高級別自動駕駛汽車計算平臺綜述

王敏　付建寬　宗巖　靳志剛　王耀福

摘 要：計算平臺在高級別自動駕駛汽車中充當大腦的角色，會調(diào)用大量的計算資源來完成信息的融合處理、駕駛的行為決策等實時任務(wù)，本文匯總了當前自動駕駛行業(yè)國內(nèi)外各大廠商所使用的車載計算平臺，并對其硬件處理器芯片性能算力等進行分析和評估，同時盡可能地介紹其必要的操作系統(tǒng)及軟件配套支持，希望對于該領(lǐng)域的研究人員能夠有一定的參考價值和指導(dǎo)意義。

關(guān)鍵詞：計算平臺 自動駕駛 處理器 操作系統(tǒng)

Overview of computing platforms for high-level self-driving vehicles

Wang Min Fu Jiankuan Zong Yan Jin Zhigang Wang Yaofu

Abstract：The computing platform plays the role of the brain in high-level self-driving vehicles， and will call a large number of computing resources to complete real-time tasks such as information fusion processing and driving behavior decision-making. This article summarizes the current automatic driving industry used by major domestic and foreign manufacturers On-board computing platform， and analyze and evaluate its hardware processor chip performance computing power， and at the same time introduce its necessary operating system and software supporting support as much as possible， hoping to have certain reference value and guiding significance for researchers in this field .

Key words：computing platforms; Self-driving; processor; operating system

1 引言

自動駕駛汽車是在傳統(tǒng)線控汽車基礎(chǔ)上通過加裝激光測距儀、毫米波雷達、視覺攝像頭、V2X設(shè)備、Mobileye等環(huán)境感知傳感器[1]，同時使用帶RTK的衛(wèi)星導(dǎo)航和慣導(dǎo)定位，再搭配高性能的計算平臺，最后將決策的運動控制指令下發(fā)到車輛的CAN總線上，實現(xiàn)在復(fù)雜路況場景下對車輛的自動駕駛控制，盡可能減少人工干預(yù)。自動駕駛汽車組成框圖如圖1所示。

計算平臺是自動駕駛汽車的運算大腦，比如像SLAM的ESKF、EKF、UKF等濾波算法[2]，多傳感器融合算法，狀態(tài)機、馬爾可夫等決策算法，A*、D*、RRT等路徑規(guī)劃算法[3]，MDP、POMDP等軌跡預(yù)測算法，降維、分類、回歸等機器學(xué)習算法以及圖像視覺處理中圖像分類、圖像檢測、圖像分割、目標跟蹤等都需要很高的處理器計算能力，普通ECU級別的處理器根本難于應(yīng)對如此大的運算量，必須靠加裝的計算平臺來實現(xiàn)海量的數(shù)據(jù)處理。

2 自動駕駛計算平臺現(xiàn)狀

計算平臺的處理器方案各式各樣，CPU（X86、ARM、DSP等）、GPU、FPGA（現(xiàn)場可編程門陣列）和ASIC（專用集成電路）等架構(gòu)都有對應(yīng)的實現(xiàn)[4]，匯總?cè)绫?所示，下面對各家的計算平臺分別進行介紹。

2.1 華為MDC810

華為在2021年4月的新品發(fā)布會上推出了MDC810 智能駕駛計算平臺，算力超過400Tops，并且在量產(chǎn)的北汽ARCFOX極狐阿爾法S上搭載，華為的方案已經(jīng)通過了ISO 26262 ASLD認證，可滿足RoboTaxi等自動駕駛乘用車的應(yīng)用場景，從側(cè)面體現(xiàn)了華為強大的工程化落地能力。

2.2 英偉達DRIVE AGX Pegasus

根據(jù)英偉達官方提供的資料，NVIDIA DRIVE AGX PegasusTM使用兩塊 Xavier 系統(tǒng)級芯片和兩臺 NVIDIA TuringTM GPU 的強大功能，實現(xiàn)了320 Tops的超級計算能力。該平臺專為L4級和L5級自動駕駛系統(tǒng)而設(shè)計和打造。英偉達目前有很好的生態(tài)環(huán)境，眾多的合作伙伴，很多深度學(xué)習的算法都是基于CUDA實現(xiàn)的，其GPU的設(shè)計能力一騎絕塵，因此十分被看好。

