2021年8月26日,超星未来联合创始人兼首席技术官梁爽博士在“2021智能汽车域控制器创新峰会”上以翔实的数据和技术成果向线上线下近超过八万的行业听众,详细介绍了超星未来基于软硬件协同技术研发的最新创新成果:自动驾驶域控制器NOVA30P,自动压缩工具NOVA- Slim和3D点云算法工具NOVA-3D。
超星未来联合创始人兼首席技术官梁爽博士发表主题演讲
随着自动驾驶技术的发展,软硬件解耦合的集中式“域”架构更符合自动驾驶整车驾驶快速升级迭代的功能需求。强劲的市场需求催生了“域”控制器这个想象空间极的增量市场,也促发了日趋激烈的市场竞争。
日前,高工智能汽车研究院通过以前装定点及量产项目数据库为基础评价指标,评出了国产智能驾驶域控制器供应商市场竞争力TOP10榜单,作为仅两年的初创公司,超星未来以独特的底层技术创新,新颖的产品设计和项目交付等因素也位列其中。
超星未来认为,对于面向未来的智能网联汽车系统的集中式SOA电子电器架构来说,硬件的成本头正是车载域控制器,特别是作为计算平台的自动驾驶域控制器。而因为众所周知的原因,为核心计算单元提供算力的芯片成本居高不下,芯片的计算效率也存在算力限制,经常会看到一个优化程度不好的芯片宣称有10T算力,实际跑出来的应用等效只有3-4T的算力。
怎么在确保安全的前提下,以尽可能经济的方式实现同等的效果,就是其中的关键。有没有除了通过芯片堆叠之外,能够解决智能驾驶系统计算平台算力拓展的其他方法?
从计算平台产品设计角度上,超星未来提出了基于软硬件协同优化的方式去解决。围绕神经网络计算加速处理为核心,从软件协同的角度上通过模型压缩、结构搜索的方式来优化、设计出对硬件更为友好的模型。同时,针对神经网络之外的其他计算,通过定制化的FPGA加速器IP设计,幅度降低在CPU这些通用单元的算力开销,缩短计算平台处理的延迟。在处理完所有能效优化基础后,还会对基础软件环境做优化,以及最终有一个异构计算平台把软硬件技术承载起来,提供给客户。
以视觉算法2.5D点云目标检测算法(Pointpillars)为例,先用NOVA-Slim模块把神经网络算法模型压缩到原来1/4,再针对CPU做了共性提取和定制化设计,通过FPGA做IP定制优化把预处理过程做到一个数量级的延迟压缩。
自动压缩工具NOVA-Slim
今年5月份,超星未来在北京发布的新一代高级别自动驾驶域控制器NOVA30P,通过底层技术与架构创新的方式,以多核异构嵌入式模块化设计、自动模型优化工具链、硬件友好的模型轻量化加速,实现数量级的实时性能提升。从而提高域控制器整体系统的能效比、功耗、低延时方面的综合性能,保障灵活性和安全可靠。
面向高级别自动驾驶的计算平台NOVA30P
NOVA30P使用了高性能处理芯片,功能安全ASIL-D等级MCU的异构硬件方案。该方案支持20路4K摄像头,3路激光雷达及多路毫米波雷达的接入和数据处理,完成实时多路多目标的感知处理。在中间计算配置方案上,采用英伟达Xaiver SOC满足算力需求,同时引入异构方案FPGA和MCU,在满足用户算力需求的同时应对除开神经网络之外其他的计算需求。并提供便捷的署支持,从硬件架构和基础软件配置上充分保障计算平台的安全可靠。从发布至今,这款产品已经协助客户实现了多车型、多级别、多场景下的自动驾驶计算平台的应用。
除了计算平台产品的优化设计外,超星未来针对复杂性极高的AI算法署优化也形成了幅度缩减人工成本的方案。基于自动化机器学的方法,对复杂的自动驾驶算法模型进行压缩,并形成支持多种硬件平台适配的自动化工具,从而满足不同客户的使用需求。
随着激光雷达上车速度的加快,超星未来也同步成功研发了专为3D点云数据打造的模型设计与优化、端到端署的训练与加速工具NOVA-3D。该工具以灵活通用的方式确保算法的高性能实现、高效快速与自动化的署。不同于将三维点云数据压缩成二维再利用图像神经网络实现点云感知的传统工业署方法,超星未来基于三维点云数据通过软硬件协同优化、3D剪枝与量化以及点云数据仿真等方式,具备3D点云算法全覆盖、端到端训练与署以及对现有软硬件高兼容性的特性,实现了嵌入端3D点云感知署工具行业零突破。
未来,超星未来希望与车企和合作伙伴展开更多、更深入的合作,以创新、经济的方式提供面向新E/E架构下,基于SOA的计算平台、基础软件、中间件、工具链产品及多样化的服务与支持,与合作伙伴共同推动汽车产业生态的蓬勃发展。
