TI onthult eerste automotive SoC met toegewezen AI-accelerator

Texas Instruments (TI) heeft voor het eerst een toegewijde AI-accelerator in zijn automotive system-on-chip (SoC) ingebouwd, wat de snelle integratie van deep-learning-mogelijkheden in geavanceerde bestuurdersassistentiesystemen (ADAS) benadrukt. Het nieuwe blok combineert TI's meest recente C7x digitale signaalprocessor (DSP) IP met een proprietaire matrix-vermenigvuldiging-accelerator.

De TDA4VM, een van de eerste Jacinto 7 SoCs, fuseert sensor-pre-verwerking en data-analytics om invoer van een 8-megapixel front-geplaatste camera te beheren, of alternatief vier tot zes 3-megapixel camera's die gelijktijdig draaien met radar, LiDAR en ultrasoon-feeds. Deze sensoren aandrijven ADAS-functies zoals geautomatiseerd parkeren, terwijl deep learning sensor-fusie en objectdetectie mogelijk maakt.

De TDA4VM bevat een deep-learning-accelerator voor ADAS, die camera, radar, LiDAR en ultrasoon-data analyseert (Afbeelding: TI)

DSP Plus MMA

Op een TI-persbijeenkomst in München, Duitsland, sprak EETimes Europe met Sameer Wasson, vice-president en business unit manager van TI's processor-business, en Curt Moore, general manager en product line manager van TI's Jacinto-productlijn.

„Dit is de eerste SoC die de C7x DSP erop heeft,” zei Moore. „We hebben vector-instructies toegevoegd die afgestemd zijn op computer vision, maar ook gebouwd op de DSP-erfgoed van het verwerken van massive datastromen – ze efficiënt verwerken en resultaten in realtime leveren.”

klik voor grotere afbeelding

Figuur: TDA4VM Functioneel Diagram. (Bron: Texas Instruments)

De nieuwe C7x DSP excelleert in het verwerken van volumineuze datastromen en het uitvoeren van complexe wiskundige operaties in veeleisende realtime-omgevingen. Zijn data-streaming-mogelijkheid is gekoppeld aan een matrix-vermenigvuldiging-accelerator – „de MMA” – om deep-learning-workloads te versnellen.

„We noemen het liefdevol de MMA,” zei Wasson. „Met bibliotheken zoals TIDL (Texas Instruments Deep Learning), wordt de MMA's complexiteit geabstract; ontwikkelaars programmeren via TIDL, terwijl de C7x data in en uit levert met ongekende snelheid.”

De TDA4VM richt zich op ADAS-systemen met power-enveloppen tussen 5 W en 20 W. In de praktijk blijven front-camera-oplossingen meestal onder de 7 W, terwijl meer geavanceerde use cases – zoals automatische valet-parkeren – de 20 W bovengrens kunnen benaderen.

TI betoogt dat het implementeren van een high-tech SoC de totale systeemkost voor front-camera-toepassingen daadwerkelijk kan verlagen.

„Met de juiste deep-learning-modellen kun je stereocamera's vermijden,” zei Wasson. „Een enkele, lagere-kost lens kan equivalente prestaties leveren, dankzij de krachtige motor die compenseert voor verminderde sensor-input.”

Bereik van Compute

De TDA4VM's deep-learning-motor levert 8 TOPS. Als de vlaggenschip Jacinto 7-lancering, positioneert Moore het als een mid-range performer; toekomstige varianten zullen zowel lagere als hogere compute-niveaus beslaan. Bijvoorbeeld, een 2 TOPS-apparaat kan volstaan voor bestuurder-monitoring of bezettingsdetectie.

„Een van de schoonheden van de automobiele markt is dat al deze use-cases co-existeren,” zei Wasson. „Zelfs wanneer OEM's een nieuw platform uitrollen, kan een enkele SoC meerdere voertuiglijnen bedienen, elk met distincte eisen. De uitdaging is dan het garanderen van software-compatibiliteit over dat spectrum.”

Moore benadrukte de breedte van voertuigen die nu ADAS incorporeren – van entry-level modellen geprijsd op $10–12k tot premium auto's boven de $100k.

„Bestuurders in een $100k voertuig verwachten een andere ADAS-ervaring dan die in een $12k model,” merkte hij op. „Een $3k ADAS-pakket voelt premium in de eerste maar basis in de laatste.”

Hij wees ook op budgetbeperkingen: „Zelfs grote automakers kunnen slechts $10 miljoen per jaar aan ontwikkeling besteden. Die kosten moeten geamortiseerd worden over een relatief kleine vloot, in tegenstelling tot handset-makers die tientallen miljoenen units shippen.”

Volume-productie van de TDA4VM is gepland om in de tweede helft van 2020 te beginnen, met pre-productie-units en de TDA4VMXEVM-evaluatiemodule al beschikbaar.