王敏　付建寬　宗巖　靳志剛　王耀福

摘 要：計(jì)算平臺(tái)在高級(jí)別自動(dòng)駕駛汽車(chē)中充當(dāng)大腦的角色，會(huì)調(diào)用大量的計(jì)算資源來(lái)完成信息的融合處理、駕駛的行為決策等實(shí)時(shí)任務(wù)，本文匯總了當(dāng)前自動(dòng)駕駛行業(yè)國(guó)內(nèi)外各大廠商所使用的車(chē)載計(jì)算平臺(tái)，并對(duì)其硬件處理器芯片性能算力等進(jìn)行分析和評(píng)估，同時(shí)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(duì)于該領(lǐng)域的研究人員能夠有一定的參考價(jià)值和指導(dǎo)意義。

關(guān)鍵詞：計(jì)算平臺(tái) 自動(dòng)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(dòng)駕駛汽車(chē)是在傳統(tǒng)線控汽車(chē)基礎(chǔ)上通過(guò)加裝激光測(cè)距儀、毫米波雷達(dá)、視覺(jué)攝像頭、V2X設(shè)備、Mobileye等環(huán)境感知傳感器[1]，同時(shí)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(jì)算平臺(tái)，最后將決策的運(yùn)動(dòng)控制指令下發(fā)到車(chē)輛的CAN總線上，實(shí)現(xiàn)在復(fù)雜路況場(chǎng)景下對(duì)車(chē)輛的自動(dòng)駕駛控制，盡可能減少人工干預(yù)。自動(dòng)駕駛汽車(chē)組成框圖如圖1所示。

計(jì)算平臺(tái)是自動(dòng)駕駛汽車(chē)的運(yùn)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(jī)、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(cè)算法，降維、分類(lèi)、回歸等機(jī)器學(xué)習(xí)算法以及圖像視覺(jué)處理中圖像分類(lèi)、圖像檢測(cè)、圖像分割、目標(biāo)跟蹤等都需要很高的處理器計(jì)算能力，普通ECU級(jí)別的處理器根本難于應(yīng)對(duì)如此大的運(yùn)算量，必須靠加裝的計(jì)算平臺(tái)來(lái)實(shí)現(xiàn)海量的數(shù)據(jù)處理。

2 自動(dòng)駕駛計(jì)算平臺(tái)現(xiàn)狀

計(jì)算平臺(tái)的處理器方案各式各樣，CPU（X86、ARM、DSP等）、GPU、FPGA（現(xiàn)場(chǎng)可編程門(mén)陣列）和ASIC（專(zhuān)用集成電路）等架構(gòu)都有對(duì)應(yīng)的實(shí)現(xiàn)[4]，匯總?cè)绫?所示，下面對(duì)各家的計(jì)算平臺(tái)分別進(jìn)行介紹。

2.1 華為MDC810

華為在2021年4月的新品發(fā)布會(huì)上推出了MDC810 智能駕駛計(jì)算平臺(tái)，算力超過(guò)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(guò)了ISO 26262 ASLD認(rèn)證，可滿足RoboTaxi等自動(dòng)駕駛乘用車(chē)的應(yīng)用場(chǎng)景，從側(cè)面體現(xiàn)了華為強(qiáng)大的工程化落地能力。

2.2 英偉達(dá)DRIVE AGX Pegasus

根據(jù)英偉達(dá)官方提供的資料，NVIDIA DRIVE AGX PegasusTM使用兩塊 Xavier 系統(tǒng)級(jí)芯片和兩臺(tái) NVIDIA TuringTM GPU 的強(qiáng)大功能，實(shí)現(xiàn)了320 Tops的超級(jí)計(jì)算能力。該平臺(tái)專(zhuān)為L(zhǎng)4級(jí)和L5級(jí)自動(dòng)駕駛系統(tǒng)而設(shè)計(jì)和打造。英偉達(dá)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(xí)的算法都是基于CUDA實(shí)現(xiàn)的，其GPU的設(shè)計(jì)能力一騎絕塵，因此十分被看好。

2.3 宸曜科技GC系列GPU運(yùn)算工控機(jī)

宸曜科技是X86架構(gòu)的工業(yè)級(jí)寬溫型車(chē)載嵌入式工控機(jī)設(shè)備提供商，為自動(dòng)駕駛和CUDA計(jì)算等提供理想的硬件解決方案，百度Apollo的自動(dòng)駕駛解決方案便是采用的此種計(jì)算平臺(tái)，但是宸曜科技只是設(shè)備集成商，本身只開(kāi)發(fā)了一些獨(dú)特的散熱設(shè)計(jì)、可靠的電源輸入以及一些抗震設(shè)計(jì)等，核心器件全部外部采購(gòu)，例如需要采購(gòu)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(shí)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(chē)高效能運(yùn)算平臺(tái)，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(jì)人員的產(chǎn)品開(kāi)發(fā)周期，目前正在做商業(yè)推廣，由于目標(biāo)是面向L2+的自動(dòng)駕駛，競(jìng)爭(zhēng)力相對(duì)較弱。

2.5 谷歌TPU

谷歌的TPU（Tensor Processing Unit，張量處理單元）起初是計(jì)算神經(jīng)網(wǎng)路的專(zhuān)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(dāng)于2萬(wàn)多億次浮點(diǎn)運(yùn)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(jìn)行訓(xùn)練，但是公開(kāi)信息上顯示，Waymo實(shí)車(chē)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(gòu)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(guò)數(shù)千萬(wàn)枚，先后與幾十家OEM（整車(chē)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(shí)還搭載了18枚Mobileye的最新的視覺(jué)處理器。比較遺憾的是Mobileye 的芯片更新速度較慢，面對(duì)激烈的市場(chǎng)競(jìng)爭(zhēng)，已經(jīng)開(kāi)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(jí)芯片、安全加速器和自動(dòng)駕駛軟件棧。該自動(dòng)駕駛計(jì)算平臺(tái)可在130W的功耗下實(shí)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(dòng)駕駛芯片做車(chē)輛測(cè)試。

