Una piattaforma per la guida autonoma

Benché i sistemi di assistenza alla guida siano ancora in piena evoluzione, il mercato automotive sta già guardando al futuro. Sempre più spesso si sente parlare di vetture a “guida autonoma”, cioè di veicoli in grado di muoversi da soli anche nelle situazioni di traffico più congestionate. A tale proposito vi sono importanti esperimenti in corso da parte di società quali Waymo (ex Google Car), i cui prototipi hanno all’attivo milioni di chilometri percorsi senza incidenti significativi. Dotare un veicolo della capacità di decidere autonomamente come spostarsi comporta il ricorso a tantissimi sensori i cui dati vengono utilizzati per pilotare i sistemi di guida e di sicurezza. Ovviamente ciò richiede l’acquisizione, la sincronizzazione e l’elaborazione di moli di dati enormi, tali da mettere in crisi le capacità delle architetture distribuite alla base dei sistemi Adas dell’attuale generazione. I limiti principali delle soluzioni distribuite riguardano costi ed efficienza. Ogni punto di rilevamento è dotato di risorse proprie di elaborazione, le quali - oltre un’inevitabile latenza locale - implicano la trasmissione di una quantità parziale e filtrata di informazioni pre-trattate. A questo si affianca una certa inefficienza a livello di risorse: molte funzioni sono replicate in tutti i nodi di rilevamento, con ovvi incrementi di costi e di consumi. Senza contare i problemi di scalabilità: infatti, nelle architetture distribuite, quanto più aumenta il “livello” Adas tanto più cresce il sovraccarico di funzioni di sistema ridondanti. A tale proposito, i produttori stanno dando vita a un graduale ritorno verso le architetture centralizzate, dove dei sensori “elementari” distribuiti nella vettura si limitano a inviare i dati grezzi incondizionati a un punto di raccolta unificato. Tale approccio si concretizza in numerosi vantaggi a livello di costo, precisione, scalabilità e velocità.

Una soluzione completa di guida automatizzata

Un esempio di questo ritorno al passato è la nuova piattaforma DRS360 di Mentor, una soluzione completa di guida automatizzata basata su una tecnologia innovativa che cattura, fonde e utilizza dati grezzi in tempo reale provenienti da una vasta gamma di sistemi di rilevamento quali radar, lidar, unità di visione, sensori ambientali e così via. La piattaforma DRS360 offre notevoli miglioramenti in termini di riduzione della latenza, precisione di rilevamento ed efficienza complessiva di sistema. Tali requisiti sono in linea con i veicoli autonomi Sae di Livello 5, anche se grazie alla sua scalabilità la soluzione Mentor è in grado di accompagnare i costruttori automotive già a partire dal Livello 2.
Prima soluzione di questo tipo tra le piattaforme di guida autonoma, DRS360 trasmette a un’unità centrale di elaborazione tutti i dati non filtrati provenienti dai sensori del sistema, fondendoli in tempo reale a tutti i livelli. La piattaforma utilizza innovativi “sensori a dati grezzi” realizzati da fornitori leader. Questi dispositivi permettono di evitare i sovraccarichi di potenza, costo e ingombro imposti dai microcontrollori e dai relativi circuiti di elaborazione utilizzati nei nodi di sensori.

Riduzione dei costi e della complessità

Evitando la presenza di microcontrollori di pre-elaborazione locali è possibile conseguire numerosi vantaggi, tra cui prestazioni in tempo reale, riduzione significativa dei costi e della complessità di sistema e accesso a tutti i dati acquisiti. Ciò permette di definire un modello con risoluzione più accurata delle condizioni ambientali e di guida del veicolo. La snella architettura di trasporto dei dati della piattaforma riduce inoltre la latenza del sistema minimizzando la presenza di strutture bus, interfacce hardware e dorsali Ethernet temporizzate. Grazie alla centralizzazione dei dati generati dai sensori non filtrati, questa architettura garantisce inoltre una ridondanza adattativa e una risoluzione dinamica che contribuisce ad aumentare precisione e affidabilità. Il software ottimizzato di elaborazione dei segnali, gli algoritmi avanzati e le reti di calcolo neurali per il machine-learning girano su una piattaforma perfettamente integrata di categoria automotive. La piattaforma DRS360 è progettata per la produzione. Essa consente di soddisfare i requisiti di sicurezza, costo, potenza, termici e di emissione dei sistemi Iso 26262 Asil D. L’ambiente sfrutta i livelli superiori di flessibilità e d’efficienza di elaborazione del segnale tipici degli Fpga. Per la cattura, la fusione e la pre-elaborazione dei segnali la piattaforma ricorre agli MPSoC programmabili Zynq UltraScale+ Xilinx di prima generazione, supportati da SoC e controller di sicurezza basati su architetture x86 o Arm. Il risultato è una soluzione completa che supporta le funzioni di guida completamente automatizzata con un pacchetto da meno di 100 Watt.

Pubblica i tuoi commenti