技 术 信 息

    目前位置:

  • 技术信息
  • System Analysis
  • 專家訪談 | 自動駕駛—仍在繼續改進的路上

專家訪談 | 自動駕駛 — 仍在繼續改進的路上

毫無疑問,自動駕駛正在重塑汽車在我們生活中的角色。其現階段的發展,除了法律和定責層面眾多懸而未決的問題之外,技術上的挑戰依舊嚴峻。

對於汽車行業而言,自動駕駛的未來已成定勢,而唯一的變數只是何時能得到大規模的部署。當前而言,市場更應該關心的是其「應用場景」和「如何實現」的問題。

數年來,汽車製造商、一級供應商以及半導體廠商都在自動駕駛汽車技術上取得了長足的進步。

然而,所有量產車型到現在連 Level 3 (有限條件下的自動駕駛) 都還沒達到。

首款搭載高度自動駕駛系統的量產車型預計將於 2021 年在德國上路,但其只限於特定類型的道路上,如高速公路 (Autobahn) ,同時還需要滿足合適的氣候條件。為了提高自動駕駛車輛在非理想環境的適應能力,感測器組、計算單元和軟體演算法需要不斷的優化。

汽車工業雜誌近期 (Automotive Industries ,下文簡稱「AI」) 專訪了 Cadence 公司汽車解決方案總監 Robert Schweiger ,以下是採訪內容:

Robert Schweiger

Cadence 公司汽車解決方案總監

AI:為什麼達到 Level 3 自動駕駛如此困難?

Robert Schweiger:過去幾年,我們目睹了各個企業和國家間的技術競爭,很顯然每家廠商都希望自己的自動駕駛量產車型可以率先通過本國政府的批准。

儘管目前仍然還有尚未攻克的挑戰,但技術的創新和進步顯然已經領先於政府法規的制定,相關機構目前並沒有發佈任何法律框架規定,以允許汽車製造商在特定條件下在公路上使用這項新技術。基於這一原因,奧迪的 Traffic Jam Pilot 自動駕駛系統並沒有搭載到其 A8 系列的量產車型。

此外,自動駕駛汽車還面臨著很多諸如定責和保險等其它方面的監管障礙。現在,自動駕駛汽車領域的競爭已經深入到了各國政府的立法監管層面。

AI:提到自動駕駛領域的新技術,能否分享一下硬體平臺的關鍵趨勢?

Schweiger:自動駕駛系統有可能會率先用於自動駕駛計程車 (Robotaxi) 和豪華車型,因為高價車的 OEM 廠商會更容易負擔自動駕駛系統帶來的成本增加。展望未來,最有潛力的應用領域應該是中型車與經濟性電動車。這一細分市場對硬體平臺的關鍵需求包括每瓦性能、可擴展性、駕駛安全、資訊安全以及成本。

同時採用 10 個不同的電子控制單元 (ECUs) 意味著很難滿足每瓦性能和成本的苛刻要求,所以唯一的應對方法是採用基於高性能片上系統 (SoC) 且高度集成的解決方案。

2019 年,特斯拉發佈了首款完全自動駕駛 (FSD) 電腦 (HW3.0) ,以及配套的自研軟體和機器學習環境。更值得稱道的是,作為首家自行開發 SoC 的 OEM 廠商,特斯拉的 SoC 晶片可以完全匹配自身的系統需求。

特斯拉發佈的這款 SoC 由兩個 AI 處理器核心組成,最高性能達到了 144 TOPS/72 瓦 (2 TOPS/W) ,至今仍然是行業標杆。

而市面上多數其它的自動駕駛平臺甚至連 1 TOPS/W 都沒達到!下一代 SoC 的目標應該是數百 TOPS 和更好的 TOPS/W 比值,而做到這一點只能依賴於市面上最領先的制程技術。

如果一家汽車製造商真心想進入自動駕駛汽車的商業市場,它們就應該認真考慮開發基於自身需求應用的 SoC,建成性能和成本最優化的自動駕駛平臺。

AI:智慧汽車產生的海量資料是否會對記憶體有新的需求?

