Automobil

AI verändert Autodesign-Herausforderungen

WER STEUERT DAS FAHRZEUG DER ZUKUNFT? MOBLITY-TRENDS VON MORGEN. | JOST BERNASCH | TEDxGraz (Februar 2019).

Anonim

Automobilkonstrukteure müssen neue Ansätze einbeziehen, da der Wandel schnell voranschreitet

Von Patrick Mannion, Redakteur

Künstliche Intelligenz (AI), Elektrifizierung und Unterhaltung in der Kabine sind nur einige der revolutionären Veränderungen, die für Autos im Gange sind, und die ein vollständiges Umdenken darüber erforderlich machen, wie ein Automobil entworfen und verwendet werden sollte. Sie sind auch Anlass für Designer, ihre eigene Rolle in der Automobil-Design-Kette zu überdenken.

Aus Sicht der Halbleiter- und Komponenten-Umweltperformance gelten die gleichen Regeln, nämlich AEC-Q100, die es seit 1994 gibt. Diese definiert die Temperatur, Feuchtigkeit und andere Zuverlässigkeitsfaktoren. Seit 1994 hat sich jedoch viel verändert, und bald werden "Auto" -Mobile ihrem Namen gerecht werden, zum großen Teil dank der Fortschritte in der Sensorintegration, KI, Moores Gesetz und einigen Menschen in abgelegenen Regionen, die von Tagging leben Bilder, um intelligente Systeme genauer zu machen.

Zum Beispiel kann eine genaue Kennzeichnung den Unterschied zwischen dem Himmel und der Seite eines Lastwagens unterscheiden. Mighty AI ist ein Unternehmen, das sich darauf konzentriert, akkurate Tagging mit global verteilten Teams von Menschen sicherzustellen. Laut seinem Gründer, S. "Soma" Somasegar, wird der Mensch in diesem Kreislauf noch lange eine große Rolle spielen. "Wir bauen kein System auf, um ein Spiel zu spielen; Wir bauen ein System, um Leben zu retten ", sagte Mighty AI CEO Daryn Nakhuda .

An die Stelle zu kommen, an der autonome Fahrzeuge als relativ sicher für den täglichen Gebrauch gelten, ist eine interessante Herausforderung, die die Vorstellungskraft von Automobil-Erstausrüstern und Elektronik-Systemdesignern beflügelt und Innovationen in den Bereichen Sensoren, Verarbeitung und Kommunikation vorangetrieben hat.

Für einige Zeit wurde geglaubt, dass LiDAR die entscheidende bahnbrechende Technologie sein würde, die autonome Fahrzeuge ermöglichen würde, aber jetzt haben Entwickler erkannt, dass es eine Kombination von jedem möglichen Sensor-Input ist, einschließlich Sonar, High-Definition-Kameras, LiDAR und Radar, alles um eine genaue Entfernung und Identifizierung von Objekten zu gewährleisten. Laut GM hat die autonome Version seines Elektrofahrzeugs Chevy Volt (EV) 40 weitere Sensoren und 40% mehr Hardware.

Die Senkung der Kosten und des Stromverbrauchs dieser Hardware, insbesondere für die erweiterte Bildverarbeitung, ist einer von vielen entscheidenden Faktoren für autonome Fahrzeuge. Zu diesem Zweck hat Dream Chip Technologies auf dem Mobile World Congress (MWC) ein fortschrittliches Fahrerassistenz-System (ADAS) System-on-Chip (SoC) für die Computer Vision angekündigt, das die Leistung erheblich steigert und gleichzeitig den Stromverbrauch senkt.

Das ADAS-SoC wurde in Zusammenarbeit mit Arm, ArterisIP, Cadence, GlobalFoundries (GF) und Invecas im Rahmen der Referenzentwicklungsplattform ENIAC THINGS2DO der Europäischen Kommission entwickelt. Es wurde mit der 22FDX-Technologie von GF entwickelt, um die für die AI- und neuronale Netzwerk- (NN-) Verarbeitung erforderliche Energie zu reduzieren, sodass es in ein Fahrzeug eingebettet werden kann, ohne dass aktive Kühltechniken erforderlich sind, die Gewicht, Größe und Kosten erhöhen Ausfallwahrscheinlichkeit.

