实际上,“人工智能(AI)”并没有明确的科学定义,但是有一种普遍的理解是将AI诠释为被人类视为“智能”的学习系统。此外,就很难更明确地描述它的定义,因为“智能”一词缺乏明确的理论解释。

 

在汽车应用领域,当今和未来具有代表性且最广为人知的人工智能相关功能应用包括自动驾驶(AD)应用,以及物体传感、物体识别和对结果反应的决策。这些功能通常需要很高的计算能力(100k DMIPS级别范围内)。

 

 

图1说明了随着时间的推移,更高水平的传感将如何从人类驾驶员转向使用人工智能(AI)和机器学习(ML)的自动驾驶技术。(来源:NSITEXE,Inc.,2021)

 

较低的应用层与传统的实时执行器控制有关,如推进、转向和制动等“车辆运动”,乍一看可能不是从人工智能和机器学习这种新兴技术中获益的主要目标,但是由于持续的成本压力,在现如今,并且很可能在未来,它将继续通过常规微控制器以有限的嵌入式性能(高达10k DMIPs)来实现。

 

然而,事实恰恰相反!尤其是“车辆运动”类别的实时执行器控制应用受到各种新要求(例如欧7法规)的挑战,这些要求导致算法的复杂性增加,并产生了对更高的性能水平与更大的通信带宽的需求。所有这一切都将在没有提到成本增加的前提下成为可能,这在汽车控制应用中非常典型的。

 

那么,如何在传统的成本平衡MCU系统上实现对人工智能和机器学习功能更高的性能要求呢?答案在于特定的硬件加速器,它们可以作为协同处理器嵌入在MCU芯片中实现。

 

带有嵌入式硬件加速器的RH850/U2B微控制器

 

瑞萨电子用于其下一代28nm微控制器RH850/U2B FCC的硬件加速器概念是:“DFP” 数据流处理器IP(Data flow processor),又名“DR1000C”,已获得日本NSITEXE,Inc.的许可。

 

*NSITEXE是一家IP供应商,成立于2017年,是从DENSO公司独立出来,专门从事高级处理器的开发。

 

RH850/U2B FCC微控制器针对车辆运动和区域控制的应用领域,实现了多达8个以400MHz运行的性能内核,每个内核都具有可视化支持和服务质量(QoS),解决了将多个应用程序集成到一件设备中,同时不被干扰的难题,以满足ISO26262 ASIL-D标准。

 

图2:DFP-概念视图(来源:NSITEXE,Inc.,2021)

 

DR1000C是一款基于RISC-V的专用并行协处理器,针对多线程机制和矢量指令进行了优化设计,可从主CPU卸载密集计算任务,从而加速高级控制算法。

 

从概念上讲,DR1000C是一种多指令多数据(MIMD)高性能ASIL-D矢量处理器,可实现数据级和任务级并行。矢量执行单元与多线程架构的结合实现了高度灵活性,从而加速通常用于人工智能和机器学习功能的各种算法类型。有关更多详细信息,请参阅下面的“案例”部分。

 

图3:DR1000C架构(来源:NSITEXE,Inc.,2021)

 

DR1000C性能

 

与传统汽车CPU(即Harvard架构)相比,DR1000C IP的特定并行MIMD架构带来了量级的性能优势。特定的数学函数,如高斯过程(径向基函数)、卡尔曼滤波器或BLAS在与DR1000C一起执行时会大大受益。

 

图4:DR1000C性能水平(来源:NSITEXE,Inc.,2021)

 

案例

 

在可以受益于DR1000C的人工智能或机器学习的汽车环境中有多个实例。以下是前面提到的“车辆运动”部分中的几个应用示例。

 

[虚拟传感器]

这是一个通过虚拟处理实时模型来模拟相关现实世界系统的物理过程,从而取代物理硬件传感器的概念。这里的简单动机是降低系统成本。底层建模方法通常使用径向基函数网络,可以将其解释为人工神经网络。径向基函数有很多用例,包括函数逼近、时间序列预测和系统控制。

 

图5:虚拟建模(来源:NSITEXE,Inc.,2021)

 

[模型预测控制(MPC)]

是一种控制功率转换器或电动机驱动器的方法学。它通过动态预测和优化系统参数,并结合系统约束,提供处理多种控制任务的能力。特别是非线性MPC模型可能会以训练数据集(基于人工神经网络)的形式反映出来。

 

图6:模型预测控制(来源:NSITEXE, Inc.,2021)

 

[网关入侵检测系统(IDS)]

IDS系统通常是通过将“常规”行为与入侵者的行为进行对比来识别网络攻击。今天,大多数基于规则的系统已经适用于识别已知的攻击类型,然而,如果入侵者使用了不同的或迄今为止未知的攻击方法,则不太成功。

 

在这里,机器学习提供了一种扩展的可能性,可以根据流量模式(包括带宽、设备、端口和协议)对网络活动进行分类。通过将“健康”流量的训练(机器学习的)模式与实际网络通信进行比较,可以实现对新演变的威胁类型的检测。这是静态的、基于规则的系统无法做到的。

 

图7:入侵检测系统概念(来源:NSITEXE,Inc. 2021)

 

DR1000C工具环境

 

应用程序开发可以通过C编码实现,其中用户应用程序用C语言编写,结合内部函数调用DR1000C服务。或者使用MATLAB/Simulink的“DFP工具箱”进行基于模型的开发。一个“SDK”将包括一个运行时线程调度器(RTS)、一个基于GNU的工具链、一个模拟器和一个调试器。另外还可以选择在支持ASIL-D的诊断库以及ISO26262工具认证方面的功能安全正在开发中。

 

结论

 

在不久的将来,基于成本平衡的汽车MCU系统必须能够涵盖广泛的算法,尤其是机器学习(ML)和嵌入式人工智能(AI)、控制理论、信号处理和物理建模。

 

瑞萨电子将通过显现出灵活硬件加速器概念“DR1000C”来丰富下一代微控制器,该概念针对汽车实例进行了优化调整,可以通过小数因子提高传统MCU的实时性能,同时将各自的成本和功耗保持在可承受的水平。