蓝图出炉:大家将能够利用英伟达技术打造自己的自动驾驶车辆

简介:

ZD至顶网服务器频道 08月24日 新闻消息: 英伟达公司已经正式公布其最新系统芯片Parker(亦有代客停车者之意),其将专门用于自动驾驶车辆。

蓝图出炉:大家将能够利用英伟达技术打造自己的自动驾驶车辆

我们在今年年初见到的PX 2设备就包含有两块Parker处理器。这款硬件能够利用车载摄像头及其它传感器数据作为视频输入内容,借此控制车辆巡航。而车内的人工智能模型负责持续就车速、行车位置等决策做出判断。

如此一来,车辆将能够实现自动驾驶,而其使用的人工智能模型则根据周遭对象进行训练。目前的深度学习系统需要利用大量数据以发现个中模式、识别物体并理解周边交通情况。但PX 2这样的设备在制造难度上仅相当于前者的一半甚至三分之一。如果大家希望拥有一套能够切实适应日常路况而不仅仅是高速路线的自动驾驶车辆,那么其必须有能力识别出工程施工、道路标记、十字路口乃至复杂的街巷地形。

我们曾经对Pascal架构进行了深入研究,下面来看此次发布的代号Parker的全新Tegra系统芯片。

这款16纳米FinFET系统芯片包含256个Pascal CUDA GPU核心,外加6个64位ARMv8兼容型通用核心:其中2个为英伟达自家的Denver 2核心,另外4个则为Cortex-A57核心。这6个计算核心能够彼此通信,其中2个Denver核心共享2 MB二级缓存,而各A57核心亦同样共享一套2 MB二级缓存。根据英伟达方面的介绍,这款芯片由台积电负责制造,能够在16位浮点值运算中提供1.5 TFLOPS性能。

其中还包含加密引擎、一套60 FPS 4K视频编码与解码器、音频输出、2D图形渲染器、具备ECC的128位每秒50 GB低功耗DDR4接口,外加图形处理器。大家可以直接将12台道路监控摄像头接入该芯片,从而对车辆周边的路况进行全面监控。再有,该设备也设置了闪存卡存储接口、SATA、QSPI以及标准CAN总线。两个CAN接口符合ISO 11898-1技术规范要求。

Parker芯片充分利用了ARM的硬件虚拟化能力,旨在立足理论层面将软件对车辆的控制功能在沙箱当中进行保护。

其中的安全管理引擎负责各项保护工作。它属于独立的双处理器设计,能够以步调一致的方式检测内部硬件错误。另外,它还运行有一套实时操作系统并监控内置计算机错误,将内容进行即时上报同时尽可能运行恢复代码。其能够从纠错RAM中获取警告,并将DRAM中的不可靠区址屏蔽掉。芯片上的内存亦具备ECC与奇偶校验保护机制。

根据我们得到的消息,Parker还符合ISO 26262标准要求。

蓝图出炉:大家将能够利用英伟达技术打造自己的自动驾驶车辆

下图所示为各CPU之间的对接方式,每个Denver核心拥有128 KB指令与64 KB数据缓存,而每个A57核心则拥有48 KB指令与32 KB数据缓存。这套互连机制允许各Denver与Cortex核心以异构方式协作,操作系统则根据实际工作负载级别将线程与进程迁移至不同的计算核心当中。

蓝图出炉:大家将能够利用英伟达技术打造自己的自动驾驶车辆

其硬件虚拟化功能支持最多8套虚拟机环境。每套邪气机控制自己的显示管线。其中CUDA核心、网络硬件以及音频与DMA电路同样进行虚拟化,从而避免未授权虚拟机对整体系统造成影响。当然,任何虚拟机管理程序都存在bug,希望这种权限外代码执行漏洞不会出现在生死攸关的自动驾驶芯片当中。

