Giriş: Özerk Bir Navigasyonun Arkasındaki Donanım Mücadelesi

Tamamen otonom araçları dağıtma yarışı kritik bir şişeye maruz kaldı: Donanım, sıkı güvenlik ve güç kısıtlamaları karşılamak için gerçek zamanlı bir sensör verisinin muazzam bir hacmini işlemeli ve etkili bir şekilde paralellik ile mücadele eder. Geleneksel CPU merkezli mimariler, önbellekli paralellik ve paralellik gibi görevler için gerekli olan mücadeleler, radar sinyal analizi ve kamera tabanlı nesne algılama. Alan programlanabilir kapı dizileri, bir sonraki yörüngede, yörüngede benzersiz bir kombinasyonlar sunacak.

FPGA Temelleri: Genric Processor

Anada, bir FPGA, donanım açıklaması dilleri veya C/C++ koduna donanım mantığına dönüştüren geleneksel bir işlemciden farklı olarak, bir FPGA, herhangi bir dijital devreyi doğrudan donanıma uygulamak için tellenebilir.Bu yetenek, C/C++ kodun donanım mantığına dönüştürülmesi gereken donanım açıklaması ile daha fazla avantaj sağlar.

Yeniden yapılandırılabilirlik Avantajı

Dağıtım sonrası donanım yapılandırmasını değiştirme yeteneği, yeni kapak modelleri veya geliştirilmiş radar algoritmaları, yazılım tanımlı araç paradigmaları ile birlikte, aracın yaşam döngüsü boyunca sürekli iyileştirmenin nerede olduğunu anlayabiliyor. Örneğin, bir kasa işleme hatası nedeniyle, yeni bir kapaklı sistem için destek ekleyin ve tüm filoya fiziksel bileşenleri değiştirmeden bir hata ayarlayabilir.

Neden FPGAs Sensör-to-Perception Boru Hattını Hakim Ediyor

Özerk navigasyon çok aşamalı bir süreçtir: ham sensör satın alma, veri işleme öncesi, sensör füzyon, algı (object algılama, semantik segmentasyon), tahmin, planlama ve kontrol. FPGAs, verilerin yapılandırılmış bir dünya modeline dönüştürüldüğü en hassas aşamalarda maksimum etki sunar.

Deterministic Low-Latency Processing

Güvenlik sistemlerinde, en kötü durumda gecikme süresi ortalama bir kesintiye neden oluyor. Gerçek zamanlı işletim sistemi, sabit bir sayıda saat döngüsünde tamamlanan bir sistemle, yüksek çözünürlükte bulut tabanlı gecikmeler nedeniyle, değişken geç saatlere ekleyen bir donanım hattında, 50 saniye içinde tamamlanamayan bir boru hattında veri akışı sağlar.Bu, sabit bir süre boyunca ISO 26262'de yapılan bir şekilde işlevsel güvenlik sertifikası için otomatik olarak optimize edilebilir.

Massive Paralelism Overhead

Bir FPGA, grafik tabanlı yol planlaması, dinamik nesne izleme, veya radar devreleri gibi binlerce bağımsız birim anlık olarak kullanılabilir.Her biri, çekirdekleri başlatmalı ve iplikleri yönetmeli, FPGA mantık sürekli olarak planlamadan çalışır, birçok sensör işleme görevi için yüksek verimlilik elde eder.Bir orta sınıf FPGA gibi tek bir işlem dört 1080 kamera izleme işlemi yapabilir.

Sensör Fusion ve Front-Bitiş

Tipik Seviyede 4+ sensör paketi 8-12 kamerayı içeriyor, 3-5 kapaklı, 6-10 radarlar, ultrasonik sensörler ve bu akışlar yüksek bantlı arabirimler ve gerçek zamanlı senkronizasyon gerektirir. FPGAs, birden fazla sensör protokolü ile doğrudan arayüze sahip olabilir -CDGA'nın çalışma saatleri için yüksek hıza sahip olduğu gibi yüksek hıza sahiptir.

Gerçek-Dünya İşbirlikleri

Birkaç otonom araç geliştiricileri FPGA tabanlı sensör füzyonu kabul etti. Waymo'nun ilk kendini sürüş platformu Xilinx FPGAs'ı kapaklı veri işleme ve sensör senkronizasyonu işlemek için kullandı.[Dönetici ASICs for production, the modülerity of FPGAs allowed fast algorithm iteration during the research stage. More recently, China independent drive WeRide uses Xilinx Vization AI on Zynq devices for low-latency front-end processing in its Level 4 robotaxies in the Level Abu Dhabi.

