En este artículo técnico, Dan Leih, director de marketing de producto del grupo de sistemas de conectividad y redes de Microchip Technology analiza los cinco de los principales retos técnicos y sociales a los que se enfrentan los fabricantes de vehículos al pasar de capacidades ADAS de nivel 2 a sistemas autónomos de nivel 3 y 4 que permiten al conductor apartar la vista y la mente de la carretera que tiene por delante.
Los fabricantes de vehículos autónomos que operan en las carreteras de California están obligados a documentar e informar anualmente de cada intervención realizada por los pilotos de pruebas, incluyendo la causa y el kilometraje del vehículo. En menos de cinco años, estos informes han demostrado mejoras muy significativas en las intervenciones por kilómetros para prácticamente todas las compañías de automóviles.
La empresa con menos intervenciones, Zoox logró, aproximadamente, 142.000 millas por intervención manual en 2023, un aumento de cinco veces en millas respecto a 2022 y una mejora de 75 veces respecto a 2019. Con cinco veces el kilometraje de cualquier otra empresa durante 2023, Waymo aún promedió más de 17.000 millas por intervención.
A pesar de estas mejoras significativas, varias empresas automovilísticas de alto perfil han abandonado o suspendido sus operaciones, o han tenido permisos suspendidos tras accidentes. Esto demuestra que aún existen desafíos significativos para desarrollar sistemas autónomos y, por extensión, sistemas de nivel 3 de «manos condicionales no intervencionistas».
Se necesita una revisión en las arquitecturas informáticas
Ya sea un robotaxi, un camión autónomo de larga distancia o un vehículo de consumo, avanzar a niveles más altos de autonomía requiere un número y variedad cada vez mayor de sensores. El robotaxi Waymo Generation-5 combina 29 cámaras de visión, seis radares y cinco sensores LiDAR. Las cámaras 4K 30 fps generan datos de imagen a 6 Gbps, lo que indica que las cámaras por sí solas enviarán 20 GB de datos a la red cada segundo. Incluso con el coste reducido en la próxima generación 6 de robotaxis (con 13 cámaras), esto sigue siendo una transmisión de datos de casi 10 GB por segundo.
A pesar del creciente número de ECUs en un vehículo, las arquitecturas informáticas automotrices tradicionalmente han consolidado el procesamiento para cada función específica dentro de un único elemento de cálculo, que integra datos de sensores o entradas dedicadas. Incluso en sistemas ADAS de nivel bajo, esto es difícil.
En un sistema autónomo de nivel superior, el coste, las tasas de datos y la disipación de energía del procesamiento requerido hacen imposible el uso de elementos de procesamiento individuales.
Gestionar el enorme aumento de datos requiere una revisión en las arquitecturas de procesamiento que distribuyen las cargas de cálculo entre varios núcleos de cómputo en uno o más procesadores. Esta arquitectura se convierte en un clúster de cómputo central, creando efectivamente un centro de datos sobre ruedas.
Nuevos enfoques que mejoran
En este enfoque del vehículo como centro de datos, elementos de procesamiento especializados realizan análisis de imágenes en flujos de datos de cámaras. Núcleos de procesamiento o CPUs separados pueden combinar datos de cámara con radar o LiDAR, utilizando la «fusión» de datos de diferentes tipos de sensores para crear una mejor comprensión del entorno alrededor del vehículo. Otros núcleos pueden centrarse entonces en la «política», es decir, en la determinación de la acción requerida basada en la salida del análisis del sensor.
Waymo utiliza el enfoque multiprocesador y centro de datos para gestionar los 39 principales sensores y el movimiento de su robotaxi de Nivel 4. De manera similar, los principales fabricantes están implementando esta arquitectura multiprocesador para habilitar sus sistemas ADAS de Nivel 2+, que a menudo incorporan funciones de infoentretenimiento y gestión de cabina dentro del clúster central de cómputo.
Para optimizar el tiempo de desarrollo y los costes de soporte al tiempo que se apoya una variedad de capacidades, se requiere una arquitectura de cómputo reutilizable, escalable y de alto rendimiento.
Aprendiendo de décadas de desarrollo de centros de datos, los elementos básicos de una arquitectura HPC escalable ya son conocidos, e incluyen:
- SoCs de computación de alto rendimiento con motores especializados de procesamiento de imagen (inferencia y aceleración)
- Interconexión PCIe de elevado ancho de banda y baja latencia para permitir el movimiento de datos entre SoCs
- Conectividad de red Ethernet a bordo del vehículo hacia el clúster HPC, transportando flujos de datos de sensores y señales de control a otros sistemas principales del vehículo
- Elementos de procesamiento de seguridad, que gestionan las operaciones del sistema HPC
