Роль микропроцессоров в современных системах помощи водителю (ADAS)

Цифровая нервная система современных автомобилей

Передовые системы помощи водителю (ADAS) представляют собой один из самых значительных технологических сдвигов в истории автомобильной промышленности. Функции, которые когда-то были эксклюзивными для роскошных автомобилей, такие как автоматическое экстренное торможение, помощь в удержании полосы движения, адаптивный круиз-контроль и мониторинг слепых точек, быстро становятся стандартным оборудованием во всех сегментах транспортных средств. Эта трансформация - это не просто вопрос добавления лучших камер или радаров; это фундаментально революция в автомобильной электронике, движимая все более сложными микропроцессорами. Объем данных, генерируемых одним транспортным средством уровня 2 + в час, может превышать один терабайт. Обработка этих данных требует эффективного перемещения информации от датчиков к процессорам, задача, которая подтолкнула традиционные архитектуры сети транспортных средств к их пределам.

Эти микропроцессоры служат центральными центрами принятия решений, обрабатывая огромные объемы данных датчиков в режиме реального времени, чтобы понять среду автомобиля и выполнить критически важные маневры. Без этих мощных кремниевых мозгов датчики являются просто сборщиками данных, не способными интерпретировать или действовать. В этой статье исследуется незаменимая роль микропроцессоров в ADAS, исследуется их архитектура, функции и глубокое влияние, которое они оказывают на путь к полной автономии транспортного средства.

Переход от распределенной к централизованной архитектуре

Чтобы в полной мере оценить роль современных микропроцессоров, необходимо понять трансформацию электрической и электронной (E/E) архитектуры автомобиля. Традиционные транспортные средства полагались на десятки, иногда сотни, распределенных электронных блоков управления (ECU), каждый из которых отвечал за одну функцию, такую как окна питания или антиблокировочные тормоза. Этот подход становится непрактичным для продвинутых ADAS, который требует слияния данных от нескольких датчиков по всему транспортному средству. Стержневой канал связи превратился из простых CAN и LIN-шин в высокоскоростные сети, такие как CAN FD, FlexRay и Automotive Ethernet для поддержки этого потока данных.

В этой модели мощные контроллеры домена, построенные вокруг высокопроизводительной системы на чипах (SoC), собирают и обрабатывают данные от нескольких датчиков. Один контроллер домена может обрабатывать функции, ранее управляемые десятками отдельных ECU. Эта консолидация снижает вес проводки, упрощает обновления программного обеспечения и позволяет использовать сложные алгоритмы синтеза датчиков, необходимые для таких функций, как автоматизированная парковка камер или пилот шоссе. Микропроцессор больше не просто логический блок; это высокопроизводительная вычислительная платформа, работающая на сложных моделях ИИ. Этот архитектурный сдвиг является основой, на которой строится программно-определяемое транспортное средство.

Декодирование кремния: от микроконтроллеров до систем на чипе

Не все процессоры в автомобиле одинаковы. Специфические требования к обработке приложения ADAS диктуют тип необходимого кремния. Понимание различия между различными семействами процессоров имеет важное значение для понимания сложности современных автомобильных систем.

Микроконтроллеры (MCU) и функциональная безопасность (ISO 26262)

Для критически важных, определяющих время функций, таких как торможение, рулевое управление и развертывание подушек безопасности, используются специализированные MCU. Эти устройства предназначены для удовлетворения строгих требований ISO 26262 , международного стандарта функциональной безопасности в дорожных транспортных средствах. Эти «безопасные» MCU имеют блокирующие ядра (где два ядра выполняют одни и те же вычисления параллельно для улавливания ошибок), встроенную память самотестирования (BIST) и корректирующий ошибки код (ECC). Они гарантируют, что конкретные вычисления будут завершены в течение определенного периода времени, что не подлежит обсуждению для таких функций, как автоматическое экстренное торможение (AEB). Такие компании, как Infineon (AURIX), NXP (S32K / S32Z) и Renesas (RH850) являются лидерами в этом пространстве, обеспечивая детерминированную основу обработки, которая обеспечивает безопасность транспортного средства.

