一触即发 一场边缘AI大战正悄悄展开...每一家处理器供货商都将机器学习视为「金鸡母」,积极地调整自家公司策略,竞相为这个具有最大商机的领域——边缘AI提供加速特定工作负载的解决方案...
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告