從半導體和元件環境性能的角度來看,變化的規則也同樣適用。自1994年以來一直使用的AEC-Q100規範定義了溫度、濕度及其他可靠性因素,然而,自1994年以來,很多事情都發生了改變。很快,汽車就將實現自動駕駛了,這在很大程度上要歸功於感測器融合、AI、摩爾定律(Moore’s Law)等技術的發展,同時也要感謝那些在偏遠地區工作的人們,他們透過標記影像讓智慧系統更加準確。

例如,準確的標籤可以區分天空和卡車側面,有時候這會發揮很大作用。Mighty AI就是這樣一家公司,專注於利用遍佈全球的人工團隊來保證準確的標記。據其創始人S.“Soma” Somasegar稱,在汽車未來發展的很長一段時間內,人類將扮演一個重要的角色。 Mighty AI CEO Daryn Nakhuda則說到:「我們建立這樣一個系統不是用來玩遊戲,而是用來拯救人的生命。」

讓自動駕駛車輛在日常生活中安全使用,要達到這一步還是個不小的挑戰,但已經吸引了汽車製造商和電子系統設計人員的興趣,同時也激發了感測器、資訊處理和通訊方面的技術創新。

一段時間以來,業界認為LiDAR將成為實現自動駕駛的關鍵技術,但現在開發人員已經認識到,這是所有可能的感測器輸入的綜合效果,包括聲納、高解析度攝影機、LiDAR,以及雷達等,所有這些都是為了確保物體的準確測量和識別。據通用汽車(GM)稱,其雪佛蘭(Chevy)Volt電動車(EV)的自動駕駛車型比普通車款多40多個感測器,硬體設定也多出40%。

降低這些硬體的成本和功耗,特別是高階影像處理相關的硬體,是自動駕駛車的關鍵驅動因素之一。為此,德國Dream Chip技術公司在世界行動通訊大會(MWC)上發佈了用於電腦視覺的先進駕駛輔助系統(ADAS)系統單晶片(SoC),它在降低功耗的同時可以極大地提高性能。

這一ADAS SoC產品是該公司與Arm、ArterisIP、Cadence、GlobalFoundries(GF)及Invecas合作開發,這是歐盟委員會ENIAC THINGS2DO參考開發平台的一部分。它是基於GF的22FDX技術開發,可以降低AI和神經網路(NN)處理所需的功耗,因此可以將其嵌入到車輛中,而無需主動冷卻裝置,因為這類冷卻裝置會增加重量、尺寸和成本,同時也增加了失敗的概率。

這種SoC使用Dream Chip的影像訊號處理流水線、Tensilica(Cadence)P6 DSP,以及四叢集(quad-cluster)Arm Cortex-A53處理器,達到1TOPS的性能時功耗僅為「個位數」。

分散式與集中式感測器處理

Dream Chip SoC在低功耗下進行影像處理的低功耗性能至關重要,因為需要儘量減少延遲以避免事故發生。車輛能夠看得越遠,就能夠越早處理所看到的物體,也就越安全。但是,如前所述,要進行合理的智慧決策需要許多感測器,這就帶來了一個問題,即所有這些感測器輸入應該在哪裡及如何處理。

感測器融合技術用在無人機之類的應用中是眾所周知的,其中陀螺儀、加速度計和磁力計以融合的方式被管理,這樣就能使每種感測器的優勢得到突顯,缺點得到減弱。對於擁有如此多種類感測器的自動駕駛車輛而言,這種融合如何實現呢?

為了解決這個問題,明導國際(Mentor Graphics)決定採取後向方式,從第五級自動駕駛開始考慮。這種稱為DRS360的方法將來自LiDAR、雷達和攝影機的原始感測器資料融合,並對其進行處理,以呈現出車輛周圍環境的360度即時視訊。這種集中式方法減少了等待時間,但需要高度集中的處理能力,Mentor使用Xilinx Zynq UltraScale + MPSoC FPGA,以及先進的神經網路演算法來實現。另一種替代方法是在感測器本地進行影像、LiDAR或雷達處理,並上行發送結果,但這種方法不如DRS360那樣高效,也不能充分利用快速變化和演變的演算法優勢。其缺點是會有單點故障,但內建的冗餘和良好的設計可以彌補這一缺點。

MIPI聯盟也非常重視汽車感測器的重要性,該組織將其在行動裝置上定義感測器實體層介面的經驗帶到快速發展的汽車領域。去年10月7日,它宣佈成立MIPI汽車工作小組(AWG),旨在將感測器介面標準化,從而降低開發成本,縮短測試時間,並提高可靠性。憑藉其在行動設備領域的實力背景,MIPI聯盟還很有信心,可以保證這類高度敏感的關鍵汽車應用受到最小的EMI影響。

車輛電氣化在加速

一般認為與自動駕駛同步發展的電氣化,即電動車取代內燃機(ICE)汽車,卻按照不同的步調進行。基本上,配備大型電池的電動汽車被視為是更具可持續性的交通方式。然而,據Mentor整合電氣系統市場總監Dan Scott表示,大型電池確實增加了不少重量,甚至會比相應的ICE汽車高出32%。

那麼問題就是要最大限度地減少重量,這直接影響到電纜、線束和連接器。電動汽車的另一個問題是對電能要求比較高,對於一個典型的1kW電池,在400V時電流會高達250A。如此大的電流會導致更多的能量損耗,因此電動汽車開始使用800V的電源。這也會減少電纜重量,其他的技術也一樣,例如去除大功率電纜上的遮罩。McKinsey & Company曾經拆解過8輛電動車,只是為了看它們各自的處理方式有何不同,可看出電源和散熱管理是一個關鍵,而在動力傳動設計方法上尚未發現可取得一致之處(圖1)。

20180607NT01P1 圖1 拆解8輛電動車發現在動力傳動系統的設計方式和散熱管理方式方面存在很大差異。(圖片來源:McKinsey & Company)

不過,Scott表示,與此相關的是利弊權衡,比如EMC問題。「另外,對於再生制動之類的東西,現在你需要考慮很多方面,比如電力電子、電機控制和電池化學等,所以你必須在不同的工具之間共用這些資料。」Scott說:「這需要更全面的設計方法。」

為此,Mentor開發了Capital軟體套件,用於汽車和航空航太設備的電氣和線束設計及佈局。Capital軟體的目標是保持車輛完整無縫的資料流程,從車輛設計概念、電氣架構定義,到線束製造,及至車輛維護。

Scott表示:「Capital軟體擅長管理複雜的系統。我們已經有了生成式設計,可以由此採用基本架構並自動產生接線示意圖。」雖然Capital軟體沒有指定所需的特定元件,Scott聲稱Mentor確實有一個設計服務團隊,可以協助客戶做好接下來的設計決策。

舒適和服務取代性能

隨著車輛向自主化方向的演進,舒適性、娛樂性和服務性被視為比性能和道路「感受」更吸引人的差異化因素。福特(Ford)已經認識到這一點,並開始向服務方面轉移,而英特爾(Intel)長期以來致力於對資料的關注,無論是車輛本身還是車輛使用的資料。

車輛的使用方式正在改變商業模式,年輕使用者更趨向於租賃,而非擁有一輛車。此外,年輕使用者更喜歡資訊通知和娛樂,這些發展趨勢激勵Imagination發佈PowerVR Series8XT GT8540四集群IP,專門用於高畫質頭戴式顯示器和資訊娛樂,其GPU核心可同時支援多個高畫質4K視訊串流,以及多達8個應用和服務。

(參考原文: AI alters auto design challenges,by Patrick Mannion)