德國一線汽車零組件供應商Bosch與車廠Daimler日前宣佈選擇Nvidia的人工智慧(AI)平台來開發自動駕駛計程車,預計在2020年代初期大量生產;此訊息連結了先前各自有所連結的夥伴關係與合作案,鞏固了一個三方聯盟。

Nvidia資深車用業務總監Danny Shapiro接受EE Times記者電話採訪時表示:「這並非交易案…像是Nvidia將供應晶片給Bosch、Bosch再供應模組給Daimler這樣的訊息,這是策略聯盟,其中的每家公司各自扮演不同的角色。」

具體來說,兩家德國公司──Bosch與Daimler──將加入佈署Nvidia之Drive Pegasus平台的行列,以開發「生成車輛駕駛演算法的機器學習方法;」Bosch表示,Nvidia將提供的Drive Pegasus平台,包括「高性能車用AI處理器以及系統軟體。」

這個三方聯盟的目標是催生在都會道路行駛的高度自動駕駛車輛,將自動駕駛計程車(robotaxi)導入城市。對此技術顧問機構VSI Labs創辦人Phil Magney接受EE Times訪問表示:「我們已經知道Bosch、Daimler與Nvidia之間的連結好一段時間,現在是正式公開其架構將採用Nvidia的Pegasus平台,而Bosch會是一線供應商。」

Magney指出,有一些自動駕駛計程車業者已經宣佈採用Pegasus平台的計畫,而Bosch-Daimler-Nvidia的宣佈,是「第一個車廠與一線汽車零組件供應商聯盟有明確的計畫,要以Drive Pegasus架構來設計自動駕駛計程車。」

那Daimler與Xilinx的合作咧?

根據先前的報導,Daimler與Xilinx也在合作開發AI解決方案,但兩家公司並沒有透露其中細節。Magney猜測,這應該是Daimler的兩個不同專案,「就像很多車廠,他們在自動駕駛技術開發上會至少有兩個不同的專案同時進行,其中一個是用於大量生產的自動化駕駛技術(L2/L3),其他的就是無然駕駛計程車可用的自動駕駛技術(L4以上)。」

「有可能是Nvidia平台用於Daimler的自動駕駛計程車專案,而Xilinx的方案則會被用於ADAS或是加強版功能(L2以上)的開發專案;」他進一步指出:「此外,Xilinx與Nvidia方案也不一定相互排斥,一套自動駕駛堆疊(stack)會有多個執行緒以因應不同的任務,有些事情會更適合GPU架構,其他的則可能更適合以FPGA來處理。」

自駕車的ECU網路

Bosch是感測器與車用零組件的領導供應商,該公司從去年開始採用Nvidia的Xavier晶片原型開發AI自動駕駛模組,兩家公司之間的合作是在2017年3月公佈。Bosch根據自家為自動駕駛車輛開發感測器處理單元的經驗,估計在城市道路使用的自動駕駛系統ECU網路,必須要能達到「每秒數百兆(hundreds of trillions)次運作」的性能。

20180712_Nvidia_NT02P1

Nvidia的Xavier晶片
(來源:Nvidia)

在融合由雷達、視訊攝影機、光達(lidar)以及超音波感測器所收集/傳輸的資料時,ECU網路預期要能做所有的事情,包括資訊評估(如物體偵測與地圖定位)到規劃車輛行駛路線,而Bosch認為這些要在「僅20毫秒(millisecond)之內」做到。

當然,ECU必須處理的感測器資料會非常龐大,光是一個視訊攝影機,例如Bosch的立體視訊攝影機,行駛一公里就能產生100GB的資料;ECU網路得快速處理組合資料的壓力也非常大,因為安全性取決於處理速度。Bosch表示,這是該公司與Daimler選擇Nvidia的部分原因之一,因為他們相信Drive Pegasus平台能跟上他們指定的運算性能。

Pegasus平台有什麼?

假如大量運算性能是在幾毫秒內同時執行多個複雜演算法的必備條件,那麼哪種硬體是不可少的?Nvidia的Pegasus平台是一個選項,該平台內含兩顆Xavier SoC,還有兩顆即將發表的「下一代GPU」,能提供320TOPS (trillions of operations per second)的運算性能。

Nvidia的Shapiro強調:「Pegasus能提供最具省電效能的解決方案;」不過在被問到該平台內部的新GPU時還是三緘其口,表示該公司還沒發表。他還強調,Nvidia「從一開始」就將安全性設計納入了Xaiver,涵蓋硬體到軟體堆疊,專注於「能打造如預期執行、可靠且支援備份的」工具與方法。

此外,Shapiro指出Nvidia還請了一家德國的標準驗證業者TUV SUD,為Xavier執行安全性概念的評估;他表示,TUV SUD的評估結果指出,Xavier的架構適合自動駕駛應用,並突顯了Nvidia實現安全自動駕駛的承諾。

AI自動駕駛車的難解習題

然而還有一個揮之不去的問題是,我們能信任AI在現實世界執行駕駛任務時會做正確的事嗎?驗證AI車輛的困難度,仍然是眾多安全專家的難解習題。在這方面,Mobileye提出了名為「責任歸屬安全」(responsibility-sensitive safety,RSS)模型,在該模型下,他們準備推出一套決定論系統,以補償「概率性的AI系統」。

Nvidia是否有支持RSS的規劃?對此Shapiro表示:「這需要從長計議;」而他指出,目前「我們正打算要在系統中導入制衡(checks and balances)機制──很可能會類似一種「檢查者/執行者(checker/doer)」的方法。」

編譯:Judith Cheng

(參考原文: Bosch, Daimler, Nvidia Seal Robotaxi Pact,by Junko Yoshida)