高通雖然在手機(jī)芯片上極具競(jìng)爭(zhēng)力，但是在自動(dòng)駕駛計(jì)算權(quán)重很高的GPU上能力積累明顯不足，因?yàn)樵谛沦惖郎系谋憩F(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(jì)算方面也有一定的優(yōu)勢(shì)。賽靈思之前收購(gòu)了國(guó)內(nèi)的AI研發(fā)企業(yè)深鑒科技，拿到了深度學(xué)習(xí)處理器 DPU 設(shè)計(jì)以及神經(jīng)網(wǎng)路壓縮編譯技術(shù)，將繼續(xù)加碼機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)。2020年國(guó)內(nèi)的宏景智駕選用了賽靈思高度靈活的車(chē)規(guī)級(jí)XA Zynq? UltraScale+TM MPSoC平臺(tái)和VitisTM軟件開(kāi)發(fā)平臺(tái)，用來(lái)開(kāi)發(fā)并成功打造了其最新“雙子星 （Gemini）”車(chē)規(guī)級(jí)自動(dòng)駕駛平臺(tái)。

2.9 地平線的「征程5」處理器

地平線公司2019年發(fā)布了國(guó)內(nèi)第一款車(chē)規(guī)級(jí)AI芯片，之后征程2、征程3在長(zhǎng)安、理想、長(zhǎng)城、上汽等多家自主品牌車(chē)企的20+款車(chē)型上實(shí)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(dá)128Tops，主要面向L4高級(jí)別自動(dòng)駕駛。地平線在2021年4月與造車(chē)新勢(shì)力理想汽車(chē)達(dá)成深度合作，將為理想汽車(chē)提供高性能的智能計(jì)算平臺(tái)。

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(tái)的設(shè)計(jì)，并有對(duì)應(yīng)的計(jì)算平臺(tái)發(fā)布，限于篇幅，不再一一進(jìn)行介紹。

3 自動(dòng)駕駛計(jì)算平臺(tái)面臨挑戰(zhàn)

根據(jù)研究機(jī)構(gòu)預(yù)測(cè)，L5級(jí)別自動(dòng)駕駛系統(tǒng)高復(fù)雜度需要計(jì)算平臺(tái)有大于1000Tops的算力支持，而目前的工藝還沒(méi)有辦法在邊緣計(jì)算處理器上實(shí)現(xiàn)，只能靠多處理器協(xié)同，進(jìn)而在空間和功耗上無(wú)法妥協(xié)。

目前對(duì)于更加先進(jìn)的人工智能模型和處理大量數(shù)據(jù)的先進(jìn)算法的迫切需求成為制約計(jì)算平臺(tái)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(jìn)而將算法復(fù)雜度降下來(lái)，節(jié)省更多的計(jì)算平臺(tái)算力。

即使本地計(jì)算平臺(tái)算力足夠強(qiáng)，依舊需要云端提供高精地圖，路側(cè)設(shè)備（RSU）提供周?chē)煌顩r，V2X通訊的數(shù)據(jù)上傳延遲和連接信號(hào)強(qiáng)度的不穩(wěn)定影響了自動(dòng)駕駛的安全性和高效性，如何在計(jì)算平臺(tái)上集成5G網(wǎng)聯(lián)模塊直接和CPU進(jìn)行數(shù)據(jù)交互會(huì)成為今后異構(gòu)計(jì)算平臺(tái)的研究方向。

在一些教學(xué)領(lǐng)域和一些簡(jiǎn)單的應(yīng)用場(chǎng)景下，我們嘗試用一些低成本的處理器單元來(lái)完成一些常規(guī)的自動(dòng)駕駛功能實(shí)現(xiàn)，并在一些內(nèi)部園區(qū)實(shí)現(xiàn)了常態(tài)化運(yùn)營(yíng)[6]。

4 結(jié)束語(yǔ)

本文對(duì)當(dāng)前自動(dòng)駕駛領(lǐng)域各家主流企業(yè)最新的計(jì)算平臺(tái)進(jìn)行了詳細(xì)介紹，并在核心處理器和關(guān)鍵技術(shù)指標(biāo)上進(jìn)行了橫向?qū)Ρ?，只有在?jì)算平臺(tái)之上才能運(yùn)行各類(lèi)算法和傳感器融合程序，進(jìn)而應(yīng)對(duì)各種復(fù)雜極端和無(wú)法預(yù)測(cè)的路況，所以底層技術(shù)才是制約自動(dòng)駕駛發(fā)展的關(guān)鍵。最后期待自主品牌的計(jì)算平臺(tái)能夠不斷進(jìn)步，為我們國(guó)家后邊贏得更多的市場(chǎng)占有率。

參考文獻(xiàn)：

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

[2]代凱，申棋仁，吳官樸，趙陽(yáng)，馬芳武.基于激光雷達(dá)的SLAM和融合定位方法綜述[J].汽車(chē)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(dòng)機(jī)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(shì)[J].科技導(dǎo)報(bào)，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(dòng)駕駛系統(tǒng)方案實(shí)現(xiàn)[J].科技經(jīng)濟(jì)導(dǎo)刊，2021，29（09）：60-61.