FPGA vs. GPU vs. ASIC: Stratejik Karşılaştırma

Özerk araç endüstrisi en uygun hesaplama mimarisini tartışır. Her seçeneğin güçlü ve dezavantajları vardır:

  • [[Düzücüklik: [Dönetici: [Dönetici:0) FPGA'lar tamamen yeniden yapılandırılabilir, dağıtımdan sonra donanım güncelleştirmelerine izin verilir. GPUs programlanabilir ancak yazılım seviyesindeki değişikliklerle sınırlı. ASICs üretimde sabitlenir.
  • [FONT:0]Kaçta Cost: [Dönetici: [Döneticiler için düşük fiyatlar için (örneğin, robotaxi filoları), FPGA'lar maliyetle etkisizdir, çünkü yüksek hacimlerde (milyonlar) yoktur.
  • [FONTT:0)Power verimliliği:[Dönetici:[Dönetici:0)) İyi optimize edilmiş bir FPGA, belirli iş yükleri için operasyon başına 30-50 watt kullanabilirken, sık sık sık sık dış hafızaya erişmek için bir GPU aşarak, örneğin, radar işleme boru hattını tüketebilir.
  • [FONT=0)Gelişme karmaşıklığı:[Dönetici:[Dönetici:0)))Yüksek seviyeli sentez, ancak yüksek seviyeli sentez boşluğu daraltır.

Seviye 4 ve Seviye 5 sistemleri için, heterojen bir yaklaşım ortaya çıkıyor: FPGAs, bir ASIC'nin stabil olduğu ve düşük çözünürlük kontrol döngülerini ortaya çıkarmak, GPU'lar büyük sinir ağları hızlandırıyor ve CPU'lar planlama yığını ve güvenlik monitörleri için FPGA'leri çalıştırıyor, tamamen şarj katmanını kullanıyor, aracın 15 yıllık yaşam döngüsü boyunca yeni bir sensör donanımına adapte edilebilir.

FPGA'da Derin Öğrenme: Sayılama ve Özelleştirme

Neural ağ inference algılamaya merkezidir. GPUs eğitime hükmedirken, FPGAs kenardaki inference için avantaj sunar.Insure models to INT8 or INT4 hassasiyet ve grafik haritalamak DSP dilimleri ve RAM'a, FPGA'ler düşük gecikmeli özel katmanlar ile yüksek düzeyde elde eder.Invert Vitis AI) Bu tür bir deneyde kullanılan ve AITorch'ye dönüşüm gerektirir.

Transformer FPGA'da Hızlandırma

Görme ve multi-modal füzyon için dönüştürücü mimarilerin yükselişi ile, FPGA'lar, 15 watt'dan daha az tüketmek için kullanılıyor. Özel donanım uygulamaları, güç verimliliğindeki gecikme işlemlerini azaltabiliyorken, hafızaya genişleyen, FPGA'nın 2024'te yapılan robot algılamaları, nakliye değerlendirme panjurlarını kanıtlamıştır.

Fonksiyonel Güvenlik: Silikonun Güveni

Özerk sürüş sistemleri ISO 26262 standartlarını karşılamalıdır, bu da titiz hata tespiti ve mitigation gerektirir. FPGA'lar donanım seviyesinde güvenlik mekanizmaları sunar: Kilitlenme mantığı, yerleşik kendini test eden, ECC korumalı anılar ve ASIL D aracılığıyla ASIL D'ye ulaşma yeteneği.

Over-the-Air Hardware Updates: A Paradigm Shift

Havadaki donanım mantığını güncelleme yeteneği, FPGA tabanlı sistemlerin en çekici özelliklerinden biridir. Algoritmalar donmuş olan bir ASICICICICICICICIC'nin aksine, FPGA, farklı bir sinir ağ mimarisini desteklemek için mantığını yeniden yapılandırabilir veya bir işleme bloğu geliştirir.Bu yetenek sürekli iyileştirmeyi destekler ve otomatik üreticilerin hatırladığı donanım dosyalarını düzeltmelerini sağlayabilir.Güvenlik sağlamak için, biraz daha gerçekleştirilebilir ve şifreli olmalıdır; modern FPGA'ler, güven ve fiziksel olmayan fonksiyonları birleştirmelidir.

