创造在随机和多样化的现实世界中表现良好的汽车产品。
通过沙基尔·吉伍迪和希欧·特兰
自动驾驶汽车(AV)是驾驶的未来，而未来可能并不遥远。优化自动驾驶汽车的性能及其周围环境，可能会让制造商疯狂冲向财务终点线。谁拿起方格旗最终将由他们的流程的效率和成本效益决定。这些因素对于在这个竞争激烈的领域衡量成功与否至关重要。
本文探讨了如何创造出在随机和多样化的现实世界中表现良好的汽车产品，并使自动驾驶汽车更快地上路。
汽车工程师学会(SAE)定义了驾驶自动化的等级，从0(完全手动)到5(完全自动驾驶)。被称为SAE的水平在美国，这些标准已被美国交通部(Department of Transportation)采用。
随着自动驾驶技术(SAE 3级)的采用成为主流，行业重点转向了完全自动驾驶汽车提供的功能(SAE 4级和5级)。车辆与智能道路和通信基础设施的融合对于自动驾驶未来的愿景至关重要，原因如下。
首先，自动驾驶汽车将需要依靠其他汽车和环境的道路和交通引导来实现安全和最佳驾驶。其次，无人驾驶汽车必须准备好应对共享环境中超出其训练和调节范围的极端情况。最后，汽车必须依赖于周围基础设施的通信和合作，才能实现数据采集和处理等重要功能。
这些问题带来了挑战，如果原始设备制造商(oem)能够妥善解决这些问题，就会打开通往新领域和新机遇的大门。为了抓住这些机会，公司必须迅速降低设计风险，缩短开发生命周期，并交付满足或超过行业安全标准的产品。
随着汽车行业的重心从传动系统转向软件和电子产品，传感器融合和软件创新既是机遇，也是挑战。为了适应和发展，汽车设计师需要一个有效的环境来评估、开发和测试汽车计算硬件解决方案，同时改变软件开发生命周期。
电气化正在颠覆汽车行业，重新安排供应链/价值链，并改变未来汽车的架构和制造方式。“软件定义车辆”的概念为现有和新参与者提供了新的机会，可以重新定义和包装运输和移动服务。与此同时，这也给汽车供应商、制造商和下游客户在互联自动驾驶汽车的设计和验证方面带来了巨大挑战。
复杂性
现代汽车是机械、电气和电子设备的微妙平衡，在动力、散热、重量和安全性等诸多因素方面进行了优化。据估计，一辆高端汽车的软件系统包含大约1亿行代码，而且这个数字还在增加。完全自主操作(4/5级)预计将增加10倍。相比之下，一架美国军用无人机的控制系统使用了350万行代码。尽管越来越复杂，但在谷歌、苹果和亚马逊等以数据和消费者为中心的公司的兴趣推动下，朝着自动驾驶和电气化的竞争加大了汽车制造商和原始设备制造商的上市时间压力。
制造商必须在传统的长产品生命周期与未来汽车严格的安全性、安全性和数据要求之间进行协调。因此，在协作和互联环境中设计、测试、验证和支持自动驾驶汽车运行的能力已被证明是一项重要的、持续的工程需求。
连接
为了安全运行，智能汽车既依赖车载传感器和摄像头，也依赖外部信息。自动化驾驶带来的安全效益的证据是无可争议的:94%的交通事故源于人为错误(国家公路交通安全协会)。驾驶员辅助功能，如左转辅助、环视和过马路警报，是自动驾驶汽车中可操作的人工智能(AI)响应循环的组成部分，对安全至关重要。但自动驾驶只是无人驾驶故事的一部分。麦肯锡表示，私人自动驾驶汽车的无限制技术引入将导致城市扩张，在未来5到10年内拥堵程度将增加10%。相比之下，共享自动驾驶汽车的采用减少了20%的拥堵，同时为美国经济增加了8500亿美元的年收入。
合作流动提高了安全性和效率，减少了排放，并促进了增长。连接和数据是打开这些机会之门的钥匙。专用短程通信(DSRC)可以无线广播交通信号灯和信息，以扩大车辆的视野，并提供速度和加速度的指导。通过快速可靠的蜂窝网络接入(C-V2X)，公交车可以向候车乘客广播路线和时间表，同时向车上的乘客播放内容。汽车和出租车可以上传实时传感器数据或发送紧急请求。特殊用途的自动驾驶汽车，如长途卡车和货车，可以远程监控和控制安全和保障。