Системы на чипе (SoC) и гетерогенные вычисления

Для уровней восприятия и планирования ADAS, где необходимо обрабатывать огромные объемы данных с камер, лидаров и радаров, традиционным MCU не хватает необходимой вычислительной мощности. Именно здесь вступают в игру высокопроизводительные SoC. Эти чипы представляют собой гетерогенные вычислительные платформы, интегрирующие несколько типов ядер на одном кристалле: мощные кластеры CPU (серия ARM Cortex-A) для логики общего назначения, GPU для параллельной обработки, необходимые для нейронных сетей, процессоры цифровых сигналов (DSP) для обработки сигналов и специализированные аппаратные ускорители для вывода глубокого обучения. Аппаратная платформа так же хороша, как и ее программный стек, а ведущие SoC ADAS поддерживаются комплексными наборами разработки программного обеспечения (SDK), которые включают пакеты поддержки плат (BSP), драйверы и оптимизированные библиотеки. Промышленность стандартизирует на таких платформах, как Адаптивный AUTOSAR для этих высокопроизводительных ECU, позволяя модульное программное обеспечение проектировать и обновляться.

Основные функции в трубопроводе ADAS

Работа микропроцессора ADAS может быть разбита на непрерывный цикл: Чувство, Восприятие, План и Действие.Каждый этап предъявляет уникальные требования к аппаратному обеспечению обработки.

Сенсорное слияние и восприятие

Первый этап включает в себя получение необработанных данных от камер, радара, лидара и ультразвуковых датчиков. Роль микропроцессора заключается в синхронизации и слиянии этих данных в единую, когерентную модель мира. Это известно как слияние датчиков. Каждый тип датчика предъявляет различные требования к обработке. Процессоры сигналов изображения (ISP) имеют решающее значение для камер, обработки задач, таких как демозаика, отображение тонов и коррекция затвора качения, прежде чем данные подаются в нейронную сеть. Цифровые процессоры сигналов (DSP) Цифровые процессоры сигналов (DSP) оптимизированы для обработки данных облака точек от лидара и доплеровского сдвига данных от радара. Слой восприятия, сильно зависящий от нейронных процессоров (NPU), затем классифицирует их, оценивает их скорость и прогнозирует их будущую траекторию. Это одна из самых вычислительно интенсивных задач

Принятие решений и планирование пути

Как только среда понята, система должна решить, что делать. Планирующий слой использует обработанную информацию для создания безопасной и эффективной траектории. Это включает в себя планирование поведения (например, «Должен ли я изменить полосы?») и планирование движения (например, «Каков точный угол поворота и профиль ускорения для плавного выполнения этого изменения полосы?»). Этот этап часто работает на процессорных ядрах и ядрах DSP SoC, используя сложные алгоритмы, такие как Model Predictive Control (MPC) и частично наблюдаемые процессы принятия решений Маркова (POMDP). Эффективность этого этапа планирования имеет решающее значение для достижения комфортного и человекоподобного опыта вождения.

Контроль и приведение в действие транспортных средств

Заключительный этап заключается в переводе запланированных действий в физические команды. Высокоуровневый SoC передает желаемую траекторию критически важным MCU. Эти специализированные MCU затем выполняют команды, посылая точные сигналы исполнительным органам, управляющим дроссельной заслоной, тормозами и рулевым управлением. Эта передача между высокопроизводительным SoC и сертифицированным по безопасности MCU является критическим интерфейсом, гарантирующим, что, в то время как AI обрабатывает сложное восприятие, критически важное выполнение соответствует самым высоким стандартам функциональной безопасности (ASIL-D). Эффективное планирование этих разнообразных задач в разнородных вычислительных единицах (CPU, GPU, NPU, DSP) является сложной задачей распределения ресурсов и управления памятью, часто управляемой гипервизором в реальном времени.

