Contents
Van veiligheidsvoorzieningen zoals het vermijden van botsingen tot de zelfrijdende auto's die worden getest op snelwegen en stadsstraten, kunstmatige intelligentie (AI)-technologieën spelen een integrale rol in moderne voertuigen. Geavanceerde sensoren en diepgaande algoritmen zoals neurale netwerkmodellen nemen de rol van menselijke bestuurders op zich, nemen vaak snellere beslissingen en dragen bij aan veiliger rijervaringen.
Het realtime, data-intensieve computergebruik dat onder de motorkap doorgaat om deze mogelijkheden mogelijk te maken, vereist krachtige, energiezuinige embedded vision-verwerkingsoplossingen. In deze blogpost bespreek ik de belangrijkste vereisten van processors in AI-toepassingen voor auto's en hoe de processor in je SoC het verschil kan maken in het vermogen van een auto om te remmen wanneer deze een jaywalking-voetganger detecteert of uitwijkt als een ander voertuig te dichtbij komt .
Virtuele ogen op de weg
Tientallen sensoren die in de auto's van vandaag zijn geplaatst, verzamelen een schat aan gegevens over alles, van acceleratie tot motorregeling, druk, temperatuur en snelheid. Om onmiddellijk en adequaat te kunnen reageren, moeten de gegevens snel worden verwerkt, waarbij informatie de juiste acties aanstuurt. Denk bijvoorbeeld aan een toepassing als een geavanceerd rijhulpsysteem (ADAS). De combinatie van radar plus camera's en LiDAR dient als de ogen op de weg voor ADAS. Hoe hoger de mate van autonomie in een voertuig (niveau 2 en hoger), hoe belangrijker het voor radarsensoren wordt om een breder scala aan gegevens te verzamelen om een volledig zicht op de auto te bieden. AI-algoritmen die worden toegepast op de gegevens die door deze sensoren worden verzameld, leiden tot inzichten die de reactie van het voertuig sturen, zoals het afbakenen tussen een persoon of een lege doos in het midden van de straat en dienovereenkomstig remmen of uitwijken. Een andere belangrijke overweging bij radar is de aanwezigheid van interferentie. Toenemende prevalentie van radarsystemen vergroot ook de kans op interferentie, die kan worden beperkt met een processor die deze problemen kan detecteren en corrigeren.
Een ander voorbeeld waar AI een nuttige rol speelt, is het optimaliseren van de batterijprestaties in elektrische voertuigen. AI kan de batterijconditie van subsetcellen voorspellen en, door middel van neurale netwerkimplementaties, de huidige sensoren in de ingebouwde oplaadeenheden verminderen. Evenzo kan AI-technologie worden gebruikt om het verouderingsgedrag van lithium-ionbatterijen te voorspellen en zo hun prestaties te helpen optimaliseren. Porsche Engineering heeft dit bijvoorbeeld gedaan door gebruik te maken van datapunten zoals temperatuur, de laadstatus van de batterij en de interne weerstand van de batterij. De AI-technologie is getraind om zich aan te passen aan bestuurdersprofielen, waardoor de voorspellingen in de loop van de tijd nauwkeuriger worden.
Hoewel ze klein zijn, nemen fysieke sensoren nog steeds waardevol onroerend goed in een voertuig in beslag. En met meer sensoren die nodig zijn om steeds autonomere functies te ondersteunen, kan de mogelijkheid om sommige van deze fysieke apparaten te vervangen door virtuele, verbeterd met AI, een welkome kans zijn. Door het gebruik van kunstmatige neurale netwerken (ANN's) en een Kalman-filter (een schattingsalgoritme) in systeemcontrollers, kunnen virtuele sensoren de plaats innemen van hun fysieke tegenhangers. De virtuele sensoren zouden worden aangedreven door voorspellende modellering van een actuator of via het gebruik van ANN's en waarnemers in de ruimte, waarbij de vereiste veiligheidsniveaus worden gehandhaafd en de kosten worden verlaagd.
Functionele veiligheidsvereisten voor embedded Vision
Voor veel autosystemen zijn embedded vision-processors integrale componenten. Embedded vision verwijst naar het gebruik van hardware en technologie om procescontrole en automatisering te ondersteunen. Hoewel autonome voertuigen een veelvoorkomend toepassingsgebied zijn, wordt embedded vision ook gebruikt in industriële omgevingen, drones, medische apparaten, robotica en in de beveiliging. Van embedded vision-processors wordt verwacht dat ze hoogwaardige verwerking leveren terwijl de hostprocessor wordt ontlast op een auto-SoC. Tegelijkertijd wordt van ze verwacht dat ze de strikte energie- en prijsbudgetten van embedded applicaties accommoderen.
