雖然近年自動駕駛吸引了企業(yè)、政府、媒體和消費(fèi)者的普遍關(guān)注，但自動駕駛目前仍處于原型測試驗證階段。多家公司都在路測自己的自動駕駛車輛，包括Waymo、特斯拉、Uber、百度、滴滴，以及傳統(tǒng)汽車OEM廠商如通用、福特、豐田和大眾等。自動駕駛芯片和系統(tǒng)方案供應(yīng)商包括英偉達(dá)、英特爾Mobileye、地平線、NXP等。Xhyesmc

Waymo源自谷歌的一個自動駕駛研究項目，現(xiàn)已成為谷歌母公司Alphabet旗下的一個獨立公司。截至2018年10月，Waymo自動駕駛車輛已經(jīng)在美國6個州的25個城市完成公共道路測試?yán)锍?000萬英里，其虛擬自動駕駛車輛完成了70億英里的模擬路測。2018年12月，該公司在美國亞利桑那州太陽城正式推出L4級別的自動駕駛出租車服務(wù)。今年7月，Waymo獲得加州政府頒發(fā)的載運(yùn)乘客服務(wù)許可，將在谷歌總部附近的幾個城市提供無人駕駛出租服務(wù)。Xhyesmc

從ADAS到完全自動駕駛

Waymo自動駕駛研發(fā)和路測歷時10年，耗資超過10億美元，目前已經(jīng)達(dá)到L4級別，這也是全球自動駕駛領(lǐng)域目前所達(dá)到的最高級別。下面我們大致回顧和展望一下汽車行業(yè)從ADAS到完全自動駕駛的發(fā)展歷程。Xhyesmc

Xhyesmc

圖1：自動駕駛不同級別可以實現(xiàn)的功能及時間預(yù)測（來源：Arm）Xhyesmc

國際汽車工程師學(xué)會(SAE International)定義了L0-L5六個自動駕駛級別。其中L0完全沒有駕駛輔助控制功能，我們從L1開始到L5來大致介紹這五個級別，從高級駕駛輔助控制和完全自動駕駛的區(qū)別。Xhyesmc

• L1和L2以人自主駕駛為主，ADAS為輔。大約從2000年開始，L1級別的駕駛輔助功能開始出現(xiàn)，包括自適應(yīng)巡航控制(ACC)、車道保持、自動緊急剎車(AEB)和平行泊車協(xié)助等。2013年開始出現(xiàn)L2級別的部分自動功能，包括方向盤自動控制、換道、交通堵塞協(xié)助等。特斯拉AutoPilot系統(tǒng)就屬于L2級別。Xhyesmc

• 2018年出現(xiàn)的L3級別實現(xiàn)了有條件的自動駕駛，即需要人和車同時參與。但這在人類行為習(xí)慣和法律裁定方面都難以協(xié)調(diào)，因為一旦不需要全神貫注地開車，人們就會分神，在出現(xiàn)緊急情況車輛需要人工參與時很難及時做出反應(yīng)，甚至有可能因為駕駛員不知道自己是否應(yīng)該介入而導(dǎo)致事故。很多OEM車廠和技術(shù)公司都聲稱越過L3，直接進(jìn)入L4，因為無論從法規(guī)還是技術(shù)角度L3都比較有挑戰(zhàn)。但是，從研究和學(xué)習(xí)的角度還是有價值的。Xhyesmc

• L4和L5以車為主，人基本或完全不參與。L4級別即可實現(xiàn)高度自動化，解放出人的眼、手和腳，車輛可以在高速上自動行駛達(dá)到100英里/小時，實現(xiàn)自動換道和自由行駛，預(yù)計2024年進(jìn)入商用部署階段。L5是真正的完全自動駕駛，預(yù)計2027年自動駕駛出租車(Robo-Taxi)和無人駕駛穿梭巴士開始提供出行服務(wù)，人們可以在任何環(huán)境條件下自由乘坐。但目前還沒有廠家達(dá)到L5級別。Xhyesmc