Основные технические требования к автомобильным процессорам

Разработка процессора для ADAS значительно сложнее, чем разработка его для потребительского электронного устройства.Требования вращаются вокруг четырех основных столпов: производительность, энергоэффективность, безопасность и безопасность.

Вычислительная производительность (TOPS, DMIPS, FLOPS)

Для вывода ИИ система уровня 2 (ручная работа) может потребовать около 10-30 ТОП (триллионы операций в секунду). Система уровня 4 (глаза выключения) для роботаксиса, по прогнозам, потребует более 1000 ТОП. Этот спрос стимулирует использование самых передовых процессов производства полупроводников (7 нм, 5 нм и более). Однако сырая производительность не является единственной метрической; метрика эффективности - ] ТОП на ватт - часто более важна. Избыточное потребление энергии приводит к тепловому накоплению, требуя дорогостоящих и громоздких решений охлаждения. Автомобильные среды требуют устойчивой производительности при строгих тепловых ограничениях, часто при 100 Вт для контроллера домена.

Архитектура для увольнения и операции Fallback

Для более высоких уровней автономности (L3 и выше) архитектура обработки должна быть отказоустойчивой, то есть если один процессор выходит из строя, другой должен беспрепятственно брать на себя управление. Это требует избыточных SoC или конфигураций блокировки по всей системе. Уровни целостности безопасности автомобилей (ASIL) определяются ISO 26262, и функции ADAS обычно требуют ASIL B, ASIL D или разделения (ASIL B для восприятия, ASIL D для приведения в действие). Микропроцессоры должны включать механизмы безопасности аппаратного уровня, такие как двухъядерный блокирующий шаг (DCLS) и отказоустойчивые таймеры, для обнаружения и управления случайными сбоями оборудования. Достижение сертификации ASIL-D для сложной SoC является значительным инженерным усилием.

Кибербезопасность и аппаратные модули безопасности

По мере того, как транспортные средства становятся более связанными и программно-определяемыми, они становятся целями для кибератак. Процессоры ADAS должны включать безопасные аппаратные анклавы, аппаратные модули безопасности (HSM) и поддержку безопасной загрузки, доверенных сред исполнения (TEE) и обновлений по воздуху (OTA). Стандарт ISO 21434 для кибербезопасности становится столь же важным, как ISO 26262 для функциональной безопасности. Защита целостности движка вывода ИИ и критически важных для безопасности циклов управления от вредоносных помех является растущим приоритетом для системных архитекторов.

Индустриальный ландшафт и ведущие полупроводниковые платформы

Гонка за предоставление «мозга» для автономных транспортных средств создала динамичный и конкурентный ландшафт.На высокопроизводительном рынке ADAS SoC доминируют несколько ключевых игроков, каждый из которых имеет свою архитектурную философию.

  • NVIDIA: Доминирует в высокопроизводительном пространстве со своей платформой DRIVE. DRIVE Orin SoC (254 TOPS) и предстоящий DRIVE Thor (2000 TOPS) предназначены для централизованных, ИИ-первых автомобильных архитектур. Их сила заключается в их вычислительной мощности на основе графического процессора и зрелой экосистеме программного обеспечения, DriveOS. [NVIDIA DRIVE Platform]
  • Qualcomm: Платформа Snapdragon Ride Flex предназначена для обработки как цифровых рабочих нагрузок в кабине пилота, так и ADAS на одном SoC. Их опыт в области подключения и эффективности использования мобильной энергии дает им сильное преимущество в гонке за эффективные TOPS на ватт.(Snapdragon Ride Flex)
  • Mobileye (Intel): Ветеран в пространстве ADAS, Mobileye предлагает серию SoC EyeQ, которые специально разработаны для ADAS на основе зрения. Их EyeQ Ultra объединяет несколько ядер процессора, GPU и ускорителей AI, оптимизированных для их собственных алгоритмов и подхода, основанного на камере. [[Mobileye EyeQ Technology]]
  • Texas Instruments, NXP и Renesas: Эти компании предоставляют надежные, сертифицированные по безопасности процессоры и MCU, которые обрабатывают основные уровни управления и приведения в действие, образуя основу надежности системы. Их устройства являются рабочими лошадками отрасли, гарантируя, что команды от высокопроизводительных SoC выполняются безопасно.