Schweiger:即便脫手操作的自動駕駛系統 (Level 3) 預期將於 2021 年在特定道路環境下應用,我覺得自動駕駛的真正價值在於其是否也可以支持在施工路段或惡劣天氣條件下正常運行。為此,我們需要更高精度的感測器模組以提高系統的穩健性。

這也是為什麼類似系統會產生海量的資料。當我們的自動駕駛從 Level 2 演進到 Level 5 全自動駕駛,預計每秒鐘會生成 3 GB 到 10 GB 的新增數據。哪怕只是一台 Level 2 自動駕駛汽車,其產生的資料量也已經高達每秒 1 GB。

關於新一代 ADAS 計算單元對記憶體的需求,我們觀察到最新記憶體標準發展的趨勢。作為 IP 供應商,Cadence 已經全面支持了這些標準。汽車行業的這一變化趨勢可以從三個方面來理解:

高性能資料處理:處理器和 RAM 間更高的資料速率需要從 LPDDR4 遷移到 LPDDR5,由此資料速率將翻倍到最高 6.4 Gbit/s

高速資料收集和傳輸: 快閃記憶體介面應該從 eMMC / UFS 2.0/2.1 升級到 UFS 3.0,資料速率可達到最高 23.2 Gib/s ( 2 條通道)

超大規模資料存儲: 從 64 GB 到 1TB 的 NAND 快閃記憶體 (TLC 和 QLC)

( 圖:電子和電氣架構的發展趨勢與挑戰 )

AI:海量資料的傳輸會顯著影響車載網路系統,這一領域取得了哪些進展?

Schweiger:這個話題也很重要,關於感測器原始資料融合,目前爭論的兩個方向是需要採用分散式處理還是中心化處理架構。為了將攝像頭或雷達等高精度感測器連接到計算單元,我們需要汽車乙太網路或 MIPI CSI-2 等高速協定。

每個現行的網路標準都各有局限。OEM 已經投產了 1 Gbps 的汽車乙太網 PHY,支援 15 米線纜的資料傳輸。然而,頻寬不足依然是最大的障礙,甚至連 60 幀每秒 (FPS) 的全高清視頻都無法支援。

MIPI CSI-2 結合 D-PHY v2.1 介面可以支援短通道上 (15 釐米以內可保證最高資料速率) 每條線最高 6 Gbps。但由於 PHY 的工作範圍有限,長距通道模型 (1-4 米) 的最高資料速率不到 4.5 Gbps。系統間的長距高速互聯需要使用低電壓差分信號 (LVDS) 橋接。

MIPI 聯盟最新發佈了 MIPI A-PHY 規範,旨在支援 15 米以內線纜上達到 16 Gbps 的資料傳輸速率,主要用於連接高精度感測器 (端點) 和中央處理單元。

AI:Cadence 如何説明客戶開發高度複雜的系統?

Schweiger:Cadence 在汽車智慧系統設計領域擁有深厚基礎,是值得信賴的合作夥伴。Cadence 可以提供汽車智慧設計所需的全部 EDA 工具、設計流程、經矽驗證的介面和處理器 IP、高性能雲基礎設施和領先的設計服務,説明客戶創建複雜的汽車 SoC 晶片和智慧感測器,以及高性能感測器融合單元。

定制 SoC 設計對傳統 OEM 廠商和一級供應商還是全新的領域,Cadence 的設計服務團隊可以説明客戶實現複雜的 SoC 設計,強化團隊所需的技能。在我們的協助下,客戶可以逐步掌握採用先進的晶片設計流程,並最終獨立執行完整的設計。

最後,在面向系統分析和設計層面上,Cadence 也提供整套的計算軟體用於晶片、封裝、RF 模組、主機板,以及網路與系統。而我們最新的電磁介面 / 電磁相容性 (EMI/EMC) 和全 3D 熱分析等系統分析工具可以對完整系統進行模擬。

例如,客戶可以應用整合了 FEA-CFD 的 Cadence Celsius Thermal Solver 熱求解器,來分析駕駛平臺的熱流動,並同時考慮電子元件和機械底盤的影響因素。此外,客戶還可以借助 Cadence Clarity 工具套件對 ECU 的 EMI/EMC 進行多種方式模擬:既可以單獨模擬,也可以在完整的汽車平臺上使用 Cadence Clarity 3D Solver 進行近場模擬,或使用 Cadence Clarity 3D Transient Solver 進行遠場模擬。

展望未來,OPEN 聯盟 SIG 與 IEEE 已經啟動數十億位元級乙太網標準的開發以支援最高 10 Gbps 的資料速率,是乙太網主幹與 ECU 間通信的完美選擇。當然,25G PHYs 也已經提上日程,但具體實現還需要更長時間。

無須多言,這兩種 PHY 的面世應用將對汽車網路架構產生巨大影響。我相信,主要針對單向資料傳輸優化的 MIPI 標準將被用於感測器和顯示等端點;而車載乙太網則是不同域之間的高速通信的理想選擇。

本文授權轉載出處

長按識別 QRcode,關注「Cadence 楷登 PCB 及封裝資源中心」

歡迎關注 Graser 社群,即時掌握最新技術應用資訊