媽!你看,可以放開手開車了!

作者 : Lauro Rizzatti,Vsora驗證顧問

可能很多人都還記得兒時那個令人興奮的感歎:「媽媽,看,我不用手也可以騎自行車啦!」當我們還是孩子的時候,時常嘗試在騎自行車時把手從車把上移開,那是多麼讓人激動!如今,這次操控的不再是自行車,而是汽車!

可能很多人都還記得兒時那個令人興奮的感歎:「媽媽,看呀!我不用手也可以騎自行車啦!」當我們還是孩子的時候,時常嘗試在騎自行車時把手從車把上移開,那是多麼讓人激動!如今,誰不想再次體驗那種感覺?不過這次操控的不再是自行車,而是汽車!

真正的自動駕駛,這確有可能發生。2014年,美國汽車工程師學會(SAE)在J3016標準中勾勒了自動駕駛車的實現。該標準要求五個等級(從Level 1到Level 5)的駕駛自動化程度逐步升高,從Level 0的無自動化,到Level 5的無人類駕駛干預——具體而言,就是駕駛過程中不再用手或腳(圖1)。

 

圖1:自動駕駛經歷了五個不斷提高的自動化等級,從「一切正常」(Everything On)到「心不在焉」(Mind Off),實現了「無需手腳」的駕駛體驗。

(來源:SAE)

 

先前,業界期待Level 3自動駕駛車在2020年可上路,而早期的Level 4自動駕駛原型車也將於今年上市。然而迄今為止,支援這兩個等級的車款發佈都延遲了,抑或者僅能看到有功能限制的概念車。

本文將探討延遲的原因,並展望實現原目標尚需完成的工作。

自動駕駛車輛的「大腦」

正如所料,隨著自動化程度的提高,任務的複雜性呈指數級成長。因而需要一個強大的電子「大腦」,輔之以一整套全面的感測器,負責收集大量的不同類型資料。資料必須包括運動車輛周圍的靜態和動態物體、環境特徵和地理座標,以定位車輛、辨識其周圍環境並凸顯可見和隱藏的障礙物。

產業確定了由三個階段組成的「大腦」架構——感知、動作規劃和執行(依順序),參見圖2。

 

圖2:自動駕駛車輛建基於稱為自動駕駛控制迴路的三個階段的架構上。

(來源:Lauro Rizzatti)

 

從感知階段開始,自主駕駛「大腦」透過從多個類型各異的感測器收集原始資料,並利用複雜演算法詳細解析這些資料,來感知車輛周圍的環境。感知階段完成後,動作規劃階段將接管,以做出明智的決策並規劃未來的行駛路線。最後是運動執行階段,即根據規劃路線操控車輛。

Level 3及以上等級,感測器的類型和數量急劇增加,包括攝影機、雷達、光達(LiDAR)、聲納、紅外線、慣性量測單元(IMU)和全球定位系統(GPS)。Level 4中,預計所需的感測器將多達60個(圖3)。

 

圖3:Level 4自動駕駛所需的感測器可能多達60個。

(來源:台積電)

 

感知階段是達到Level 3及以上水準的關鍵階段。先進的資料處理技術,如感測器融合(sensor fusion),詳細解析了由多個感測器即時收集的海量資料,從而改善了系統對環境的感知。如果未能準確感知車輛周圍的環境,可能會影響駕駛操控結果並導致災難性事故。

自動駕駛演算法在感知階段也發揮著關鍵作用。如今處理感官資料的演算法仍在不斷發展,一些新演算法也在定期發佈。

實現Level 4/5自動駕駛的架構需求

自動駕駛面臨著各種挑戰,這些挑戰帶來了嚴格、刻板和難以滿足的設計需求。現有的CPU、GPU或FPGA架構都已無法滿足這些要求。所以,一個以創新的方式從頭開始構思的全新設計,是至關重要的。

該全新設計有七項要求:

1.可高效提供的強大運算能力

2.極低的延遲

3.最低的能耗

4.結合AI/ML和DSP能力

5.處理確定性

6.可重新編程性(Repro-grammability)

7.合理的價格

上述所有七項都是必須的(圖4)。

 

圖4:實施Level 4/5自動駕駛車輛必須滿足的七項基本要求。

(來源:Lauro Rizzatti)

 

  • 高效提供的強大運算能力

隨著自動駕駛等級的上升,處理能力需求呈指數級成長,所需的運算力從Level 1的數百GFLOPS(G為Giga),成長到Level 2的數十TFLOPS(T為Tera),再到Level 3的數百TFLOPS。而對於Level 4/Level5級來說,所需的運算力則高達1 PFLOPS(P為peta)或更多。

更重要的是,能夠將運算能力作為在任何給定時刻都可用的實際能力。換言之,以理論功率百分比表示的自動駕駛處理器的效率必須超過80%。

  • 極低的延遲

感知階段必須盡可能快地詳細描述大量輸入資料,延遲不超過30毫秒(ms),以避免在不可預測的情況下造成災難性後果,例如行人突然在車輛前方穿越道路。

  • 最低的能耗

無論是平均功耗,還是峰值功耗,都必須是最低,因為這對於避免自動駕駛車輛電池耗盡和防止電子設備過熱都相當重要,而將功耗限制在100W以下比較合理。

  • 結合AI/ML和DSP能力

雖然ML和深度神經網路運算對於高階自動駕駛演算法處理是必要的,但它們仍不夠。最新/最先進演算法要求AI/ML與DSP元件緊密結合,以限制延遲並降低功耗。

  • 處理確定性

機械、人身安全和資訊安全在自動駕駛場景中發揮著關鍵作用。本質上,AI演算法產生的響應精確度低於100%,達不到確保100%確定性回應的目標,因此需要DSP協助實現上述目標。

  • 可重新編程性

在可預見的未來,最先進的演算法將繼續演進。對自動駕駛車輛的「大腦」進行現場可重新編程的能力是強制性的。

  • 合理的價格

所有消費品,即使是豪華車款,都對成本敏感。為了確保自動駕駛車輛「大腦」架構的成功,其定價應低於100美元。

結論

可能還需要一段時間,你才能驚呼:「媽,你看,我不用手就能開車啦!」然後,當車輛在高速公路上自主行駛,這的確會發生!不過目前還要等待技術趕上我們的想像。

設計Level 4/Level 5自動駕駛「大腦」,需要一種先進的架構,能夠以80%或更高的效率實現PFLOPS等級的處理能力,且延遲需小於30毫秒、功耗低於100W,售價低於100美元。

綜上所述,只有客製化處理器才能滿足本文中所述的所有七項要求。

(參考原文:Look Ma, No Hands! The Road to Autonomous Driving,by Lauro Rizzatti)

本文同步刊登於《電子工程專輯》雜誌2022年12月號

 

 

 

 

加入我們官方帳號LINE@,最新消息一手掌握!

發表評論