Проблемы проектирования и интеграции процессоров ADAS

Несмотря на быстрый прогресс, сохраняются значительные проблемы в выводе этих сложных чипов на рынок и интеграции их в транспортные средства. Глобальный дефицит полупроводников обнажил хрупкость автомобильной цепочки поставок. Высокопроизводительные ADAS SoC полагаются на передовые литейные узлы (5 нм, 3 нм), которые ограничены по мощности и чрезвычайно дороги. Единый набор масок для 5 нм чипа может стоить несколько миллионов долларов.

Наиболее важной технической проблемой является управление тепловыми потоками. Высокопроизводительные SoC могут генерировать огромное количество тепла, а транспортные средства не имеют сложных систем охлаждения, обнаруженных в центрах обработки данных. Разработка чипов, которые могут обеспечивать высокие ТОПС, оставаясь в рамках строгого энергетического и теплового бюджета, является основным инженерным ограничением. Кроме того, сложность программного обеспечения - интеграция операционных систем реального времени (QNX, AUTOSAR Classic), богатые операционные системы (Linux, AUTOSAR Adaptive) и AI фреймворки (TensorFlow, PyTorch) - требует беспрецедентных уровней сотрудничества между поставщиками кремния и автопроизводителями. Валидация и проверка миллионов строк кода через сотни функций - это значительная задача, требующая новых методов моделирования и тестирования.

Будущее: централизованные вычисления и программно-определяемый автомобиль

Траектория ясна: распределенные ECU вчера уступили место небольшому количеству суперкомпьютеров на колесах. Концепция «программно-определяемого транспортного средства» (SDV) неразрывно связана с эволюцией микропроцессора. В SDV аппаратное обеспечение является стабильной платформой, а новые функции, включая функции ADAS, доставляются через обновления программного обеспечения по воздуху (OTA). Это требует, чтобы микропроцессор имел значительный запас хода и гибкость.

Будущие автомобильные архитектуры, вероятно, будут иметь несколько контроллеров домена или зоны - единую центральную вычислительную платформу для ADAS, информационно-развлекательной и управления кузовом. Эта конвергенция уже ведется, с чипами, предназначенными для одновременной обработки нескольких рабочих нагрузок. Эта тенденция будет обеспечена достижениями в чиплетных архитектурах, передовой упаковке (2.5D/3D) и более быстрых автомобильных сетях (PCIe Gen 5/6). Будущие платформы, вероятно, будут интегрировать ускорители нейронных сетей, специально предназначенные для генеративного ИИ и сложных трансформаторных моделей, что позволит более естественное взаимодействие человека и машины и расширенное принятие решений. По мере приближения к полностью автономным транспортным средствам, микропроцессор действительно станет единственным наиболее важным компонентом безопасности в автомобиле, роль, которая требует непрерывных инноваций в производительности, безопасности и надежности.

Заключение

Микропроцессоры - невоспетые герои революции ADAS. Они превратились из простых логических блоков в невероятно сложные, гетерогенные вычислительные двигатели, способные выполнять триллионы операций в секунду. От сертифицированного по безопасности MCU, который гарантирует, что ваши тормоза будут работать, до суперкомпьютера AI, который интерпретирует дорогу вперед, эти чипы - основа, на которой строится будущее безопасного, автономного транспорта. Понимание их роли, от слияния датчиков до планирования и приведения в действие пути, является ключом к оценке технологической глубины продолжающегося преобразования автомобильной промышленности в более безопасные и более интеллектуальные транспортные средства.