#汽車電子 #自駕車 #神經網路加速器NNA #先進駕駛輔助系統ADAS #圖形處理單元GPU #ISO26262 #分塊區域保護TRP
【自動駕駛之安全關鍵＆技術瓶頸】
隨著自動駕駛技術的進步，未來提高安全性的方法歸結為兩個關鍵領域：邊緣推論和車載運算能力。隨著車輛自主性越來越高，將需要更多的運算能力來處理由外部攝影機和感測器提供車輛的資訊。這些資訊必須以最低的延遲來處理，因為在高速情況下，不到一秒的時間就可產生完全不同的結果。其次，需要提高車載人工智慧 (AI) 在邊緣推論的能力。
人類擅長在看到一件事會將其聯想到另一件事，但邊緣 AI 演算法無法始終保持這種連接力。當它們遇到這種相似但不同的情境，它們需要快速處理此新刺激物，並查看與已輸入資訊的比較。若它可以更快、更準確地執行，邊緣運算案例所導致的撞擊事故可能性就越小。邁向全自動化解決方案所面臨的問題在於運算需求。Level 5 的自動駕駛汽車所需的運算能力約為非自動駕駛汽車的 5～10,000 倍。
傳統上，這種運算量需要大量功率並需要大型高熱硬體；但「神經網路加速器」(NNA) 擁有可透過分散式的低功耗封裝因應 Level 5 大量運算需求的潛力。除了先進駕駛輔助系統 (ADAS)，汽車內數位儀錶盤以及大量互動式圖文視頻內容的使用，使得圖形工作需要圖形處理單元 (GPU) 進行輔助；結合「分塊區域保護」(TRP) 功能，使車輛可將儀錶板分割成多個方格。
當方格上顯示安全關鍵資訊，GPU 將可針對這些方格進行性能優先順位元排序，之後重新檢查以防止出現瞬間故障。阻礙電動汽車大規模部署另有兩個技術瓶頸：基礎設施和電池技術。由於單一電池可能會受到過度磨損，透過 AI 預測和排程，除了不可或缺的部分，其他電池的使用是可以安排優先次序的，這意味著：不會消耗不必要的電量、電池退化速度將減緩，續航里程也會隨之增加。
延伸閱讀：
《Imagination：電動和智能仍面臨巨大挑戰》
http://www.compotechasia.com/a/feature/2021/0513/47896.html
#Imagination #IMGSeries4 #IMGB-SeriesBXS
神經網路加速器nna 在 #神經網路加速器nna - Explore | Facebook 的推薦與評價
explore #神經網路加速器nna at Facebook. ... <看更多>