אתגר ההדוקה מאחורי ניווט אוטונומי

המירוץ לפרוס כלי רכב אוטונומיים לחלוטין חשף צוואר בקבוק קריטי: החומרה חייבת לעבד נפח עצום של נתוני חיישן בזמן אמת תוך עמידה במגבלות בטיחות וכוח מחמירים.אדריכלות CPU-centric המסורתית נאבקים עם השקיפות והמקבילה הנדרשת למשימות כגון עיבוד ענן לידר, ניתוח אותות מכ"ם וגילוי מבוסס מצלמה.

FPGA Fundamentals: Beyond the Generic Processor

[העיקרון], FPGA הוא בד של בלוקים לוגיים הניתנים להגדרה המחוברים על ידי מעבדים שניתן לתוכנתיים.שלא כמו מעבד קונבנציונלי שמביא ומבצע הוראות באופן זמני, ניתן ללחוץ על מנת ליישם כל מעגל דיגיטלי ישירות בחומרה.יכולת זו ממונף באמצעות שפות תיאור חומרה או באמצעות כלי סינתזציה ברמה גבוהה שממירים C/C ++ להגיון, כאשר ה-CDC פועל לעתים קרובות עם לוח הבקרה ה-CDFDFD.

היתרון של Reconfigurability

היכולת לשנות את תצורת החומרה לאחר פריסה מגדירה FPGAs מלבד מעגלים משולבים יישומים ו מאיצים פונקציונליים קבועים. An automaker יכול לעדכן את צינור עיבוד חיישן באמצעות עדכונים אוויריים עודף, הוספת תמיכה למודלים חדשים לידר או שיפור אלגוריתמים מכ"ם ללא החלפת רכיבי מכ"ם פיזיים.

מדוע FPGAs Dominate the Sensor-to-Perception Pipeline

ניווט אוטונומי הוא תהליך רב-שלבי: רכישת חיישן גולמי, עיבוד נתונים, היתוך חיישן, תפיסה (גילוי object, פלמנט סימנטלמנט סימנטלטי), חיזוי, תכנון ושליטה. FPGAs לספק השפעה מקסימלית בשלבים המוקדמים, רגישים לעקביות שבו יש לשנות את הנתונים ממקרי החיישן הגולמיים למודל עולמי מובנה.

המונחים: low-Latency Processing

במערכות בטיחות, שקיפות הגרועה ביותר חשובה יותר מאשר הממוצע באמצעות מחשב. A CPU הפועל מערכת הפעלה בזמן אמת עדיין יכול לסבול מהפרעה Jitter ועיכובים מכווצים בהקשרים. GPUs, בעוד מקבילה, לעתים קרובות אצווה פעולות, המציגה שקיפות משתנה.FPG2 תהליך נתונים תהליך כמו זה זורם דרך צינור ייעודי, עם כל שלב השלמת מספר קבוע של מחזורים.

שקיפות המונית ללא מעל ראש

FPGA יכול מיידית אלפי יחידות עצמאיות של ⁇ , כל אחד מבצע פעולה ספציפית על זרם נתונים.מקבילה זו המצוינת היטב מתאימה במיוחד עבור עומסי עבודה ספאאר או לא סדירים כגון תכנון נתיב מבוסס גרף, מעקב אחר אובייקטים דינמי, או עיבוד של רדלר בו זמנית, בניגוד ל- GPU כי חייב לשגר קרנלים ולנהל חוטים, FPGA לוגיקה פועל ללא תזמון, השגת יעילות גבוהה יותר עבור מעבדי מחשב בטווח של 60GA בטווח של פתורים בטווח של פתורים.

חיישנים Fusion and Front-End Processing

FPP טיפוסית חיישן LTP כולל 8-12 מצלמות, 3-5 לידרים, 6-10 מכ"מים, חיישנים קוליים, ויחידות מדידה לא רצויות.לפתור את הזרמים האלה דורש ממשקים גבוהים ו- בזמן אמת synSyncization, ללא יכולת תיקון גבוהה של FPGAs, מכיוון שהם יכולים ישירות ממשק עם פרוטוקולים מרובים -MII-2 למצלמות, LV במהירות עבור פילטרים של cc-FDS.

סודיות אמיתית בעולם

כמה מפתחי רכב אוטונומיים אימצו היתוך מבוסס FPGA.פלטפורמת הנהיגה העצמית המוקדמת של Waymo השתמשה ב- Xilinx FPGAs כדי לטפל בעיבוד נתונים לידר וסינתזה של חיישן.בעוד ש- Waymo עבר מאוחר יותר כדי להתאים את ASICs לייצור, את המודולריות של FPGAs אפשרה אלגוריתם מהיר במהלך שלב המחקר.

