汽车行业目前正在研究如何进行安全的自动驾驶大规模部署
汽车行业目前正在研究如何进行安全的自动驾驶大规模部署，必须能够应对L4甚至L5级别的各项关键挑战。此外，汽车电子系统的复杂度也在急速增长，在要求计算力与复杂度增长保持一致的同时，如何确保系统的功耗、散热、尺寸、成本和安全也是汽车制造商与解决方案提供商需要考虑的重要因素。
7大关键挑战
1、成本
有人预测，如果在2020年生产L4级和L5级自动驾驶汽车的成本可能比普通汽车高出75000至100000美元。事实上，考虑到实现L4级和L5级自动驾驶所需要的传感器数量，这个数字还是太低。如果总成本超过100000美元，为了使这些车辆能够被购买，价格还需大幅下降，以使消费者负担得起。因此，这很可能意味着第一批真正部署自动驾驶的车辆将成为出行即服务（MaaS）、共享骑乘或机器人出租车队的一部分，通过取代人力驾驶的成本，建立一种新的商业模式，以支持这些更昂贵的车辆。
2、L3级真的可以被部署吗
如上图所示，L3级是从ADAS迈向全自动驾驶的第一步，它代表了在条件许可的情况下，车辆可以完成所有的驾驶动作，并具备提醒驾驶者功能。驾驶者无需监控驾驶环境，可以分心，但不可以睡觉，需要随时能够接管车辆，以便随时应对可能出现的人工智能应对不了的情况。这便引发了一个有趣的现象，一旦驾驶员的手脱离了方向盘，会很愉快地处理电子邮件、文本等，使眼睛与思想也脱离了道路，一旦遇到意外，分心的驾驶员能多块地回到“方向盘”上？从责任的划分方面考虑，跳过L3级自动驾驶能够更好地判断驾驶员是在控制车辆还是车辆在进行自动驾驶。不过即使汽车制造商决定跳过L3这一阶段，从L3到L4所需要的技术复杂性也要高得多。
3、传感器急剧增加的计算需求
从ADAS迈向自动驾驶需要对汽车周围的一切环境有更精确的了解，为了实现这一点，汽车上的传感器数量急剧增加，需要多个雷达、车载摄像头和激光雷达，以基本上取代和增强人眼感知。这些传感器不仅昂贵，而且需要处理器处理才能理解它们“看到”的东西，以及车外的情况变化，这与自适应巡航控制或紧急制动等简单的ADAS功能所需的计算力有很大不同。
4、软件复杂性的增加
随着电气化、智能化、网联化等技术的发展，自动驾驶汽车电子电器架构更为复杂，亦将面临着诸多问题，如ECU及大数据的增多、人机交互界面的复杂程度更高、互联汽车常遭黑客侵入、自动驾驶客户差异化需求的满足……据了解，预计L5级自动驾驶车辆将需要10亿行代码，相比波音787梦想飞机（Boeing 787 Dreamliner）需要的代码仅为1400万行。
因此，软件功能虚拟化和硬件简化的重要意义将进一步提升，而这可能以几种形式成为现实。一是将硬件整合到针对不同时延性和可靠性要求的堆栈中；二是一个冗余的“超级计算机”将取代ECU的地位；三是彻底放弃控制单元的概念，转而采用智能节点计算网络。
5、如何提高自动驾驶部署接受度
根据美国汽车协会（AAA）最新数据，73 %的美国司机表示害怕搭乘全自动驾驶汽车，63 %的美国成年人认为在步行或骑车时与自动驾驶汽车共用道路是不太安全的。只有当驾驶员和乘客认为安全性足够值得信赖时，大众才会接受新型高级驾驶员辅助系统( ADAS )和自动化程度越来越高的技术。
安全是汽车电子系统的一个关键保障，严格的安全标准和认证适用于任何需要在驾驶员要求时保持可靠性能，如刹车、转向等。当我们提高汽车的自主决策时，本质上是用复杂的计算机系统来代替人的安全决策。
6、从原型到量产
当今自主决策计算系统原型通常是基于现有的服务器技术，其挑战在于尺寸、功耗和散热性不适合于汽车。所有这些特性都需要显著减少，人们普遍认为功耗需要减少10倍，尺寸需要减少5倍，如果两者都能实现，那么成本和散热将显著降低。这也将推动自动驾驶汽车在消费者领域和机器人出租车领域的真正部署。
7、增强车内乘客互联体验
对于终端领域来讲，以支持自动驾驶的V2X通讯模块为入口，进一步整合车内的各种功能模块，包括车内计算，存储等功能，构筑新的车载电子业务领域，这也可以说是芯片公司的商业范畴。打造更高性能更安全的联网汽车，更快实现自动驾驶，提供更好的车内乘客互联体验，成为管理车内应用的软硬件平台，则是车厂差异化竞争力所在。
Arm如何帮助克服这些挑战？
汽车OEM和Tier-1厂商们越来越清楚地认识到需要一个强大的技术合作伙伴来帮助他们解决这些挑战，并不约而同地将Arm及其广泛的汽车生态系统视为实现这一目标的正确合作伙伴。实际上，Arm一直与汽车行业密切合作，以了解上述每一个挑战，提供完善的解决方案，助力自动驾驶大规模部署。
1、计算需求全覆盖
