Menu

為實現安全自動駕駛的迫切權衡

為了確保整體安全性而增加的多重冗餘感測器造成的成本上升,是自動駕駛帶來的難題

為了趕上處理器架構的演變速度,軟體定義測試平台是關鍵所在

由於自動駕駛相關需求影響了微處理器架構,因此半導體與汽車產業逐漸融合

image description 根據世界衛生組織表示,車禍每年奪走了超過 125 萬條人命,政府也因此耗費約 GDP 3% 的支出。 雖然自動駕駛可能帶來深入個人、經濟與政治領域的廣泛影響,不過單就可拯救的生命而言,自動駕駛可能是這個時代最具革命性的發明。 先進駕駛輔助系統 (ADAS) 集結了感測器、處理器與軟體以改善安全性,最終將可提供自動駕駛功能。

現在這類系統大多使用雷達或攝影機等單一感測器,光是如此就已帶來可觀影響。 根據 IIHS 在 2016 年的研究指出,自動煞車系統讓後方碰撞情況減少了約 40%,而碰撞警告系統則讓此情況減少了約 23%。 不過,NHTSA 的報告仍指出,在嚴重車禍中,有 94% 的肇因是人為錯誤。 為了讓駕駛輔助功能達到 Level 4 或 5 自動化,並讓汽車不再需要駕駛人,汽車產業現正面臨高度複雜的挑戰。 例如,必須採用匯聚眾多感測器的量測資料以導出結果的感測器整合技術 (Sensor fusion), 而這需要感測器本身能同步化、具有高功率處理能力,且需能持續改良。因此汽車製造商須在三項重要權衡中取得適當的平衡,那就是:成本、技術與策略。

成本:冗餘感測器與互補感測器

image description Level 3 自動化的標準是,當汽車處於預先定義的情況下時,駕駛人無須主動注意。 2019 年的 Audi A8 會是全球首款提供 Level 3 自動化的量產汽車。 此車款配備 6 台攝影機、5 個雷達裝置、1 個光達裝置與 12 個超音波感測器。 為什麼需要這麼多裝置呢? 簡而言之,這些裝置各有其優勢與不足之處。 例如,雷達可顯示物體移動的速度有多快,但是無法顯示物體為何。 這時候就需要感測器整合技術,因為預測物體行為時,前述兩項都是至關重要的資料點;而為了克服各感測器的弱點,就需要冗餘感測器個別發揮效用。

處理感測器資料的最終目標,是對汽車周圍環境建立故障保險 (fail-safe) 的表現方式;這項方式必須可饋送至決策演算法並壓低成本,最終產品才能帶來利潤。 為了達成此目標,其中一項最重大的挑戰,就是挑選正確的軟體。 請試想三個例子:緊密同步的量測作業、維持資料的可追蹤性,以及針對無數個現實情境進行軟體測試。 前述每個例子各有其獨特的挑戰性,而自動駕駛需要能實現前述這三項要求,但要付出多少成本才能做到?

光學雷達帶來了冗餘

image description

技術:分散式架構與集中式架構

ADAS 處理功能以多個隔離式控制單元為基礎;然而,感測器整合技術讓單一集中式處理器變得更加普及。 以 Audi A8 為例。 Audi 在 2019 年車款中將所需的感測器、功能組合、電子軟硬體架構結合為單一中央系統。 這款中央駕駛輔助控制器可運算出車輛周圍的完整模型,並啟動所有輔助系統。 此車款具備的運算能力,高於前款 Audi A8 所有系統加總後的表現。集中式架構的主要顧慮,在於高功率處理所帶來的成本;而由於需在車中設置次要整合控制器做為安全性備用措施,成本還會進一步提高。

隨著控制器與其處理能力持續演進,對分散式與集中式架構設計的偏好,也可能會隨時間經過而在兩者之間來回擺盪;這代表,為了因應控制器演進的速度,軟體定義測試設備的設計至關重要。

「[德國馬牌集團內裝部門執行委員會成員,Helmut Matschi] 表示,一切都會回歸到軟體工程。...根據他的預測,未來 10 年內,車輛在初期即會廣泛採用高效能電腦,而開發專案可能會將多達 80% 的預算投資在軟體上。」

—《Automotive News》, 〈Continental Bracing for a World of Bugs〉 (德國馬牌迎戰充滿錯誤的環境),2018 年

策略:內部技術與現成技術

要達到 Level 5 自動駕駛,自動駕駛汽車微處理器的處理能力需要比現有處理器高出 2000 倍;也因此,其價格很快就會變得比毫米波雷達感測器系統的 RF 元件更昂貴。 過去的經驗告訴我們,具有高需求且價格漸增的功能,會引起相關產業的市場領導者注意,進而促進現有的市場業者互相競爭。

就資料點而言,UBS 預估, 純電動力的 Chevrolet Bolt,其車體中半導體組件比重是同型內燃引擎汽車的 6 倍到 10 倍。 未來,半導體組件比重只會持續增加,而相關產業市場將對現成技術提供寶貴的技術改良。 例如,NVIDIA 針對汽車系統的 ADAS 應用調整其 Tegra 平台;這個平台最初是為了消費性電子產品而開發的平台。 此外,Denso 已著手設計與建構自有的人工智慧微處理器,藉此降低成本與耗電量;而 Denso 的子公司 NSITEXE Inc. 則規劃在 2022 年推出一款資料處理器,也就是名為「DFP」的新一代處理器 IP。 競爭已然開始。

在權衡中獲得最佳平衡

對這些權衡做出的決策,會大幅影響上市時間與在供應鏈內的差異化能力。 若要將驗證與產品測試的成本與時間降至最低,可快速重新設定測試設備的能力至關重要,因此軟體所帶來的靈活度會是關鍵所在。 Toyota Research Institute 的執行長總裁 James Kuffner 博士在訪談中表示:「我們不只要將預算提高到 2 倍,而是要提高到 4 倍。 我們用了近 40 億美元,讓 Toyota 成為擁有世界級軟體的全新移動 (mobility) 公司。」 這項觀點在汽車業界並不少見。 雖然目前對前述權衡的選擇尚無明確答案,但是就像過去的工業革命一樣,當時人們因為生產力提升而能夠負擔新技術;對自動駕駛革命來說,提升軟體開發效率也將會是不可或缺的一環。

冗餘與互補感測器考量

image description

下一步

image description

Jeff Phillips

NI 汽車市場行銷總監

2019 年 NI 趨勢觀察報告:重新思考大趨勢,穩當掌握未來

下載完整報告