2.3 宸曜科技GC系列GPU運算工控機

宸曜科技是X86架構(gòu)的工業(yè)級寬溫型車載嵌入式工控機設(shè)備提供商，為自動駕駛和CUDA計算等提供理想的硬件解決方案，百度Apollo的自動駕駛解決方案便是采用的此種計算平臺，但是宸曜科技只是設(shè)備集成商，本身只開發(fā)了一些獨特的散熱設(shè)計、可靠的電源輸入以及一些抗震設(shè)計等，核心器件全部外部采購，例如需要采購Intel的處理器和Nvidia的高性能顯卡等等，因此尚不具備自主知識產(chǎn)權(quán)和核心技術(shù)。

2.4 恩智浦的BlueBox3

BlueBox 3.0是NXP最近推出的旗艦安全汽車高效能運算平臺，主要包含Layerscape系列中性能最高的LX2160A多核處理器、恩智浦最新的網(wǎng)關(guān)處理器S32G274和Kalray的MPPA（大規(guī)模并行處理器陣列）處理器。能夠縮短設(shè)計人員的產(chǎn)品開發(fā)周期，目前正在做商業(yè)推廣，由于目標是面向L2+的自動駕駛，競爭力相對較弱。

2.5 谷歌TPU

谷歌的TPU（Tensor Processing Unit，張量處理單元）起初是計算神經(jīng)網(wǎng)路的專用芯片，目前正在研發(fā)第四代，將采用 7納米制程，每秒矩陣乘法相當于2萬多億次浮點運算，相比同期的CPU和GPU，能夠提供更高的性能[5]。Waymo作為谷歌的姊妹公司，使用TPU進行訓(xùn)練，但是公開信息上顯示，Waymo實車上采用的卻是英特爾的Xeon處理器。

2.6 Mobileye的EyeQ5

Mobileye已經(jīng)被英特爾收購了，放棄了MIPS架構(gòu)，全部轉(zhuǎn)為Intel的Atom架構(gòu)，Mobileye 的EyeQ芯片發(fā)貨超過數(shù)千萬枚，先后與幾十家OEM（整車廠）合作。目前EyeQ5提供的算力水平是最高24 TOPS，裝配了8枚多線程CPU內(nèi)核，同時還搭載了18枚Mobileye的最新的視覺處理器。比較遺憾的是Mobileye 的芯片更新速度較慢，面對激烈的市場競爭，已經(jīng)開始逐步落后了。

2.7 高通的Snapdragon Ride

高通提供一整套的軟硬件解決方案，包括安全系統(tǒng)級芯片、安全加速器和自動駕駛軟件棧。該自動駕駛計算平臺可在130W的功耗下實現(xiàn)700 TOPS的算力。據(jù)外媒消息顯示Cruise和Argo目前都在使用高通的自動駕駛芯片做車輛測試。

高通雖然在手機芯片上極具競爭力，但是在自動駕駛計算權(quán)重很高的GPU上能力積累明顯不足，因為在新賽道上的表現(xiàn)還有待觀察。

2.8 賽靈思的FPGA

FPGA是用戶可自定義內(nèi)部電路連接的一種高性能低功耗的可編程芯片，并行計算方面也有一定的優(yōu)勢。賽靈思之前收購了國內(nèi)的AI研發(fā)企業(yè)深鑒科技，拿到了深度學(xué)習處理器 DPU 設(shè)計以及神經(jīng)網(wǎng)路壓縮編譯技術(shù)，將繼續(xù)加碼機器學(xué)習和計算機視覺。2020年國內(nèi)的宏景智駕選用了賽靈思高度靈活的車規(guī)級XA Zynq? UltraScale+TM MPSoC平臺和VitisTM軟件開發(fā)平臺，用來開發(fā)并成功打造了其最新“雙子星 （Gemini）”車規(guī)級自動駕駛平臺。