为了支持合作驾驶，汽车制造商和原始设备制造商需要针对特定的垂直市场、企业和城市定制他们的产品。在这样做的过程中，他们需要工具和环境来真实地模拟客户的通信需求。合适的环境使汽车制造商和原始设备制造商能够在不牺牲真实世界的保真度和不确定性的情况下，在模拟环境下测试和表征他们的产品。
多样性
计算机视觉和雷达、激光雷达和GPS等传感器技术为车辆更好地感知周围环境奠定了基础。但基于这些技术的自动响应可能会受到计划外条件的限制，如不寻常的照明角度、事故、道路施工、应急响应等。人工智能硬件从常见和已知的极端情况中学习和检测，以提供实时控制和自主权。然而，地理、环境和不同市场部门和城市之间监管的可变性产生了已知和未知角落案例的排列，组合起来是巨大的。
因此，无人驾驶汽车必须在现实场景下进行数十亿小时的训练，在现实场景中，车辆在各种可能由传统车辆、行人、骑自行车的人和其他车辆物体共享的道路环境中行驶。
软件和电子设备是所有自动驾驶系统的核心，为创新带来了挑战和机遇。自动驾驶系统必须适应车辆部署的特定环境。此外，它们必须不断更新，以反映车辆设计、机械和电子部件以及其他外部因素的变化，如道路和通信基础设施的状况和可用性，以达到可接受的可用性和准确性水平。因此，汽车生态系统的参与者必须迅速重新定位自己的业务，以适应这种变化。半导体供应商将受益于自动驾驶汽车电气化和传感器融合的兴起，半导体基础设施供应商也将受益于将功能集成到片上系统(SoC)或封装(SiP)中，以降低功耗，提高可靠性和性能。
联网自动驾驶汽车的设计和验证必须随着汽车行业的变化而发展。未来方法和平台的可用性对行业的成功至关重要，这些方法和平台使汽车架构师能够在闭环环境中有效地探索不同的计算和传感器选项，针对不同的车辆计算和传感器配置、部署选项和环境变化模拟、测试和验证他们的设计。这样的方法和平台必须提供对整个车辆系统的验证覆盖，支持多供应商生态系统的描述，并通过灵活的业务模型以连续和闭环的方式对不同的关键性能指标(kpi)进行基准测试，如计算加速、功耗和成本。理想情况下，该平台也应该是云原生的，以满足跨国设计团队的需求。该平台必须能够以高保真度模拟放置在虚拟环境中的物理实体或资产的副本。
在汽车计算系统设计中，副本是正在开发、测试或验证的设备或产品(device-under-x)。x下的汽车设备从车载元件(传感器、摄像头、ecu、计算解决方案)扩展到基础设施元件(交通灯、智能标识、无线通信)和车辆(汽车、卡车、摩托车)。有效的开发和验证平台为开发人员和软件系统提供了在闭环上下文中与x下的设备交互的方法。仿真可以帮助设计人员了解汽车产品或设备的最终功能。设计和验证平台应将这种能力扩展到产品设计和开发的所有阶段，从概念到实施和部署阶段。
混合现实
真实和虚拟对象的融合，共存并在近实时交互，包括物理芯片级(或芯片级)设备，soc，性能加速器，甚至完整的车辆及其各自的虚拟模型和仿真。平台云中连接的汽车元素与通信基础设施的融合提升了细节的深度和用例的多样性，这些用例密切反映了现实世界的情况。这使得假设设计的权衡能够以可重复和可重复的方式进行，促进评估和探索。
ISA和soc
指令集体系结构(ISA)定义了运行所有计算设备(包括车辆中的电子设备)的机器代码的结构和行为。ADAS SoC、CPU、GPU、DSP、FPGA、VPU、图像处理器和NPU等汽车组件及其操作软件都严重依赖于这些组件供应商为其选择的ISA。ISA对汽车计算元素的敏感性怎么说都不为过:成本、功率、性能、可靠性和安全性、上市时间和竞争优势只是其中的一小部分。混合现实设计和验证平台必须提供一个细节丰富、高保真的环境，以描述特定ISA和ISA扩展对设计的可行性和影响。用于x下设备的特定于isa的代码可以通过平台中集成的EDA工具(如模拟器、模拟器、高级建模工具和原型板)在虚拟汽车或汽车基础设施元素中执行。给定的自动元素可以执行特定的功能，执行特定的响应，通常与外部刺激交互，同时提供有价值的kpi，如延迟和吞吐量以及每条指令的周期(CPI)、加速、线程、RAM使用和性能。