V2X ve 5G İletişim

Araç-to-her iletişim altyapıdan, diğer araçlardan ve bulut hizmetlerinden ek veri akışlarını tanıtmaktadır. navigasyon sistemi V2X mesajları ile kriptografi işlemine izin vermek ve bu verileri depo sensörleri ile birleştirin. FPGAs, V2X standartlarının yeniden yapılandırılması için protokol yığınlarını 5G'ye kadar uygulamanız gerekir.

Temper Kabul Ediyor

Avantajlarına rağmen, FPGAs, otomotiv platformlarında yaygın olarak kabul edilmek için engellerle karşı karşıya:

  • [FONT=0)Gelişme maliyeti ve yetenek boşluğu: Skilled FPGA mühendisleri yetersizdir. karmaşık FPGA tasarımları için geliştirme döngüsü, yazılım ve yüksek seviyeli sentez araçları için aylar daha uzun olabilir, ancak iyi sonuçlar için donanım uzmanlığı gerektirir.
  • [FONT:0] ⁇ yönetimi:[Dönetici:[Dönder: 1 ) Yüksek uç FPGA'lar 50-100 watt'ı ayırabilir, ısı bataklarını ve fanlarını otomotiv ortamlarında maliyet ve azaltın. Gelişmiş paketleme teknikleri, interposers ve sıvı soğutma gibi, araştırılır ama karmaşık bir şekilde karmaşıktır.
  • [FONT:0)Toolchain olgunluğu: [Dönetici: [Döneticileri ile birlikte FPGA gelişimi (AUTOSAR, ROS 2, güvenlik sertifikalı RTOS) zorlukla devam ediyor. Ortaware katmanları genellikle köprü donanım hızlandırıcıları ve uygulama yazılımı gibi girişimlere ihtiyaç duyuyor.
  • [FONT=0) Güvenlik endişeleri:[Döneticiler ağ-updatable hale gelirken, yan kanal saldırıları ve biraz uç manipülasyon için hedefler haline gelirler. Robust kriptografik önlemler önemlidir.

Geleceğin: Heterojen Bilgisayar ve Chiplet Mimarileri

Bir Seviye 5 aracın hesaplama paketi monolithic olmayacak. Gelişen bir mimari, FPGA'nın ortak bir işlem öncesi, yüksek performanslı bir CPU veya mikro işleme ünitesini ağır inme için beslemektedir. CPU orkestraları, taşıma güvenliği monitörleri ve planlama algoritmasını gerçekleştiriyor. Chiplet tasarımları, FPGA'nın ortak bir iç içe dönük bir platformda toplandığı yerde, AI teklifini sunma ve daha düşük maliyetle entegre etti.

Dinamik Katılımcı Yeniden Yapılandırma

Bir araştırma odağı dinamik kısmi yeniden yapılandırılır, bu da FPGA'nın bir parçasının yeniden programlanmasına izin verir, örneğin, bir gece nesne algılama ağının oluşturulmasına bağlı olarak, tüm sistemdeki yeteneklerin yeniden tanımlanmasına olanak sağlar. Otomotiv ECU'lar bunu flaş bellekte depolanan bir günlük algılama ağı ile desteklemek için başlangıçtır.

Ekonomik Perspektifler: Sahipliğin Toplam Maliyeti

Otomatik üreticiler için, FPGA'ları benimseme kararı toplam sistem maliyeti içeriyor. Tek bir FPGA, sensör arayüzleri için birden fazla ayrı bileşen yerine getirebilir, özel görüntü sinyal işlemcileri ve güvenlik ko-işlemcileri - aracın ömrünü azaltır, bu geçiş süresi boyunca FPGA'nin önemli donanıma sahip olması gerekir.

Sonuç: FPGAs as the Agtitude Katman

Özerk navigasyonun geleceği, öngörülemeyen bir dünyaya adapte olabilecek donanıma bağlıdır. FPGAs, maliyet ve gelişim karmaşıklığındaki zorlukların üstesinden gelmek, FPGA'lardan gelen düşük ücretli bir AI inferenceresyonun temel taşı olmasını sağlar. Endüstri tam olarak bağımsızlıkla daha yakınlaştırır, uçarak donanıma geri dönebilme yeteneği daha da artarken, sadece yüksek çözünürlükte olan bir güç haline gelir ve daha yüksek çözünürlükte bir şekilde kabul edilir.