Der SoC verwendet Dream Chips Bildverarbeitungs-Pipeline, Tensilicas (Cadence) P6 DSPs und einen Quad-Cluster von Arm Cortex-A53-Prozessoren, um 1 Tera-Operationen / s (TOPS) mit einer Leistungsaufnahme "im einstelligen Bereich zu erreichen. "

Verteilte vs. zentralisierte Sensorverarbeitung
Die Low-Power-Leistung des SoC von Dream Chip Technologies bei geringer Leistung für die Bildverarbeitung ist entscheidend, da die Latenz minimiert werden muss, um Zwischenfälle zu vermeiden. Je weiter ein Fahrzeug sehen kann und je schneller es das, was es sieht, verarbeiten kann, desto sicherer wird ein Fahrzeug. Wie bereits erwähnt, sind jedoch viele Sensoren für eine vernünftig intelligente Entscheidungsfindung erforderlich, was die Frage aufwirft, wo und wie alle diese Sensoreingänge verarbeitet werden sollten.

Sensor-Fusion-Techniken sind in Anwendungen wie Drohnen gut bekannt, in denen Gyroskope, Beschleunigungsmesser und Magnetometer so gehandhabt werden, dass die Vorteile von jedem betont und die negativen abgeschwächt werden. Wie kann dies für autonome Fahrzeuge mit so vielen und unterschiedlichen Sensoren gemacht werden?

Um dies anzugehen, entschied sich Mentor Graphics, rückwärts zu arbeiten und mit der Autonomie der Stufe 5 zu beginnen. Sein Ansatz heißt DRS360 und er verarbeitet (verschmilzt) rohe Sensordaten von LiDAR, Radar und Kameras und verarbeitet sie, um eine 360-Grad-Echtzeitansicht der Fahrzeugumgebung zu entwickeln. Der zentralisierte Ansatz reduziert Latenzzeiten, erfordert jedoch eine hohe zentralisierte Verarbeitungstiefe, die Mentor mit Xilinx Zynq UltraScale + MPSoC FPGAs mit seinen fortschrittlichen NN-Algorithmen bietet. Die Alternative besteht darin, das Bild, LiDAR oder Radar lokal am Sensor zu verarbeiten und die Ergebnisse stromaufwärts zu senden, aber dieser Ansatz skaliert nicht so effizient wie DRS360, noch nutzt er die sich schnell ändernden und sich entwickelnden Algorithmen voll aus. Der Nachteil ist ein einzelner Fehlerpunkt, aber eingebaute Redundanzen und gutes Design können das ausgleichen.
Die Bedeutung von Automobilsensoren geht der MIPI Alliance nicht verloren. Sie bringt ihre Erfahrung mit der Definition von Physical-Layer-Sensorschnittstellen auf Mobiltelefonen in den sich schnell entwickelnden Automobilmarkt ein. Am 7. Oktober gab es die Gründung der MIPI Automotive Working Group (AWG) bekannt, um die Sensorschnittstellen zu standardisieren, um die Entwicklungskosten zu senken, die Testzeit zu verkürzen und die Zuverlässigkeit zu verbessern. Mit ihrem Hintergrund in mobilen Geräten ist die MIPI Alliance auch zuversichtlich, dass sie dazu beitragen kann, dass hochsensible, unternehmenskritische Automobilanwendungen minimal durch EMI beeinträchtigt werden.

