自動運転の 3 つの核心要素について説明した記事

センサー: さまざまな位置と機能、補完的な利点

自動運転車には、多くの場合、カメラ、ミリ波レーダー、ライダーなどのさまざまなセンサーが装備されています。これらのセンサーはそれぞれ異なる機能や配置を持ち、互いの利点を補完し合い、全体として自動運転車の目となります。 2021 年以降の新車には、OTA によるさらなる自動運転機能を実装するための冗長ハードウェアを確保するために、多数のセンサーが搭載されることになります。

#2021年1月～5月国内新発売モデルのセンサー構成と主要機能

カメラの機能: 車線、交通標識、信号機、車両および歩行者の検出に主に使用され、包括的な検出情報と低価格の特徴がありますが、雨、雪、光の影響を受ける。最新のカメラは、レンズ、レンズモジュール、フィルター、CMOS/CCD、ISP、データ送信部品で構成されています。光は光学レンズとフィルターを通過した後、センサー上に集束され、光信号は CMOS または CCD 集積回路を介して電気信号に変換され、その後、RAW、RGB、または YUV 形式の標準デジタル画像に変換されます。画像プロセッサ (ISP) 信号はデータ送信インターフェイスを介してコンピュータに送信されます。カメラは豊富な情報を提供します。しかし、このカメラは自然光源に依存しており、現在の視覚センサーのダイナミックレンジはそれほど広くはなく、光が不足したり、光が急激に変化したりすると、視覚イメージが一時的に失われる可能性があり、撮影時には機能が大幅に制限されます。雨や汚染状況 業界では通常、カメラのさまざまな欠点を克服するためにコンピュータ ビジョンが使用されます。

車載カメラは急成長市場です。自動運転機能の継続的な高度化に伴い、車載カメラの利用が増加しており、例えば前方視界には1～3台、周囲視界には4～8台のカメラが一般的に必要となります。世界の車載カメラ市場は2025年までに1,762億6,000万元に達し、そのうち中国市場は237億2,000万元に達すると予想されている。

世界および中国の車載カメラ市場規模 (2015 年から 2025 年まで) (億元)

車載カメラ業界チェーンには、上流のレンズ セット サプライヤー、接着剤材料サプライヤー、イメージ センサー サプライヤー、ISP チップ サプライヤーに加え、中流モジュール サプライヤーやシステム インテグレーター、下流家電企業も含まれます。 、自動運転Tier1など金額ベースではイメージセンサー（CMOSイメージセンサー）が総コストの50％を占め、次いでモジュールパッケージングが25％、光学レンズが14％となっている。

カメラ産業チェーン

レーザーレーダー（ライダー）の役割：主に周囲の物体の距離や速度を検出するために使用されます。ライダーの送信端では、レーザー半導体によって高エネルギーのレーザービームが生成され、レーザーが周囲のターゲットに衝突した後に反射され、ライダーの受信端でそれを捕捉して計算を実行し、距離と距離を取得します。ターゲットの速度。 LiDAR はミリ波やカメラよりも検出精度が高く、200 メートルを超える長距離も検出できます。 LiDARは、その走査原理に応じて、機械式、回転ミラー式、MEMS式、およびソリッドステート式LiDARに分類されます。測距原理によれば、飛行時間測距 (ToF) と周波数変調連続波 (FMCW) に分けることができます。現在、業界における LIDAR 応用は模索段階にあり、明確な方向性はまだ示されておらず、将来的にどの技術的ルートが主流になるかは不透明です。

レーザーレーダー市場は巨大であり、中国企業が米国をリードすることになる。 LIDAR 市場には幅広い見通しがあり、2025 年までに中国の LIDAR 市場は 150 億元近く、世界市場は 300 億元近くになると予測しており、2030 年までに中国の LIDAR 市場は 350 億元近くになると予想しています。世界市場は650億元近くに達し、市場の年間成長率は48.3%に達すると予想されています。米国最大の自動運転会社であるテスラはピュアビジョンソリューションを採用していますが、他の自動車会社は自動車にライダーを搭載する具体的な計画を持っていないため、中国は自動車用ライダーの最大の潜在市場となっています。 2022年には多くの国内自動車メーカーがLiDARを搭載した製品を発売し、車載用LiDAR製品の出荷台数は2022年に20万台に達すると予想されています。中国企業は市場に近く、中国OEMとの協力関係が高く、市場での受注が容易なため、より早くコストを削減できる好循環が形成されているため、勝てる可能性が高い。中国の広大な市場は、中国のライダー企業が外国企業との技術格差を埋めるのに役立つだろう。