Arm CPU和其他IP，如GPU、ISP和NPU允许在整个车辆的各个系统中使用基于Arm的解决方案，Arm的合作伙伴也提供最广泛的汽车级SoC。这一系列的应用处理器（Cortex-A）、实时处理器（Cortex-R）和小型低功耗微处理器（Cortex-M）适用于自动驾驶所有阶段。随着Arm的合作伙伴将更多的计算力带到异构化SoC平台上，这将有助于满足更大的算力需求，同时降低功耗、价格、尺寸和保持良好的散热特性。
2、为更高级别的自动驾驶实现“安全就绪”
“安全就绪”（Safety Ready）计划中包括Arm现有的安全产品以及全新产品或未来产品，这些产品的开发采用严格的功能安全流程，包括支持ISO 26262和IEC 61508标准的系统流程和开发。“安全就绪”计划提供一站式软件、工具、组件、认证和标准，可为Arm合作伙伴简化并降低整合功能安全的成本。凭借“安全就绪”计划，合作伙伴和汽车主机厂可以确保其SoC和系统具有自动驾驶应用所需的最高级别功能安全。
3、性能和安全缺一不可
Arm在安全领域的领先优势并不止于整合最新的认证和标准，虽然分核-锁步（Split-Lock）功能对业界而言并不陌生，但Arm率先将其引入专为高性能汽车应用而设计的处理器。分核-锁步（Split-Lock）技术是一款具有颠覆性的安全创新，可实现以下性能：
具备以往锁步CPU部署中无法实现的灵活性
SoC中的CPU群集可配置成“分核模式”以实现高性能，其中群集中的两个（或四个）独立CPU可用于各种任务和应用程序
若配置成“锁步模式”下，CPU将处于锁步状态，在群集中创建一对（或两对）锁步的CPU，以实现更高的汽车安全完整性应用
CPU集群可在硅片生产后配置为在任一模式下混合运行
4、“汽车增强型”全新产品
2018年9月，Arm推出首款集成功能安全的自动驾驶级处理器 Cortex-A76AE，专为汽车行业设计。该芯片搭载分核-锁步（Split-Lock）技术，是一款具有颠覆性的安全创新，并首次在应用处理器中得以实现。
不过就自动驾驶而言，采集与需要处理的实时数据量要比ADAS多很多，因此2018年12月，Arm再推出针对高数据吞吐计算的IP——Cortex-A65AE，面向汽车电子市场，主要针对7nm优化，其最大特点就是支持了SMT多线程，性能吞吐率比前代高3.5倍，预计2020年上市。同时，车企或许会愿意将Cortex-A76AE与Cortex-A65AE这两款芯片结合使用，从而完成感知流程。
5、最广泛的生态系统优势
众所周知，Arm是藏在芯片后面的 IP供应商，目前Arm在全球已经有超过1500项的IP授权，基于Arm架构的芯片出货量达1250亿片，仅2017年基于Arm架构的芯片出货量超过210亿片。授权合作伙伴包含行业领袖、初创公司、芯片公司及OEM厂商超过500家。另外有16家顶级汽车芯片厂商授权了Arm的IP。
从1996年Arm正式进入汽车领域做刹车控制芯片IP开始，到如今已发展了20多年。目前在IVI领域，85%的处理器采用Arm架构；在ADAS领域，超过65%的应用处理器采用的是Arm架构。从传统的动力系统控制、底盘控制和车身控制，到现在ADAS/IVI，都有控制芯片在采用Arm的架构。所有电子器件采用通用的架构，辅以领先工具生态系统的大力支持，汽车制造商和供应商便能对硬件与软件进行快速创新。这些创新将革新安全性、降低能耗，同时提升驾车体验。
开启大规模自动驾驶安全部署之路
Arm花了大量时间与汽车行业合作，以充分了解在下一波汽车创新过程中面临的挑战和难点，最新发布的产品与技术创新有助于实现这些部署，并在不影响性能和安全的情况下降低了功耗和成本。未来，Arm将与更多OEM、Tier-1厂商构建更广泛的生态系统合作，重新定义移动出行，推动汽车创新发展的全新时代。
-
自动驾驶
+关注
关注
784文章
13784浏览量
166376
原文标题：大规模自动驾驶安全部署的7大挑战
文章出处：【微信号：IV_Technology，微信公众号：智车科技】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
Orin芯片在汽车行业的应用
安全第一：感知雷达如何在实现全面自动驾驶之前助力道路安全
Waabi使用生成式AI大规模地交付自动驾驶汽车
汽车行业迎来新的飞跃：芯粒成为创新动力
FPGA在自动驾驶领域有哪些优势?
FPGA在自动驾驶领域有哪些应用？
AI大模型正在加速上车，全面赋能汽车行业
吉利与Foretellix合作开发自动驾驶汽车
未来已来，多传感器融合感知是自动驾驶破局的关键
M8航空插头5pin在汽车行业的关键组件
边缘计算与自动驾驶系统如何结合
工商网监
评论