蓝图出炉:大家将能够利用英伟达技术打造自己的自动驾驶车辆

最后,让我们看看各组件是如何对接在一起的。Parker通过2个独立的PCIe连接GPU驱动仪表板显示内容与信息面板。该系统芯片的CAN线路直接接入车辆的通信总线,从而对引擎及其它系统加以控制。大家也可以通过USB 3.0将二者相连。另外,我们甚至能够通过10 Gbps以太网实现芯片接入。

在此之前,英伟达方面曾表示Parker芯片中包含有一套千兆以太网控制器,用于处理车辆周边收集到的音频与视频。不过在本示意图中,该以太网则PCIe接入英特尔芯片提供,视频也通过PCIe进行传递。

下图为英伟达公司在本周的Hot Chips大会上公布的演示文稿。

蓝图出炉:大家将能够利用英伟达技术打造自己的自动驾驶车辆

PX 2设备包含2块Parker系统芯片,且能够提供8 TFLOPS性能水平,或者换算为每秒24万亿次深度学习运算。目前已经有80家计算科学研究中心、汽车制造商及其它技术厂商在对这套设备进行研究。沃尔沃公司已经计划于明年将PX 2引入其XC90 SUV车型当中。


原文发布时间为:2016-08-24

本文作者:刘新萍

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。



相关文章
|
文字识别 算法 计算机视觉
关键帧提取 | 学习笔记
快速学习关键帧提取,介绍了关键帧提取系统机制, 以及在实际应用过程中如何使用。
关键帧提取 | 学习笔记
|
小程序 Linux 区块链
Python PyInstaller 打包成 Win、Mac 应用程序(app / exe)
Python PyInstaller 打包成 Win、Mac 应用程序(app / exe)
7098 0
|
7月前
|
人工智能 监控 并行计算
厨房食品卫生与安全检测14类数据集(18万张图片,已划分、已标注)——AI智能检测的行业实践基石
本数据集包含18万张标注图像,覆盖蟑螂、老鼠、口罩佩戴等14类厨房安全目标,专为YOLO等目标检测模型设计,助力AI实现厨房卫生智能监控,推动食品安全数字化升级。
厨房食品卫生与安全检测14类数据集(18万张图片,已划分、已标注)——AI智能检测的行业实践基石
|
7月前
|
JavaScript Java 关系型数据库
基于springboot的美容院管理系统
本研究针对传统美容院管理效率低、信息化程度不足的问题,基于Spring Boot框架设计并实现一套高效、智能的美容院管理系统。系统融合Vue前端技术与MySQL数据库,集成客户管理、在线预约、库存监控等功能,提升运营效率与用户体验。结合国内美容行业数字化转型趋势,利用B/S架构与云计算优势,推动管理模式向智能化升级,助力企业降本增效,促进服务精细化发展。
|
Ubuntu Linux vr&ar
IM跨平台技术学习(十二):万字长文详解QQ Linux端实时音视频背后的跨平台实践
本文详细记录了新版QQ音视频通话在 Linux 平台适配开发过程中的技术方案与实现细节,希望能帮助大家理解在 Linux 平台从 0 到 1 实现音视频通话能力的过程。
1000 2
|
存储 设计模式 JavaScript
Vue 组件化开发:构建高质量应用的核心
本文深入探讨了 Vue.js 组件化开发的核心概念与最佳实践。
1133 1
|
传感器 机器学习/深度学习 人工智能
智能农业机器人:自动化种植与收割
【10月更文挑战第22天】随着科技的发展,智能农业机器人正逐步改变传统农业生产方式,引领农业走向自动化、智能化和高效化的新时代。本文将探讨智能农业机器人在精准种植、智能灌溉、高效收割和病虫害监测等方面的应用及其带来的变革。通过典型案例分析,展示智能农业机器人的优势与挑战,并展望其未来发展趋势。
1092 0
|
人工智能 搜索推荐 安全
智能家居:AI如何让我们的生活更便捷
智能家居:AI如何让我们的生活更便捷
724 7
|
网络协议 Linux
Linux下connect函数 阻塞 与 非阻塞 问题
Linux下connect函数 阻塞 与 非阻塞 问题
1081 0