#2022 年から 2030 年までの中国 LiDAR 市場の見通し

##LiDARモデル一覧

現段階の技術ルートにはそれぞれ長所と短所があります。将来的には、FMCW技術はTOF技術と共存し、1550nmのレーザーエミッターは905nmよりも優れており、市場は半固体状態をスキップして全固体状態の段階に直接ジャンプする可能性があります。

FMCW 技術は TOF 技術と共存します: TOF 技術は比較的成熟しており、応答速度が速く、検出精度が高いという利点がありますが、速度を直接測定することはできません。FMCW は、直接測定できます。ドップラー原理 高速性と感度 (ToF の 10 倍以上)、強力な耐干渉能力、長距離検出、低消費電力を備えています。将来的には、ハイエンド製品では FMCW が使用され、ローエンド製品では TOF が使用される可能性があります。

1550nm は 905 nm よりも優れています: 905nm は人間の網膜に吸収されやすく、網膜損傷を引き起こす近赤外線レーザーであるため、905nm ソリューションは低出力でしか維持できません。 。 1550nmレーザーの原理は可視スペクトルであり、同じ出力条件でのレーザーは人間の目に与えるダメージが少なく、検出範囲も長いですが、発生器としてInGaAsが必要であり、シリコンベースの検出器が使用できないという欠点があります。

半固体状態をスキップして全固体状態に直接ジャンプします: 既存の半固体状態ソリューションには、回転ミラー タイプ、アンギュラ タイプ、MEMS が含まれます。機械部品が多く、車両環境下での耐用年数が短く、車両認証を取得することが困難です。ソリッドステートライダー用のVCSEL SPADソリューションは、チップレベルの技術を採用しており、構造がシンプルで、車両規制を容易に通過でき、現在純粋なソリッドステートライダーの最も主流の技術ソリューションとなっています。 iPhone12 proの背後にあるLiDARはVCSEL SPADソリューションを使用しています。

#LiDAR の技術ルートと代表企業

高精度の地図が破壊される可能性があります。高度地図の分野ではルート争奪戦が続く テスラは事前地図作成を必要としない高精度地図を提案 カメラで収集したデータをもとに、人工知能技術を活用して環境の3次元空間を構築クラウドソーシングの考え方を採用しており、各車両が提供する道路情報をクラウド上で一元化・集約することで構成されています。したがって、技術革新による高精度地図の破壊には警戒する必要がある。

一部の専門家は、高精度の地図はインテリジェントな運転に不可欠であると考えていますが、視野の観点から見ると、高精度の地図は遮るものがなく、距離や視覚的な欠陥がありません。特殊な気象条件下 特定の条件下では、高精度マップが引き続き役割を果たす可能性があり、誤差に関しては、高精度マップは一部のセンサー エラーを効果的に排除し、一部の道路状況下では既存のセンサー システムを効果的に補完および修正できます。さらに、高精度地図は運転体験データベースを構築し、多次元時空間データマイニングを通じて危険領域を分析し、ドライバーに新しい運転体験データセットを提供することもできます。

Lidar ビジョン技術、収集車両、クラウドソーシング モデルは、将来の高精度地図の主流のソリューションです。

高精度マップでは、精度と速度という 2 つの測定指標のバランスをとる必要があります。収集精度が低すぎたり、更新頻度が低すぎたりすると、自動運転の高精度地図のニーズを満たすことができなくなります。この問題を解決するために、高精度地図会社はクラウドソーシングモデルなどの新しい手法を採用し、各自動運転車が高精度地図収集装置として機能し、高精度の動的な情報を集約して提供します。他の車両に配布して使用します。このモデルでは、クラウドソーシングに参加できる車種が多いため、大手高精度地図会社はより正確かつ迅速に高精度地図を収集することができ、常に強者が強い状況が維持されます。

Amap Fusion Solution

コンピューティング プラットフォーム: チップの要件は増加し続けており、半導体技術は堀です

コンピューティング プラットフォームは自動運転ドメイン コントローラーとも呼ばれます。 L3 を超える自動運転の普及率が高まるにつれて、コンピューティング能力の要件も増加します。現在の L3 規制とアルゴリズムはまだ導入されていませんが、自動車会社は、その後のソフトウェアの反復に備えてコンピューティング能力の冗長ソリューションを採用しています。

コンピューティング プラットフォームには、将来、異質性と分散型弾力性という 2 つの開発特性が備わります。

異種混合: ハイエンドの自動運転車の場合、コンピューティング プラットフォームは複数のタイプおよびデータ センサーと互換性があり、高いセキュリティと高性能を備えている必要があります。既存の単一チップでは、多くのインターフェース要件や計算能力要件を満たすことができず、異種チップのハードウェア ソリューションが必要となります。異質性は、Audi zFAS 統合 MCU (マイクロコントローラー)、FPGA (プログラマブル ゲート アレイ)、CPU (中央演算処理装置) などの複数のアーキテクチャ チップを統合した単一のボードに反映される場合があります。また、強力な単一チップに反映される場合もあります。 (SoC、システムオンチップ) は、NVIDIA Xavier 統合 GPU (グラフィックス プロセッサ) と CPU 2 つの異種ユニットなど、複数のアーキテクチャ ユニットを同時に統合します。

