Industriële fabricage
Industrieel internet der dingen | Industriële materialen | Onderhoud en reparatie van apparatuur | Industriële programmering |
home  MfgRobots >> Industriële fabricage >  >> Industrial Internet of Things >> Ingebed

Automotive processor beschikt over geïntegreerde AI-versneller

TI heeft voor het eerst een speciale AI-versneller toegevoegd aan een van zijn auto-SoC's, in een beweging die perfect de groeiende acceptatie van deep learning-technieken in ADAS-systemen voor auto's illustreert. Het nieuwe deep learning-blok is gebaseerd op TI's gloednieuwe C7x DSP IP plus een intern ontwikkelde matrixvermenigvuldigingsversneller.

De TDA4VM, een van de twee eerste SoC's die werd gelanceerd als onderdeel van de Jacinto 7-serie, combineert voorverwerking van sensoren en data-analyse die zijn ontworpen om invoer van 8-megapixel camerasystemen aan de voorzijde te verwerken. Als alternatief zou de TDA4VM kunnen omgaan met vier tot zes 3-megapixelcamera's die tegelijkertijd werken naast ingangen van radar-, lidar- en ultrasone sensoren. Deze camera's en sensoren maken geavanceerde rijhulpsystemen (ADAS) mogelijk, zoals automatisch parkeren. Deep learning kan worden gebruikt om gegevens van verschillende sensoren te fuseren of om technieken zoals objectdetectie mogelijk te maken.


De TDA4VM bevat een deep learning-versneller voor ADAS-functies op basis van analyse van camera-, radar-, Lidar- en ultrasone gegevens (Afbeelding:TI)

DSP Plus MMA

Tijdens een TI-persevenement in München, Duitsland, sprak EETimes Europe met Sameer Wasson, vice-president en business unit manager van TI's processoractiviteiten, en Curt Moore, algemeen directeur en productlijnmanager van TI's Jacinto-productlijn.

"Dit is de eerste SoC met de C7x [DSP] erop", zegt Moore. "We hebben instructies voor vectoren toegevoegd, wat voor computervisie is, maar we erkenden ook dat als je kijkt naar hoe DSP's traditioneel werden gebruikt, veel van dat erfgoed te maken heeft met zaken als communicatie-infrastructuur, [waar het probleem is] hoe je voedt een enorme hoeveelheid data in een SoC, of ​​in een wiskundige engine, hoe je het kraakt en hoe je het eruit haalt. Het is erg moeilijk.”

klik voor grotere afbeelding

Figuur:TDA4VM functioneel diagram. (Bron:Texas Instruments)

De nieuwe C7x DSP is gespecialiseerd in het verwerken van grote hoeveelheden gegevens en het uitvoeren van complexe wiskundige bewerkingen in moeilijke realtime-omgevingen. De datastreamingcapaciteit van de DSP werd gecombineerd met een matrixvermenigvuldigingsversneller om deep learning-toepassingen te stimuleren.


Sameer Wasson (Afbeelding:TI)

"We noemen het liefdevol de MMA", zei Wasson. "Er zijn verschillende situaties voor hoe we het kunnen gebruiken met onze bibliotheken ... we hebben TIDL [Texas Instruments Deep Learning], een toplaag die de complexiteit van de MMA abstraheert, je kunt het daardoor programmeren. Maar het mooie is hoe de C7x ermee omgaat, zodat de gegevens er sneller in en uit kunnen komen.”

De TDA4VM is voor ADAS-systemen tussen 5W en 20W. In de praktijk zei Wasson dat camerasystemen aan de voorkant doorgaans een stroombudget hebben van minder dan 7 W, maar dezelfde SoC past ook bij complexere systemen zoals automatische parkeerservice, die mogelijk dichter bij 20 W komen.

Een deel van de pitch van TI is dat het gebruik van een hightech SoC als deze de systeemkosten voor toepassingen zoals camerasystemen aan de voorkant daadwerkelijk kan verlagen.

"Als je de juiste soort diepgaande kennis hebt, heb je misschien geen stereocamera's nodig", zei Wasson. "Je zou het kunnen doen met een lagere, goedkopere lens. Dus voor een OEM of een Tier 1 zijn dat aanzienlijk lagere kosten, maar je hebt daar de motor die dit [effectief] compenseert en je een prestatie-upgrade geeft."

Bereik van rekenkracht


Curt Moore (Afbeelding:TI)

De deep learning engine in de TDA4VM is in staat tot 8 TOPS. Toen het eerste deel in de Jacinto 7-serie werd gelanceerd, zei Moore dat het bedoeld is als onderdeel van het middensegment in termen van rekenkracht; toekomstige apparaten zullen zowel erboven als eronder komen. Toekomstige onderdelen met bijvoorbeeld 2 TOPS kunnen nuttig zijn voor minder rekenintensieve functies zoals bestuurdersbewaking of bezettingsdetectie.

"Een van de mooie dingen van de automarkt is dat al deze use-cases naast elkaar bestaan", zei Wasson. “Zelfs wanneer een OEM met een gloednieuw, bijgewerkt platform komt, zijn er op hetzelfde platform verschillende autolijnen, en ze bestaan ​​allemaal naast elkaar. De grootste uitdaging wordt dan hoe ze softwarecompatibel worden... als je het meest schaalbare platform maakt en de SoC schaalt met verschillende gebruiksscenario's, heb je ze nu een canvas gegeven waarop ze zich kunnen uiten."

Moore beschreef het brede scala aan voertuigen waarvan nu wordt verwacht dat ze ADAS-functies hebben, van voertuigen die $ 10-12.000 kosten tot $ 100.000 en meer.

"Chauffeurs in deze voertuigen hebben andere verwachtingen", zei Moore, erop wijzend dat een ADAS-systeem van $ 3.000 in een voertuig van $ 100.000 een heel ander voorstel is dan hetzelfde systeem van $ 3.000 in een auto te plaatsen die $ 12.000 zal kosten.

"De andere uitdaging die deze bedrijven hebben, is dat als je zelfs maar aan een groot autobedrijf denkt, hun [ontwikkelingsbudget] $ 10 miljoen per jaar kan zijn", zei Moore. "Ze moeten die ontwikkelingskosten afschrijven over een relatief klein aantal voertuigen in vergelijking met een fabrikant van mobiele telefoons, die een paar modellen bouwt, en er zijn tientallen miljoenen [verzonden eenheden]."

De volumeproductie van de TDA4VM zal naar verwachting in de tweede helft van 2020 beginnen. Preproductie-apparaten en de TDA4VMXEVM-evaluatiemodule zijn nu beschikbaar.


Ingebed

  1. Gebruik FPGA's voor diepgaand leren
  2. TDK:volledig geïntegreerde embedded motorcontroller met uitgebreid geheugen voor automotive
  3. Dialog Semiconductor:nieuwste SmartBond SoC's bieden geïntegreerde ARM Cortex-M33-processor
  4. CEVA:tweede generatie AI-processor voor diepe neurale netwerkworkloads
  5. Automotive LED-controller vermindert EMI
  6. 30 fps automotive imaging radarprocessor debuteert
  7. ICP:FPGA-gebaseerde acceleratorkaart voor diepgaande leerinferentie
  8. Uitbestede AI en deep learning in de zorgsector – loopt de gegevensprivacy gevaar?
  9. Kunstmatige intelligentie versus machinaal leren versus diep leren | Het verschil
  10. Deep Learning en de vele toepassingen ervan
  11. Hoe deep learning inspectie automatiseert voor de biowetenschappenindustrie