2.9 地平線的「征程5」處理器

地平線公司2019年發(fā)布了國內(nèi)第一款車規(guī)級AI芯片，之后征程2、征程3在長安、理想、長城、上汽等多家自主品牌車企的20+款車型上實現(xiàn)了前裝量產(chǎn)。最新發(fā)布的征程5系列單顆芯片AI算力最高可達128Tops，主要面向L4高級別自動駕駛。地平線在2021年4月與造車新勢力理想汽車達成深度合作，將為理想汽車提供高性能的智能計算平臺。

除此之外，特斯拉、德州儀器、黑芝麻等一批企業(yè)也在從事芯片平臺的設(shè)計，并有對應(yīng)的計算平臺發(fā)布，限于篇幅，不再一一進行介紹。

3 自動駕駛計算平臺面臨挑戰(zhàn)

根據(jù)研究機構(gòu)預(yù)測，L5級別自動駕駛系統(tǒng)高復(fù)雜度需要計算平臺有大于1000Tops的算力支持，而目前的工藝還沒有辦法在邊緣計算處理器上實現(xiàn)，只能靠多處理器協(xié)同，進而在空間和功耗上無法妥協(xié)。

目前對于更加先進的人工智能模型和處理大量數(shù)據(jù)的先進算法的迫切需求成為制約計算平臺發(fā)揮更大效用的最大瓶頸，在數(shù)學(xué)理論支撐上需要有更多的突破，進而將算法復(fù)雜度降下來，節(jié)省更多的計算平臺算力。

即使本地計算平臺算力足夠強，依舊需要云端提供高精地圖，路側(cè)設(shè)備（RSU）提供周圍交通狀況，V2X通訊的數(shù)據(jù)上傳延遲和連接信號強度的不穩(wěn)定影響了自動駕駛的安全性和高效性，如何在計算平臺上集成5G網(wǎng)聯(lián)模塊直接和CPU進行數(shù)據(jù)交互會成為今后異構(gòu)計算平臺的研究方向。

在一些教學(xué)領(lǐng)域和一些簡單的應(yīng)用場景下，我們嘗試用一些低成本的處理器單元來完成一些常規(guī)的自動駕駛功能實現(xiàn)，并在一些內(nèi)部園區(qū)實現(xiàn)了常態(tài)化運營[6]。

4 結(jié)束語

本文對當前自動駕駛領(lǐng)域各家主流企業(yè)最新的計算平臺進行了詳細介紹，并在核心處理器和關(guān)鍵技術(shù)指標上進行了橫向?qū)Ρ?，只有在計算平臺之上才能運行各類算法和傳感器融合程序，進而應(yīng)對各種復(fù)雜極端和無法預(yù)測的路況，所以底層技術(shù)才是制約自動駕駛發(fā)展的關(guān)鍵。最后期待自主品牌的計算平臺能夠不斷進步，為我們國家后邊贏得更多的市場占有率。

參考文獻：

[1]孟祥雨，張成陽，蘇沖.自動駕駛汽車系統(tǒng)關(guān)鍵技術(shù)綜述[J].時代汽車，2019（17）：4-5.

[2]代凱，申棋仁，吳官樸，趙陽，馬芳武.基于激光雷達的SLAM和融合定位方法綜述[J].汽車文摘，2021（02）：1-8.

[3]黃魯，周非同.基于路徑優(yōu)化D～*Lite算法的移動機器人路徑規(guī)劃[J].控制與決策，2020，35（04）：877-884.

[4]施羽暇.人工智能芯片技術(shù)體系研究綜述[J].電信科學(xué)，2019，35（04）：114-119.

[5]尹首一，郭珩，魏少軍.人工智能芯片發(fā)展的現(xiàn)狀及趨勢[J].科技導(dǎo)報，2018，36（17）：45-51.

[6]付建寬，靳志剛，余楚禮.主控芯片采用i.MX6的低成本自動駕駛系統(tǒng)方案實現(xiàn)[J].科技經(jīng)濟導(dǎo)刊，2021，29（09）：60-61.