配布の柔軟性: 現在の自動車エレクトロニクス アーキテクチャは、ドメイン コントローラーに段階的に統合される多くの単機能チップで構成されています。ハイエンドの自動運転には、システムの冗長性やスムーズな拡張などの機能を備えたオンボードのインテリジェント コンピューティング プラットフォームが必要です。一方では、異種アーキテクチャとシステムの冗長性を考慮して、システムの分離とバックアップを実現するために複数のボードが使用され、他方では、ハイエンドのコンピューティング能力とインターフェイスの要件を満たすためにマルチボードの分散拡張が使用されます。自動運転。システム全体が連携して、同じ自動運転オペレーティングシステムの統合管理と適応の下で自動運転機能を実装し、ハードウェアドライバーや通信サービスなどを変更することで異なるチップを適応させます。自動運転のレベルが高まるにつれて、システムのコンピューティング能力やインターフェイスなどに対する需要は日に日に増加します。単一チップの演算能力の向上に加え、ハードウェアコンポーネントを繰り返しスタックすることにより、ハードウェアコンポーネントの柔軟な調整とスムーズな拡張を実現し、システム全体の演算能力の向上、インターフェースの増加、機能の向上を実現します。

ヘテロジニアス分散ハードウェア アーキテクチャは、主に AI ユニット、コンピューティング ユニット、制御ユニットの 3 つの部分で構成されます。

AIユニット：並列コンピューティングアーキテクチャAIチップを採用し、マルチコアCPUを使用してAIチップと必要なプロセッサを構成します。現在、AI チップは主に、マルチセンサー データの効率的な融合と処理、および実行層実行のためのキー情報の出力に使用されています。 AI ユニットはヘテロジニアス アーキテクチャの中で最も要求の厳しい部分であり、工業化の要件を満たすためにコスト、消費電力、パフォーマンスのボトルネックを突破する必要があります。 AIチップはGPU、FPGA、ASIC（特定用途向け集積回路）などを選択できる。

さまざまなタイプのチップの比較

演算ユニット: 演算ユニットは複数の CPU で構成されます。高いシングルコア周波数と強力なコンピューティング能力の特性を備えており、対応する機能安全要件を満たしています。 Linux のカーネル管理システムであるローディング ハイパーバイザーは、ソフトウェア リソースを管理し、タスクのスケジューリングを完了し、自動運転に関連するほとんどのコア アルゴリズムを実行し、多次元データを統合して経路計画と意思決定の制御を実現するために使用されます。

制御ユニット: 主に従来の車両コントローラー (MCU) に基づいています。コントロール ユニットには ClassicAUTOSAR プラットフォームの基本ソフトウェアがロードされ、MCU は通信インターフェイスを介して ECU に接続され、車両ダイナミクスの水平および垂直制御を実現し、機能安全 ASIL-D レベルの要件を満たします。

Tesla FSD チップを例に挙げると、FSD チップは CPU GPU ASIC アーキテクチャを採用しています。 2.2 GHz で動作する合計 12 個の CPU に対応する 3 つのクアッドコア Cortex-A72 クラスター、1 GHz で動作する Mali G71 MP12 GPU、2 つのニューラル プロセッシング ユニット (NPU)、およびその他のさまざまなハードウェア アクセラレータが含まれています。 3 種類のセンサーは明確に分業されており、Cortex-A72 コア CPU は一般的なコンピューティング処理に使用され、Mali コア GPU は軽量の後処理に使用され、NPU はニューラル ネットワークの計算に使用されます。 GPUの演算能力は600GFLOPSに達し、NPUの演算能力は73.73Topsに達します。

#Tesla FSD チップ アーキテクチャ

##自動運転ドメイン コントローラーの中核テクノロジーはチップであり、次にソフトウェアとオペレーティング システムが続き、短期的な堀は顧客と提供能力です。

チップは自動運転コンピューティング プラットフォームのコンピューティング能力を決定しますが、設計と製造が難しく、簡単にスタック リンクになる可能性があります。ハイエンド市場は、NVIDIA、Mobileye、Texas Instruments、NXPなどの国際的な半導体大手が独占しています。L2以下の市場では、Horizo​​nに代表される国内企業が徐々に顧客からの認知度を高めています。中国のドメイン コントローラー メーカーは通常、チップ メーカーと緊密に協力してチップを購入し、独自のハードウェア製造およびソフトウェア統合機能を備えた自動車メーカーに納入します。チップ企業との協力は一般に排他的です。チップ協力の観点から見ると、Desay SV は Nvidia および Thunderstar と Qualcomm と提携することで最も明白な利点を持っています。別の国内自動運転ドメインコントローラー企業であるHuayang Groupは、Huawei HiSiliconおよびNeusoft Reachと提携し、NXPおよびHorizo​​nとの協力関係を確立した。