從原型測試到量產(chǎn)和商用部署面臨的挑戰(zhàn)

無論互聯(lián)網(wǎng)巨頭、汽車OEM廠商，還是自動駕駛技術(shù)公司，目前都在原型測試和驗證階段，自動駕駛離批量生產(chǎn)和大規(guī)模商用部署還有很長的路要走。從非技術(shù)層面來說，所面臨的挑戰(zhàn)在于高昂的成本和消費(fèi)者心理接受程度。從技術(shù)角度來看，面臨的難題包括多源傳感器融合所需要的高性能處理計算能力、復(fù)雜的軟件和算法，以及自動駕駛所要達(dá)到的功能性安全（Functional Safety）及信息安全(Information Security)。Xhyesmc

o 自動駕駛車輛成本居高不下。實現(xiàn)L4和L5級別自動駕駛的車輛要比普通車輛額外花費(fèi)7.5-10萬美元，只有出行服務(wù)(Mobility-as-a-Service, MaaS)運(yùn)營商才能支付得起，還遠(yuǎn)遠(yuǎn)高于普通消費(fèi)者的支付水平。各種類型的傳感器是導(dǎo)致高昂成本的主要因素。Xhyesmc

o 消費(fèi)者心理接受程度：對自動駕駛車輛安全的擔(dān)心是消費(fèi)者不愿接受自動駕駛的主要原因。有調(diào)查統(tǒng)計顯示，超過60%的受訪者不但不愿意乘坐自動駕駛車輛，也不愿意在路上跟自動駕駛車輛共享道路。要建立對車輛功能安全性的信任還需要時間，另外消費(fèi)者也擔(dān)心聯(lián)網(wǎng)的車輛會遭受黑客攻擊和破壞。Xhyesmc

o 復(fù)雜繁多的傳感器和信息輸入源：激光雷達(dá)(LiDAR)、車載雷達(dá)、攝像頭、圖像處理、計算機(jī)視覺等大量數(shù)據(jù)的輸入和融合需要分類處理、做出實時決策和采用相應(yīng)行動。[!--empirenews.page--]Xhyesmc

o 軟件和算法的復(fù)雜性：一個能夠?qū)崿F(xiàn)完全自動駕駛的車輛大約需要10億行代碼的軟件，這是任何一家公司都無法獨自完成的。跟飛機(jī)做個對比，波音787 Dreamliner的軟件才包含1400萬行代碼，因為飛機(jī)的飛行環(huán)境和路徑相對簡單，而且飛行員都是經(jīng)過專業(yè)訓(xùn)練的駕駛員。而自動駕駛車輛的運(yùn)行環(huán)境要復(fù)雜得多，不但要在擁擠的道路上與其它車輛交互，而且要隨時主要行人，還要應(yīng)對各種各樣的天氣和路況。Xhyesmc

o 異構(gòu)集成的高性能處理器支持：傳感器融合(Sensor Fusion)和圖像處理對CPU、GPU和專用AI加速器提出了極高的要求。此外，處理器和整個系統(tǒng)的功耗和尺寸也要大幅度減少。Xhyesmc

o 功能性安全：目前業(yè)界還沒有統(tǒng)一的功能性安全標(biāo)準(zhǔn)，各種安全性技術(shù)雖然已經(jīng)經(jīng)過驗證，但仍無法滿足自動駕駛對功能性安全的要求。Xhyesmc

計算性能要有10-100倍的提升

對多輸入來源的傳感器數(shù)據(jù)進(jìn)行實時處理是自動駕駛系統(tǒng)對處理器硬件和軟件提出的高要求。數(shù)據(jù)處理分為四步：感應(yīng)(SENSE)、察覺(PERCEIVE)、決策(DECIDE)和致動(ACTUATE)。Xhyesmc

