2019年SEMICON CHINA年度大会-5—人工智能在无人驾驶领域应用：英伟达资深经理卓睿

英伟达无人驾驶资深软件经理2019AI&IC国际论坛演讲全文纪要

3月21日，2019（第二届）人工智能与半导体技术论坛邀请英伟达（NVIDIA）无人驾驶资深软件经理卓睿先生做了关于《人工智能在无人驾驶领域的应用》演讲，卓经理对无人驾驶技术及英伟达产品系列做了详细论述。

以下为全文纪要（听录，仅供投资者参考，具体以公司新闻稿为准）：

英伟达无人驾驶技术的开发流程：（1）人工智能数据采集（目前大陆由于法律限制尚未开展），相机、雷达及GPS等的数据采集后用训练好的module做prelevel，这种方法可以减少人为干预，接着由工程师进行数据清理。（2）数据在英伟达训练服务平台进行网络训练（3）在利用GPU方案3D渲染出虚拟的无人驾驶场景中进行硬件仿真。（4）将采集到的数据在硬件平台运行，对网络进行训练和debug.（5）将训练好的网络和算法在真实应用场景中进行测试。

以下为英伟达早前发布的XAVIER芯片，该产品是当时全球最复杂的芯片。其虽然基于12nm制程，但是由于总包含有90亿个晶体管所以芯片面积较大（350平方毫米）。目前公司和OEM等厂商进行合作，将芯片应用于汽车产品中。该款芯片中包含有定制的8核CPU， Volta Tensor core GPU以及DLA，在芯片中GPU和DLA均可以进行人工智能运算。如果算法需要进行不断迭代，公司GPU产品由于拥有更高的灵活性和适应性可以提供支持。如果算法相对固定，DLA可以提供支持。目前人工智能不仅涉及到神经网络，也包括一些传统的算法等，英伟达产品提供硬件加速，可以使客户在做处理时利用引擎做实际操作。芯片中还包括CSI，支持L2至L5。

​基于此款芯片，公司设计三种不同版本供厂商去选择。最左边的XAVIER-S成本较低，频率也较低。中间为标准的XAVIER版本，支持L2+和L3并拥有30T算力，最右边的PEGASUS支持L4拥有320T算力。这些不同硬件架构的系列芯片可以支持从NCAP2022到L5的整套解决方案。

​公司通过加入MCU使得整体系统达到SLD标准。从DRIVE XAVIER-S到DRIVE XAVIER再到PEGASUS中可接入的Camera和雷达数越来越来多，芯片内部结构也越来越复杂，这些架构变化都是为了给系统提供更高的算力。

​公司芯片在整车中布局以及作用。左边的图是传统汽车的设计，其中ECU数量超过100个，使得开发成本提升和开发周期延长。目前一些ECU支持ADAS功能，有些汽车也可以支持360度环视。公司的解决方案是把所有这些功能整合为一体，因为公司光Deep Learning就有三十T的算力，所以我们可以把所有这些功能整合到一起，这样相当于减少了ECU的数量。好处便是降低功耗，缩短开发周期，降低cost。而cost不只是指芯片的cost，更多的是指整个开发的cost，因为用不同的ECU，就要与不同的厂商去做开发，而公司的系统只需要一个SoC就可以实现所有这些功能，当然ODD可以支持更多的应用场景。

​公司无人驾驶详细的软件架构。蓝色的底层部分相当于sensor的抽象层，用于接收上面提及的所有信息，绿色这一层是公司设计的不同网络，分四大模块，因为无人驾驶安全是非常重要的，要达到SLD的标准必须确保有足够多的冗余，所以英伟达在设计整个架构的时候设计了不同的网络，做类似的功能，然后确保整个功能是安全的。最左边是障碍物网络；然后中间是path perception，对道路可行驶区域会去做一个感知；wait perception更多是应用在城市中，比方说对红绿灯和十字路口做一个检测，确保车在十字口之前，可以检测到红绿灯，能优雅的停下来；Map perception其实也很重要，当需要去做其他一些功能时，高清地图起到了一个非常重要的作用，公司在中国的话与百度高德都有合作，把他们的map整合到公司整个系统里面来，公司map perception第一是结合他们的map去做定位，这样定位更准确。第二是公司map perception可以在检测到一些地图更新后，把这些信息回传给他们的服务器，让他们做地图更新，因为采集高清地图这个代价是非常高的，公司希望在做无人驾驶的方案过程中能给他们反馈，更新地图信息； map上面就是localization，然后基于这些perception可以得到一个world model，也就是世界模型，再上面的话更多的就是基于这些世界模型，公司如何去做behavior和control这些决策。

​公司八大无人驾驶系统网络具体介绍。最左上角是drivenet，可以做目标的检测，可以检测人车自行车等障碍物，同时还可以用纯cemera去测距，这个是公司系统的一大特色；openraodnet相当于是做Free space检测，可以检测到前面有哪些空间是可以行使的；waitnet中大的红框是检测到前面有一个十字路口；最右边的pass net可以检测到蓝色和红色的是两条可行驶的一个道路；下面这一行的最左边是lanenet，可以检测到有双黄线、有虚线、有实线、有路边、路沿等，这些都可以给无人驾车提供准确的一个定位；mapnet更多的是除了这些路以外，还可以提供更多的地图相关信息，包括像斑马线；lightnet可以检测更小的物体，其实在检测小物体的时候是非常有挑战，所以公司专门设计了一个lightnet，专门用来检测像红绿灯这类小物体；clearsightnet是来看摄像头如果在某些环境下被泥物、雨水遮挡住了，公司这边网络检测到就会报警，如果网络输出一个报警，整个无人驾驶系统便要shut down。

​基于这些网络，公司实现了不同的应用。最左上角是highway autopilot，支持一些常规的功能；中间为surround perception，公司做surrounding不只是单纯的camera，而是整个环视去做surrounding，自行驾车从上匝道进入一个高速时，后面有没有车是非常重要的，公司在做surrounding的时候，左边或右边的这些摄像头起到了非常关键的作用，可以检测出前后方有没有车；下面是mapping和localization。右边是Drive IX，这边都是室外摄像头的功能，相当于更多的是一些辅助驾驶，比方说上层就是怎么去把整个外部摄像头感知到的东西显示出来，称为autopilot monitor，中间是driver monitor，可以检测到人是不是快睡着了或者玩手机这类不合法的操作，提供发出一些警告；下面则是像VR一样的一个虚拟现实的应用场景。

​公司在无人驾驶中具有四大支柱。第一个就是processor，safety architecture和AV software。公司特有的处理器，符合标准，公司特有的架构会结合ECU达到SLD的标准，包括软件设计；第二是针对开发，公司有一个infrastructure，可以做数据采集，实现Deep Learning开发；第三是simulation，在无人驾驶中， simulation是非常重要的，包括瞬息变化的现实世界道路驾驶状况；最后是最高级别的安全标准，公司芯片和软件设计都符合安全的最高标准，同时能达到SLC的一个级别。

​

 声明：本文转载自科技-产业研究

原文章发布于 2019-04-02 18:07