Het toenemende aantal sensoren in voertuigen, samen met complexe AI-algoritmen, vereisen nog grotere rekenprestaties van embedded vision-processors. Naast het vermogen om snel complexe wiskundige berekeningen uit te voeren, is functionele veiligheid een ander belangrijk criterium, gezien de veiligheidskritieke aard van veel autosystemen. ISO 26262, die verschillende Automotive Safety Integrity Levels schetst, biedt de industriestandaard voor functionele veiligheid. Het idee is om elektrische/elektronische (E/E) systemen zo te ontwerpen dat het risico op uitval door systemische en willekeurige hardware- of softwarefouten wordt geminimaliseerd. ASIL D markeert de hoogste mate van gevaar voor auto's en vereist de hoogste mate van nauwkeurigheid op het gebied van veiligheidsgarantie.
ARC-processor-IP-erkend voor Automotive AI-innovatie
Met onze uitgebreide ervaring in de automobielsector biedt Synopsys een portfolio van embedded vision-processors die voldoen aan de prestatie- en veiligheidseisen van automobielsystemen. Onze ARC® EV7x Embedded Vision Processors zijn volledig programmeerbare en configureerbare IP-cores die de lage kosten en lage stroomvereisten van embedded applicaties ondersteunen. Een optionele, krachtige DNN-versneller (Deep Neural Network) zorgt voor een snelle, nauwkeurige uitvoering van convolutionele neurale netwerken (CNN's) en terugkerende neurale netwerken (RNN's). Een ARC EV7xFS-versie ondersteunt naleving van functionele veiligheid tot ASIL D. Synopsys ARC MetaWare EV Development Toolkit versnelt de ontwikkelingscycli van applicatiesoftware.
Synopsys ARC EV7xFS Functional Safety Processor IP werd uitgeroepen tot Best Edge Automotive Solution
Tijdens de Embedded Vision Summit gisteravond werd de ARC EV7xFS Processor IP bekroond met “Best Edge Automotive Solution” van de 2022 Edge AI en Vision Product of the Year Awards, uitgereikt door de Edge AI en Vision Alliance. “Synopsys is een consistente innovator geweest op het gebied van embedded vision en AI-processors. Ik feliciteer het Synopsys-team met het behalen van deze onderscheiding voor de ARC EV7xFS-processor-IP, die hoge verwerkingsprestaties voor complexe neurale netwerken en functionele veiligheid combineert in een configureerbare kern met laag vermogen”, aldus Jeff Bier, oprichter van de Edge AI and Vision Alliance. .
Klanten hebben geprofiteerd van de ARC EV7x-familie voor AI-aangedreven automobieltoepassingen. Synopsys werkt bijvoorbeeld nauw samen met Infineon, de toonaangevende leverancier van halfgeleiders voor de automobielindustrie, om de ontwikkeling van AI- en voertuigvirtualisatietoepassingen voor de automobielindustrie te vergemakkelijken. De AURIX™ TC4x-microcontrollers van Infineon integreren een krachtige AI-versneller, een zogenaamde parallelle verwerkingseenheid (PPU), aangedreven door de ARC EV Processor IP. “Met de AURIX TC4x PPU op basis van Synopsys ARC EV-processors, bieden Infineon en Synopsys betaalbare AI ter ondersteuning van een reeks gebruiksscenario's voor elektrische voertuigen”, zegt Joerg Schepers, vice-president bij Infineon. “De bewezen functionele veiligheidsoptie in de ARC EV-processorfamilie helpt auto-ontwerpers sneller de vereiste certificeringen voor veilige, slimme voertuigen te behalen.”
ARC EV7x Processor IP biedt een basis voor de volgende generatie AI-motoren in het portfolio, namelijk onze nieuw gelanceerde ARC NPX-familie van neurale processoreenheid (NPU) IP. ARC NPX NPU IP biedt de hoogste prestaties in de branche, gemeten in tera-bewerkingen per seconde (tot 3.500 TOPS) en ondersteuning voor de nieuwste en meest complexe neurale netwerken.
Jeff Bier, oprichter van de Edge AI en Vision Alliance (links), presenteert Yankin Tanurhan , sr. vice-president Engineering in de Synopsys Solutions Group, met de Best Edge Automotive Solution voor de ARC EV7xFS Processor IP.
Samenvatting
Terwijl de auto-industrie ernaar streeft om volledig autonome auto's van niveau 5 op onze wegen te brengen, beloven sensoren zoals radar en camera's samen met AI-algoritmen een belangrijke rol te blijven spelen. Om zinvolle inzichten af te leiden uit de enorme hoeveelheid gegevens die in realtime worden verzameld, wordt van embedded vision-processors verwacht dat ze hun verwerkingscapaciteiten opvoeren om snel complexe wiskundige berekeningen te doorlopen. Het is een hele opgave, maar gezien de innovaties die al zijn doorgevoerd, zijn ervaren IP-ontwikkelaars in de automobielsector goed gemotiveerd om de vooruitgang in de AI-wereld te volgen.
In het geval dat u het gemist heeft
Lees verder op de nieuwste automotive-berichten van onze blog “From Silicon to Software”:
- Een veiligheidsbewust pad smeden voor ASIL D Automotive Designs
- Hoe Synopsys en Infineon de virtualisatie van voertuigen bevorderen en AI-aangedreven functies
- 5 trends over waar de auto-industrie naartoe gaat in 2022
Gordon Cooper
Staff Product Marketing Manager, Synopsys Solutions Group