Xhyesmc

圖2：自動駕駛系統(tǒng)處理數(shù)據(jù)的步驟（來源：Arm）Xhyesmc

鑒于自動駕駛對數(shù)據(jù)處理性能的要求和軟件及算法的復(fù)雜性，Arm公司汽車方案和平臺總監(jiān)Robert Day認(rèn)為若采用統(tǒng)一的自動駕駛計算平臺，業(yè)界就可以更好地協(xié)作開發(fā)硬件和軟件系統(tǒng)，確保安全一致性，而且可以降低整體成本，加速自動駕駛從原型測試到批量生產(chǎn)、規(guī)?；渴鸷蜕虡I(yè)化運(yùn)營的發(fā)展步伐。Arm最近聯(lián)合英偉達(dá)、NXP、GM、豐田和博世等業(yè)界廠商聯(lián)合成立自動駕駛計算聯(lián)盟(AVCC)就是基于這一理念。Xhyesmc

據(jù)他介紹，Arm CPU、GPU、ISP和NPU等系列IP使得基于Arm的芯片解決方案可以在整個車輛中使用，而Arm的半導(dǎo)體合作伙伴提供了廣泛的汽車級SoC。如上圖所示，Arm完整的處理器系列包括應(yīng)用處理器（Cortex-A）、實時處理器（Cortex-R）和小型低功耗微處理器（Cortex-M），以適應(yīng)自動駕駛系統(tǒng)的所有階段。隨著Arm的半導(dǎo)體合作伙伴將更多計算元素加入異構(gòu)SoC平臺，將有助于滿足自動駕駛的計算處理要求，同時有助于降低功耗、價格、尺寸和散熱。Xhyesmc

這些離散的傳感器包括：光探測和測距（激光雷達(dá)），用脈沖激光測量到目標(biāo)的距離；無線電探測和測距（雷達(dá)），使用無線電波代替激光；紅外（IR）攝像系統(tǒng)，使用熱成像技術(shù)在黑暗中進(jìn)行感知；以及普遍采用的攝像頭系統(tǒng)等。Xhyesmc

某些數(shù)據(jù)可以在傳感器本地處理，但大部分?jǐn)?shù)據(jù)都要通過傳感器融合來匯聚、過濾和分類。傳感器融合要處理太字節(jié)量級的數(shù)據(jù)，這是通用型CPU無法滿足的，但GPU可以提供10倍于CPU的性能， 非常適合汽車自動駕駛和ADAS技術(shù)對處理能力的要求，尤其是在圖像分析和并行信號處理方面。自動駕駛系統(tǒng)可以利用GPU的圖形計算能力去實時處理和分析傳感器數(shù)據(jù)。Xhyesmc

Xhyesmc

圖3：自動駕駛的不同級別所需要處理的傳感器類型和數(shù)量（來源：Imagination）Xhyesmc

在上世紀(jì)90年代，CPU增加了浮點運(yùn)算單元和高速緩存以提高性能，此后GPU也被集成至CPU中。到2010年代，圖像信號處理器（ISP）和對視頻編解碼器的硬件支持也加入進(jìn)來?，F(xiàn)在則輪到神經(jīng)網(wǎng)絡(luò)加速器集成進(jìn)芯片，實現(xiàn)芯片自身的優(yōu)化，并成為網(wǎng)絡(luò)邊緣計算設(shè)備的標(biāo)準(zhǔn)組成部分。Xhyesmc

隨著AI、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)的興起，針對特定領(lǐng)域的專用加速器NPU則可以將計算性能提高200倍。所有這些使得ADAS/自動駕駛系統(tǒng)能夠更好地解析環(huán)境，并且可提升系統(tǒng)輔助駕駛員和維護(hù)自動駕駛汽車安全性的能力。隨著自動駕駛從L2級提升至L4和L5級，越來越需要車內(nèi)系統(tǒng)能夠?qū)囕v所行駛的環(huán)境有更詳細(xì)、更廣泛的了解。Xhyesmc

