安全是自動(dòng)駕駛汽車(chē)的主要關(guān)注點(diǎn)。在不斷運(yùn)動(dòng)中，他們對(duì)車(chē)輛環(huán)境的感知是工程師面臨的最具挑戰(zhàn)性的任務(wù)之一。

要了解所涉及的整個(gè)過(guò)程，讓我們回顧一下決策通道（圖 1）。這一切都始于各種傳感器，這些傳感器提供有關(guān)車(chē)輛周?chē)h(huán)境以及車(chē)輛本身的信息。然后評(píng)估這些信息——障礙物檢測(cè)、車(chē)道檢測(cè)、位置、周?chē)矬w動(dòng)態(tài)分析（例如前方汽車(chē)的速度），以及交通標(biāo)志和路徑優(yōu)化。此信息有助于決定如何驅(qū)動(dòng)車(chē)輛，并精確控制其位置和動(dòng)態(tài)。

【圖1 | 汽車(chē)中決策結(jié)構(gòu)的功能劃分。］

這個(gè)簡(jiǎn)化的過(guò)程意味著自動(dòng)駕駛汽車(chē)面臨的幾個(gè)主要挑戰(zhàn)。首先，該結(jié)構(gòu)假設(shè)傳感器信息在不同的關(guān)鍵功能之間共享，以生成統(tǒng)一且獨(dú)特的車(chē)輛狀態(tài)模型。換句話說(shuō)，這假定了集中式計(jì)算架構(gòu)，這是一種與今天的汽車(chē)完全不同的方法，其中功能聚集到隔離的計(jì)算單元中。其次，這種劃分需要大量的計(jì)算能力。問(wèn)題就在這里：這種集中的計(jì)算能力在為典型駕駛員提供自動(dòng)駕駛功能的汽車(chē)中仍然不可用。

【圖2 | ADAS 計(jì)算架構(gòu)示例。］

如今，有幾種潛在的計(jì)算架構(gòu)，例如 NVIDIA PX Drive 2 和 NXP BlueBox（圖 2）。這些平臺(tái)包含一個(gè)稱(chēng)為“數(shù)字處理器”的并行計(jì)算部分，專(zhuān)門(mén)用于處理從傳感器接收到的大量數(shù)據(jù)（橙色，圖 2）。此外，硬件加速器提高了某些特定功能的性能。

最后但并非最不重要的，也許是最關(guān)鍵的部分之一，“安全”處理器確保應(yīng)用于汽車(chē)執(zhí)行器的決定是在響應(yīng)最高汽車(chē)認(rèn)證級(jí)別（例如 ISO26262 ASIL-D）的單元中做出的。將圖 1 的分區(qū)映射到這些架構(gòu)中會(huì)導(dǎo)致類(lèi)似于圖 3 中所示的方案。使用傳感器輸入完成的密集數(shù)據(jù)處理由提供數(shù)個(gè) TFlops 計(jì)算能力的數(shù)字處理器功能確保。該決定由具有某些 GFlops 計(jì)算能力的安全處理器應(yīng)用。

【圖3】

因此，命令由功能較弱的處理器發(fā)出，但具有強(qiáng)大的功能安全保證。問(wèn)題是決策鏈的一部分具有較低級(jí)別的功能安全性。那么，如何評(píng)估整個(gè)系統(tǒng)呢？第一個(gè)解決方案可以是冗余（圖 4）。然而，復(fù)雜性［2］ 和成本影響很重要。

［圖4］

另一種方法是提出故障解決方案，以保證數(shù)字運(yùn)算部分的功能安全（圖 5）。今天，一些技術(shù)和理論問(wèn)題阻止了該解決方案在不久的將來(lái)可用。

【圖5】

應(yīng)考慮在算法級(jí)別工作，以減少相同功能的計(jì)算能力。如果我們可以將每個(gè)函數(shù)的復(fù)雜性降低 10、100 或 1，000 倍會(huì)怎樣？這應(yīng)該有助于將關(guān)鍵功能安裝到已認(rèn)證的處理器中，并讓數(shù)字處理器確?；パa(bǔ)功能。SIGMA FUSION 提出了一種有助于朝這個(gè)方向發(fā)展的算法。它解決了確保環(huán)境感知所需的距離傳感器融合問(wèn)題。它適合單個(gè)處理器，提供幾 GFlops 的計(jì)算能力，相當(dāng)于當(dāng)今的汽車(chē)認(rèn)證處理器。

審核編輯：郭婷