Elektrifizierung von Fahrzeugen beschleunigt
Obwohl er oft als Synonym für autonome Fahrzeuge gilt, bewegt sich der Wechsel zur Elektrifizierung als Ersatz für den Verbrennungsmotor (ICE) in seinem eigenen Tempo mit unterschiedlichen Fahrern. In erster Linie werden Elektrofahrzeuge mit ihren großen Batterien als eine nachhaltigere Art des Verkehrs angesehen. Laut Dan Scott, Marktdirektor für integrierte elektrische Systeme bei Mentor Graphics, macht diese Batterie jedoch bis zu 32% mehr Gewicht als ein vergleichbares Fahrzeug.

Das Problem besteht also darin, das Gewicht zu minimieren, was direkt zu Kabeln, Kabelbäumen und Steckverbindern führt. Das andere Problem bei Elektrofahrzeugen ist der höhere Strombedarf mit Strömen von bis zu 250 A bei 400 V für eine typische 1-KW-Batterie-Implementierung. Solch hohe Ströme verursachen mehr Energieverluste für die Wärmeerzeugung, die für Elektrofahrzeuge eine Bewegung auf 800 V macht. Dadurch wird auch das Kabelgewicht reduziert, ebenso wie andere Techniken, z. B. das Entfernen der Abschirmung bei Hochleistungskabeln. McKinsey & Company riss acht Elektrofahrzeuge ab, nur um zu sehen, wie sie differenziert wurden, und das Strom- und Wärmemanagement erwies sich als interessanter Faktor ohne Konvergenz bei Antriebsstrang-Konstruktionsansätzen ( Abb. 1 ).

Abb. 1: Ein Abbruch von acht Elektrofahrzeugen zeigte große Unterschiede in der Auslegung von Triebsträngen und in der Steuerung der Thermik. Bild: McKinsey & Company.

Es sind jedoch Kompromisse damit verbunden, sagte Scott, wie EMC-Probleme. "Bei Dingen wie regenerativem Bremsen müssen Sie jetzt Leistungselektronik, Motorsteuerungen und Batteriechemie berücksichtigen, also müssen Sie diese Daten zwischen verschiedenen Tools austauschen", sagte Scott. "Dies erfordert einen viel ganzheitlicheren Design-Ansatz."

Hierfür entwickelte Mentor seine Capital-Softwaresuite für den Entwurf und das Layout von Elektro- und Kabelbäumen für Automobil- und Luftfahrtanwendungen. Das Ziel von Capital besteht darin, einen nahtlosen Datenfluss vom Fahrzeugkonzept und der elektrischen Architekturdefinition bis zur Kabelbaumherstellung und Fahrzeugwartung beizubehalten.

"Capital zeichnet sich durch die Verwaltung komplexer Systeme aus", sagte Scott. "Wir haben generatives Design, bei dem wir grundlegende Architekturen übernehmen und Schaltpläne daraus automatisch erstellen können." Während Capital nicht die benötigten Komponenten auswählt, sagt Scott, dass Mentor über ein Design-Service-Team verfügt, das mithelfen kann Designentscheidungen.

Komfort und Service ersetzen die Leistung
Während sich Fahrzeuge in Richtung Autonomie entwickeln, werden Komfort, Unterhaltung und Dienstleistungen als differenzierendere Faktoren als Leistung und "Straßengefühl" angesehen. Ford hat diese Migration in Richtung Dienstleistungen erkannt und unterstützt, und Intel hat die Fokussierung auf Daten sowohl auf der Fahrzeug und auf seine Verwendung.

Die Verwendung von Fahrzeugen verändert das Geschäftsmodell, wobei jüngere Nutzer eine Affinität zu einem Abonnementmodell gegenüber einem Fahrzeug zeigen. Außerdem möchten sie sowohl informiert als auch unterhalten werden, was Imagination Technologies dazu inspirierte, seine PowerVR Series8XT GT8540 Vier-Cluster-IP für hochauflösende Head-up-Displays und Infotainment anzukündigen. Der GPU-Kern kann mehrere hochauflösende 4K-Videostreams sowie bis zu acht Anwendungen und Dienste gleichzeitig unterstützen.