FPGA לעומת GPU לעומת ASIC: השוואה אסטרטגית

תעשיית הרכב האוטונומית מתווכחת באדריכלות הטובה ביותר בכל אפשרות יש נקודות חוזק ונקודות:

  • (FLT:0) lexibility: FPGAs הם לחלוטין מחדש, ומאפשר עדכוני חומרה לאחר פריסה. GPUs הם ניתנים לתוכנה אך מוגבלים לשינויים ברמת התוכנה.
  • (FLT:0) Cost בקנה מידה: 1FLT לנמוך לכרכים בינוניים (למשל, צי רובוטי), FPGAs הם בעלי עלויות כי אין עלויות הנדסיות לא רצויות.
  • יעילות:0 (Powerיעילות: ⁇ FLT:1) A FPGA מגובשת יכולה לגשת לאנרגיה ASIC-level התפעול עבור עומסי עבודה ספציפיים, לעתים קרובות עולה על GPU כי חייב לגשת לזיכרון חיצוני לעתים קרובות.לדוגמה, צינור עיבוד מכ"ם על FPGA לצרוך 5-10 וואט, בעוד יישום מבוסס GPU עשוי להשתמש 30-50 וואט עבור אותה משימה.
  • מורכבות:0 (Development Complex:FLT:1 GPU תכנות עם CUDA או OpenCL מוכרת למפתחי תוכנה רבים. FPGA תכנות דורש מיומנויות עיצוב חומרה, אם כי סינתזת רמה גבוהה היא צמצום הפער.

עבור רמה 4 ורמה 5 מערכות, גישה heterogenous הוא מתפתח: FPGAs מטפל חיישן הקדמי הקדמי קוהבות שליטה בעלות נמוכה, GPUs להאיץ רשתות עצביות גדולות, ו CPUs להפעיל את ערימות התכנון ו לפקחי בטיחות.טסלה, לעומת זאת, משתמש בסו-C (FSD Computer) עבור כל עיבוד, להוכיח כי ASIC מותאם יכול להצליח כאשר הרשת העצבית היא יציבה ביותר, כמו ספקי רכב חדשים, כמו גם עבור ציוד מכניים של 15 שנים לפני אימון.

למידה עמוקה ב-FPGA: Quantization and Customization

הזנחה רשת נילי היא מרכזית לתפיסה.בעוד GPUs שולט אימון, FPGAs מציעים יתרונות עבור ההיקף. על ידי קביעת מודלים INT8 או INT4 דיוק ומיפוי הגרף על פרוסות DSP וחסום RAM, FPGAs להשיג גבוה באמצעות לוח נתונים מותאמים עם קיבולת נמוכה. PG כגון FLT:0AMD Xilinx ו- AIFLT, יותר פונקציות הפעלה מותאמות אישית, כמו PGTM.

חידושים ב-FPGA

עם עליית ארכיטקטורות טרנספורמטיביות עבור חזון והיתוך רב-ממדי, FPGAs משמשים כדי להאיץ את מנגנון תשומת הלב. יישומי חומרה Custom יכולים להפחית את ההיקף של פעולות קשב עצמי, אשר הם אינטנסיבי זיכרון-bandwidth מחקר אבטיפוס הוכיחו FPGA- המבוססים על FPGA כי מעבדים קטעי וידאו ב 1080p 30ps תוך פחות מ 15 וואט, 000 , 000 , 000 קידודים מ"ג'ל פיתחו אפקטיביות FPGA אפקטיביות , כמו FPR.

בטיחות תפקודית: בניית אמון בסיליקון

מערכות נהיגה אוטונומיות חייבות לעמוד בסטנדרטים ISO 26262, הדורשים זיהוי לקוי והפחתה קפדניים של FPGAs מציעים מנגנוני בטיחות ברמת חומרה: מנעול לוגיקה, בניסוי עצמי, זיכרונות מוגנים על ידי ECC, ואת היכולת ליישם נתיבי עיבוד מעודכנים, כי ההיגיון מוגדר ברמת השער, זריקות תקלות וניתוח מצב כשל יכול להתבצע במדויק. FPGA לספק לספק לספק לספק לספק לספק אבטחה פונקציונלית עם מחסנים של מעבדים של FPFRM עבור בלוקים RMD.

Over-the-Air Hardware Updates: A Paradigm Shift

היכולת לעדכן לוגיקה חומרה על האוויר היא אחת התכונות החזקות ביותר של מערכות מבוססות FPGA.בניגוד ASIC שהאלגוריתמים שלהם קפואים, FPGA יכול לקבל bitstream חדש אשר מסדיר את הבד הלוגי שלה כדי לתמוך ארכיטקטורת רשת עצבית שונה, להוסיף ממשק חיישן חדש, או לשפר את חוסם עיבוד.