Xhyesmc

圖4：嵌入式系統(tǒng)SoC的演化（來源：Imagination）Xhyesmc

據(jù)Imagination公司汽車業(yè)務(wù)總監(jiān)Bryce Johnstone介紹，PowerVR GPU和神經(jīng)網(wǎng)絡(luò)加速器可以解決自動駕駛汽車平臺開發(fā)人員面臨的數(shù)據(jù)處理和可信架構(gòu)挑戰(zhàn)。此外，PowerVR GPU支持完全的硬件虛擬化，將共享GPU的虛擬實例進(jìn)行徹底的隔離。從而可以有效地驅(qū)動ADAS/自動駕駛平臺架構(gòu)的發(fā)展，同時提供實現(xiàn)安全、可靠的自動駕駛處理所需的強(qiáng)大性能。[!--empirenews.page--]Xhyesmc

功能安全要達(dá)到ASIL D等級

根據(jù)ISO26262規(guī)范的定義，功能安全性是指即便電氣和電子系統(tǒng)因為故障導(dǎo)致?lián)p壞，但也不會給車輛帶來無法預(yù)測的安全風(fēng)險。ISO26262對汽車安全完整性級別(ASIL)從低到高劃分為四個等級，即ASIL A、B、C、D，這些安全等級跟特定系統(tǒng)監(jiān)測出的故障次數(shù)有直接關(guān)系。Xhyesmc

據(jù)統(tǒng)計，超過90%的車輛事故都是人為失誤造成的，如果自動駕駛車輛能夠達(dá)到所期望的安全等級，嚴(yán)重交通事故將有望大幅度減少。然而，自動駕駛系統(tǒng)需要極高的計算性能和最高等級的安全性以確保車輛高速行駛的安全。在功能安全性方面有哪些技術(shù)可供選擇呢？Xhyesmc

鎖步和拆分-鎖定

從芯片和硬件的角度，實現(xiàn)功能性安全所涉及的技術(shù)包括內(nèi)置自檢、奇偶校驗、鎖步(Lock-step)、錯誤監(jiān)測/糾正，以及看門狗等。其中鎖步(Lock-step)和拆分-鎖定(Split-lock)是兩個可以同時滿足自動駕駛性能和安全性要求的安全技術(shù)。Xhyesmc

在“鎖步”中配置兩個CPU內(nèi)核是實現(xiàn)高水平診斷的傳統(tǒng)方法，即能夠檢測到錯誤情況的發(fā)生。其原理非常直截了當(dāng)，每個內(nèi)核饋入比較器邏輯塊，并且每個內(nèi)核執(zhí)行完全相同的代碼。比較器邏輯逐個周期比較輸出，只要結(jié)果相等，一切就OK。如果結(jié)果之間存在差異，則表明有安全隱患，應(yīng)該進(jìn)一步監(jiān)測或采取措施解決故障狀況。這種”鎖步“機(jī)制是通過設(shè)計固定在芯片里的，因此靈活性不夠。因為運(yùn)行應(yīng)用程序要使用兩個內(nèi)核，只能獲得單核的性能。這種方法已被“證明”可行有效，并已在微控制器和不太復(fù)雜的確定性微處理器上使用多年。Xhyesmc

據(jù)Robert Day稱，Arm在汽車級微處理器內(nèi)核Cortex-A76AE和Cortex-A65AE中引入了“拆分-鎖定(Split-lock)”安全機(jī)制。拆分-鎖定允許在啟動時將系統(tǒng)配置為“分離模式”（兩個獨立的CPU，可用于處理不同的任務(wù)和應(yīng)用），或“鎖定模式”（針對高安全完整性應(yīng)用，CPU處于鎖步模式）。這種“拆分-鎖定”功能對于自動駕駛系統(tǒng)是至關(guān)重要的，可以實現(xiàn)出色的計算性能和高度的安全完整性支持。Xhyesmc

本文為《國際電子商情》姐妹網(wǎng)站《電子工程專輯》11月刊雜志文章Xhyesmc