#国内ドメインコントローラー企業とチップ企業との協力関係

##ドメイン コントローラーの競争力は、上流で提携するチップ企業によって決まり、下流の OEM は、チップ企業が提供するソリューションの完全なセットを購入することがよくあります。たとえば、Weilai、Ideal、Xpeng のハイエンド モデルは NVIDIA Orin チップと NVIDIA 自動運転ソフトウェアを購入し、Jikrypton と BMW はチップ会社 Mobileye からソリューションを購入し、Changan と Great Wall は Horizo​​n の L2 ソリューションを購入します。チップ企業とドメインコントローラー企業の連携には今後も注目していきたい。

チップ企業の製品と自動車会社との協力#3. データとアルゴリズム: データはアルゴリズムの反復に役立ち、アルゴリズムの品質は自動運転企業の中核的な競争力です

自動運転システムを変革するにはユーザー データが非常に重要です。自動運転のプロセスでは、発生する可能性が低いまれなシナリオがあり、この種のシナリオはコーナーケースと呼ばれます。センシング システムが例外的なケースに遭遇すると、重大なセキュリティ リスクが発生します。たとえば、ここ数年で起きたことは、テスラのオートパイロットが横断してきた白い大型トラックを認識せず、側面から直撃し、所有者が死亡したというもので、2022年4月には小鵬さんが方向転換中に衝突して横転した。自動運転について、道路の真ん中にある車両。

このような問題に対する解決策は 1 つだけです。それは、自動車会社が率先して実際のデータを収集し、同時に自動運転コンピューティング プラットフォーム上でより類似した環境をシミュレートすることです。システムが学習できるため、次回はより適切に対処できるようになります。典型的な例は、テスラのシャドウ モードです。人間のドライバーの行動と比較することで、潜在的な例外ケースを特定します。これらのシーンには注釈が付けられ、トレーニング セットに追加されます。

したがって、自動車会社は、収集された実際のデータをモデルの反復に使用でき、反復されたモデルを実際の量産車両にインストールできるように、データ処理プロセスを確立する必要があります。同時に、機械に大規模なコーナーケースを学習させるために、コーナーケースを取得した後、このコーナーケースで遭遇する問題に対して大規模なシミュレーションを実行して、システム学習のためのさらに多くのコーナーケースを導き出します。 Nvidia DriveSim は、NVIDIA が Metaverse テクノロジーを使用して開発したシミュレーション プラットフォームであり、シミュレーション システムの 1 つです。データをリードする企業はデータ堀を構築します。

一般的なデータ処理プロセスは次のとおりです:

1) 自動運転車がコーナーケースに遭遇したかどうかを判断し、それをアップロードします

2) アップロードされたデータにラベルを付けます

# 3) シミュレーション ソフトウェアを使用して追加のトレーニング データをシミュレートおよび作成します

4) データを使用してニューラル ネットワーク モデルを繰り返し更新します

5) デプロイにパスします。 OTA を介してモデルを実際の車両に変換

#データ処理プロセス## データ クローズド ループの背後では、非常に大きなコンピューティング能力を備えたデータ センターに依存しています。2022CES での NVIDIA の講演によると、L2 支援運転システムに投資している企業は、完全な L4 自動運転を開発するために 1 ～ 2000 個の GPU のみが必要です。会社はデータセンターを構築するために 25,000 個の GPU を必要としています。

1. Tesla には現在、合計 11,544 個の GPU を備えた 3 つの主要なコンピューティング センターがあります: 自動マーキング コンピューティング センターには 1,752 個の A100 GPU があり、トレーニングに使用される他の 2 つのコンピューティング センターには 4,032 個の GPU があります。 、5760 個の A100 GPU、2021 AI DAY にリリースされた自社開発の DOJO スーパーコンピューター システムには、3000 個の D1 チップと最大 1.1EFLOPS の計算能力があります。

2. SenseTime Technology が建設中の上海スーパーコンピューティング センター プロジェクトでは、20,000 個の A100 GPU を計画しており、完了すると、ピークのコンピューティング能力は 3.65EFLPOS (BF16/CFP8) に達します。

以上が自動運転の 3 つの核心要素について説明した記事の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。