תקשורת V2X ו-5G

תקשורת כלי רכב ל-Allthing מציגה זרמי נתונים נוספים מתשתית, כלי רכב אחרים ושירותי ענן.מערכת הניווט חייבת לעבד הודעות V2X, להתמודד עם הצפנה, ולמזג נתונים אלה עם חיישנים על הסיפון.FPGAs מתאימים היטב ליישום מחסניות הפרוטוקול עבור 5G, DSRC ו- C-V2X ישירות בחומרה, המציעים שקיפות נמוכה יותר וגבוהה יותר מתוכנות המבוססות על ידי יישום של PGG2GSD.

אתגרים שפיתויים

למרות היתרונות שלהם, FPGAs מתמודדת עם מכשולים לאימוץ נרחב בפלטפורמות הרכב:

  • (FLT:0) עלות הפיתוח פער כישרון: החידושים של FPGA ממונעים הם בקושי.מחזור הפיתוח של עיצובים מורכבים FPGA יכול להיות חודשים ארוכים יותר מאשר עבור תוכנה, וכלים סינתזה ברמה גבוהה, תוך שיפור, עדיין דורש מומחיות חומרה עבור תוצאות אופטימליות.
  • (FLT:0) ניהול רב-החל: 1.FLT:1 גבוה FPGAs יכול לפרק 50-100 וואט, הדורש כיור חום ומעריצים להוסיף עלות ולהפחית את האמינות בסביבות הרכב.
  • (FLT:0) לוול שרשרת בגרות: 1.FLT:1 integrating FPGA פיתוח עם זרימת עבודה לרכב (AUTOSAR, ROS 2, RTOS) נשאר מאתגר.שכבות מידידי תוכנה נדרשים לעתים קרובות לגשר על מאיצי חומרה ותוכנות יישומים.
  • (FLT:0) חששות ביטחוניים: 1FLT:1 כפי ש- FPGAs הופך להיות לוח רשתי, הם הופכים מטרות להתקפות של ערוצים ומניפולציה bitstream.

העתיד: Heterogeneous Computing ו- Chiplet Architectures

ערימה של מכונית ברמה 5 לא תהיה מונוליטית.אדריכלות מתפתחת מציבה FPGA כמרכז החיישן ו preprocessor בתדירות נמוכה, להאכיל יחידת עיבוד ביצועים גבוהה GPU או יחידת עיבוד עצבית עבור הקצינה כבדה.CPU מפגיש את הצינור, מפעיל צגים בטיחות ומבצע את עיצובי ההשקעה של אדג'ט, שבו FPGA מת בשילוב עם אחרים אינטגרציה של AMD ו- AIx, לדוגמה, עלות נמוכה יותר של פלטפורמת רכישה.

דינמיות חלקית Reconfigation

מיקוד מחקר הוא דינמי חלקית הגדרה מחדש, המאפשר חלק של FPGA להיות reprogrammed בעוד השאר פועל.זה מאפשר, למשל, החלפת רשת זיהוי אובייקטים של יום עבור מודל ספציפי לילה המבוסס על רמות אור מכוונן, ללא תיקון המערכת כולה.יכולות כאלה יהפכו חיוניות כמו כלי רכב נתקלו במגוון רחב של מצבים תפעוליים.

פרספקטיבה כלכלית: מחיר מוחלט של בעלות

עבור מקבלי רכב, ההחלטה לאמץ FPGAs כוללת עלות מערכת כוללת. FPGA יחיד יכול להחליף רכיבים דיסקרטיים מרובים - מיקרובקר עבור ממשקי חיישן, מעבדי אות ייעודיים, ומעבדי אבטחה - צמצום המורכבות של לוח וסיכון שרשרת האספקה של ASCM ברמה גבוהה יותר, היכולת לעדכן באמצעות te יכול להאריך את הרלוונטיות של הפלטפורמה, הימנעות מצורך העיקרי עבור חומרה 2 מיליון יחידות הפעלה גבוהה יותר של מחזורי רכב רגיל (F2) יכול להיות קבוע יותר של מחזורי מחזורי מחזור 2.

מסקנה: FPGAs כמו שכבת Agility

העתיד של ניווט אוטונומי תלוי בחומרה שיכול להסתגל לעולם בלתי צפוי. FPGAs לספק את יכולת ההתאמה, שילוב הביצועים של חומרה אישית עם גמישות של תוכנה.מ חיישן היתוך נמוך לעוצמה לשנות את ה- AI הניתוק, FPGAs ממלא תפקיד קריטי בשרשרת ה-PG-to-actuator. בעוד אתגרים בעלות ופיתוח נשארים מורכבות, מסלול ההזרקה לעבר יכולת מחשוב מדרגה גבוהה יותר, כמו גם יכולת הפעלה עצמית גבוהה יותר, אך לא יעילה יותר, כמו גם יכולת הפעלה.