字體：小 中 大 |
|
|
|
| 2022/11/03 13:01:49瀏覽1034｜回應0｜推薦1 | |
我覺得加上可測距的光達，會比單純使用攝像頭的影像辨識，較為精確也較為安全，所以我不知道為何Tesla要堅持只用攝像頭。   【科普看車用晶片】從自駕車的角度來觀察
過去的汽車基本上是燃油車居多，也沒有自動駕駛功能，因此，所需的晶片都很單純。而這幾年電動車/自駕車發展迅速， 也因此晶片的需求比過去提高很多。目前自駕車的發展仍然是現在進行式，因此，今天我們就從自駕車的角度來分享車用晶片的發展。
▌自駕程度解說(5 Autonomous Levels):
我們先從自動駕駛的Level出發，從每一個自動駕駛Level的差異，我們能看得出來在晶片需求上會有怎麼樣的差異。
➤ level 1跟level 0之間的差別：安全輔助
level 0屬於目前大部分的車，現在在路上跑的車就是level 0，他們有警示系統; 比如：現在偏離車道，快要撞到前方的車子的時候，車內會聽到警示聲音。
level 0與1是差在系統會不會介入，現在level 0車警告偏離車道，警告快要撞到前/後的車子，如倒車雷達，但是系統不會借用警告做出回應，系統不會去轉方向盤，不會去動剎車，就還是屬於level 0。但是在level 1，系統會幫忙踩剎車當系統偵測到車子快要撞到東西。偵測到車道偏移，系統幫忙轉動方向盤。level 1的車子偵測到危險的時候，會主動由系統去轉方向盤，主動踩剎車。
➤ level 2跟level 1之間的差別：系統輔助駕駛
駕駛車子的到底是誰? 是主要的差別。在level 2，駕駛者是汽車，駕駛座上的人只在車上監督系統。這意思是說駕駛人還是需要監控環境，以避免車子在發生電腦無法判斷的狀況時候，駕駛人可以踩下剎車或者轉方向盤。改成手動駕駛。
➤ level 3跟level 2之間的差別：監測系統升級
二級跟三級的差異，其實並不是這麼的大，二級跟三級都是系統在開車，在危險的時候也會需要人介入。level 3監測的各種Sensor，如：image processing，distant detector，雷達或光達的數量會比level 2來的多許多。level two跟level three之間最大的差別是當發生車禍的時候，level 2車禍的責任在於人，但在level 3車禍的責任在於車子的製造商。因此，大部分的車廠並不太喜歡level 3，他們會走直接從level 2直攻到level 4。
➤ level 4跟level 3之間的差別：系統自動駕駛
level 3與4 的差別就很大了，並不像2跟3之間的差別只是肇事的責任的歸屬而已，level 4就是真正可以做到：車子自己開車，完整的自動駕駛境界。人可以在車上睡個覺或者可以在車上看影片，在level 4大部分的情況車子都可以處理，比如說換車道，燈號的辨識…等。
level 4還需要人的地方在電腦還沒辦法處理的狀況，如在沒有燈號的十字路口，橫向車子一直不斷的走，等到有一個缺口，直向車的才有辦法往前走，但如果電腦判斷的話，電腦會等橫向的車子全部走完之後，才會判定安全往前面走，馬路是個叢林，人並不會這樣開車，等到橫向完全沒有車了，可能會在那個路口等20分鐘，還未加入人工智慧的level 4電腦不夠完美的地方。
➤ level 5跟level 4之間的差別：完全無人駕駛
level 5是真正的自動無人駕駛，完全不需要駕駛者，也就拿掉了方向盤，人最少的介入都不需要，電腦已經完全有AI智慧了，也可以處理level 4 不夠完美的部分。現在一般的車廠是從level 2直攻level 4。Google直接往level 5的方向來研發。但是目前因為美國立法關係，level 5的車子還只能在一些獨特的區域裡面測試，來累計資料。
▌晶片和自駕車：自駕程度越高, Sensor數量需求大增
Level 2的Sensor晶片至少要配備相機模組與毫米波雷達; Level3以及以上的Sensor晶片需要增加光達(lidar)、4D成像雷達、高精圖資、還有5G車聯網通訊模組以及AI快速運算電腦。Level 1 與2需要大約10-20顆感應器, 但是到Level 4與5的時候，除了這些Sensor外，還會再增加像CIS影像Sensor晶片、雷達Sensor晶片… 等等。因此，Level 1 與2需要的東西當然4與5也會有，但是差距會變成會有兩倍或者3倍以上的Sensor數量。
當然，光是簡單的講Level 1~Level 5的差別，大家可能還沒辦法很好的想像實際的系統會長什麼樣子，因此最後我們就用Tesla最新發表的自駕系統Tesla Dojo來簡單說明一下～
▌Tesla Dojo 解決方案:
➤ Tesla的視覺演演算法
Tesla透過晶片, 來進行電動車垂直營運的掌控, 從數位進階到複雜的AI演算法的龐大轉變, 需要相匹配的晶片來配合, 很難由外部供應商使用通用的晶片來進行優化。
自動駕駛的四個關鍵模組裡面: 感知預測, 規劃以及控制都會透過Tesla Dojo的晶片來完成。而這4個模組也就是感知/預測/規劃跟控制中: 感知模組(Sensor)是一個關鍵，Tesla使用全視覺演算法，多達8顆相機，直接來截取目前車外的影像，而不是使用光達或是雷達這種方式來測量前後左右的物體、跟車子彼此之間的距離。這些是和其他車廠最大的不同，Tesla希望採取的技術路線是使用相機，接著使用視覺演演算法。
➤ 使用雷達或光達跟相機有什麼不同呢?
光達跟雷達非常接近，但是光達跟相機進行不同的是：他們是測距，同時光達因為精確的測距，可以做3D mapping。但是，他就不是直接把外面的圖像抓進來，這是Tesla Dojo的路線。與其他電動車的不同之處是：他們認為相機便宜而且不需要特殊獨特的技術。因此Tesla完全否定了光達跟雷達這個路線，他們使用RAW的格式作為輸入，因此並不是ISP處理完以後的影像，所以他們強調的是他們視覺演算法。
➤ Tesla Dojo 解決方案
Dojo超級電腦會訓練人工智慧軟體，收集到的大數據輸入Tesla D1晶片來訓練Autopilot神經網路，訓練好的軟體會無線傳輸到特斯拉汽車裡的FSD晶片。
儲存空間需求與大量計算產生的功耗，長久以來Tesla使用NVIDIA的GPUs。但設備需要更多的內存，計算能力使得他面臨許多的限制在擴展與連接方面，於是Tesla決定使用Dojo解決瓶頸。
在AI Day中Tesla透漏，在現實世界中，Tesla Dojo的性能高於Nvidia A100 3-4倍。AI訓練時間也由1個月降到不到1個禮拜。而因為Dojo這樣的超級電腦會需要很多的晶片一起組成，在系統整合方面，Tesla也採用了全新的封裝設計，甚至因為將這麼多的晶片封裝在一起會有電源和散熱的問題，Tesla也將這部分的系統也都一起重新設計了。
關於更多Tesla Dojo的細節，有興趣的人也可以參考最近的Tesla AI Day～
|
|
| ( 時事評論｜財經 ) |