合作设计
协同设计的概念是，可以使用一种语言来描述平台的硬件和软件，允许根据需要为每个平台分配功能。在实践中，在实际工作负载下评估设计性能的能力是协同设计的基础，但在仿真中很难实现。包括持续集成和交付(CI/CD)管道快速跟踪与在协同设计中将数字组件划分到硬件或软件相关的性能权衡分析。软件对汽车平台至关重要。设计和验证环境允许软件开发在产品生命周期中向左转移，以节省时间并促进设计权衡。将垂直功能集成到SoC中的汽车公司可以从左移中受益，以缩短上市时间并提高质量。
描述
考虑到汽车中机械、电气、电子和软件元素的复杂组合，设计和验证平台为汽车制造商提供了一种方法，可以评估来自不同供应商生态系统的这些组件的功效。由于制造商可能更倾向于购买最适合其产品的部件，供应商也可以利用设计和验证平台的功能来执行兼容性和可行性测试。通过这样做，他们可以向客户提供和交付具有最高集成水平特征的部件。
芯片到云
数据的兴起正在迅速改变互联、自动、共享和电动汽车(CASE)的格局。汽车原始设备制造商面临的挑战和机遇已经从车载组件扩展到相关的基础设施和服务。例如，以虚拟交通灯(VTL)的概念为例，它通过利用汽车的速度、加速度和距离来计算绿灯的时间。VTL可以进一步与真实的交通灯基础设施通信，以提高驾驶员在恶劣天气下的能见度，并与其他车辆共享交通状况和指导。VTL的功能对市政当局的规划和安全目的是有用的，而它提供的实际好处可以导致更安全的道路状况，并由于降低燃料和能源消耗而减少温室气体排放。
除此之外，智能道路的未来为运营商和边缘供应商提供了新的商机。此外，生成的数据对于处理用户参与和分析的云企业非常有价值。一个有效的设计和验证平台为供应商和公司提供了一个沉浸式的环境，可以在闭环环境中探索和开发连接的汽车软件和服务，其中包含汽车计算设备、边缘基础设施和公共或私有云的元素。
未来互联自动驾驶汽车的设计和验证是一项复杂的工作。我们在这篇文章中提出了一个闭环、混合现实、硬件/软件联合仿真环境和具有高密度和保真度的云访问平台，可以加速整体产品开发以及左移软件开发。
西门子PAVE360是一个完整的自动验证和验证环境，建模为一个系统，代表物理车辆及其驾驶环境的全面数字孪生图像。和EdgeLab一起。作为ai混合现实SW和HW 4/5G边缘通信平台，PAVE360满足了原始设备制造商和供应商的需求，以探索、设计、构建和训练/验证计算解决方案，这对未来的联网和自动驾驶汽车至关重要。综合数字孪生方法提供了一个接近实时、真实和可重复的设置，以创建在随机和多样化的现实世界中表现良好的汽车产品。
西门子的汽车生态系统为汽车行业带来了丰富多样的车型，这些集成解决方案能够从车辆、乘员、行人、摩托车和道路上其他物体的沉浸式体验中了解设计。他们还为原始设备制造商提供洞察和理解，可以最大限度地降低风险，缩短开发时间，并提高安全性。
从自动驾驶系统的集成和培训，到车载控制/信息娱乐的融合，以及与汽车边缘和云的数据和服务的集成，PAVE360和EdgeLab提供的平台将被证明是任何汽车公司流程和开发组合的关键组成部分。我们相信，这种强大的组合是目前行业中唯一可部署的全面而重要的平台。
Shakeel Jeeawoody是西门子EDA的战略联盟产品营销经理。
Hieu Tran是Viosoft的总统和CTO。
|
|
|
|
|
|
|
|
留下回复