使用分离式架构嵌入式计算机改进自动驾驶汽车测试

作者：Dustin Seetoo

自动驾驶汽车这项技术的下一阶段是不断测试和改进用于部署这些自动驾驶汽车的技术。显然，需要进行测试来证明它们在任何和所有道路条件下都是安全的。

对于像自动驾驶系统这样流动而复杂的技术，测试必须足够灵活，以考虑变化，可能是动态的，但又足够严格，以便结果在实际应用中具有意义。有许多不同的方式可以进行这种测试。

测试自动驾驶汽车的挑战之一是，它们可能会在许多不同的条件下和环境挑战下使用相当长的一段时间。因此，测试方案必须尝试“随着时间的推移”模拟测试。这不是一件容易复制的事情。

许多测试都是在实验室中进行的，现场的实际行为是无可替代的。在某些情况下，车辆在现场学习和训练，并实时进行调整。

切断（无线）线

自动驾驶技术设计人员面临的另一个挑战是无线通信媒体的速度和可用性。虽然5G可能具有实时处理许多任务的带宽，但尚未推出具有完整覆盖的高效5G。其他较慢的媒体渠道是不够的，除了数据下载或车辆软件升级，这可能发生在车辆静止时。

此外，由于自动驾驶技术相对较新，组件会定期更换，这进一步使测试复杂化。如果环境未锁定，则几乎不可能维护有效数据。

所有这些重要测试的最终结果是，车辆生成的数据量是巨大的，很容易达到TB。尝试无线下载所有这些信息可能是一项艰苦的长期工作。为了消除漫长的下载时间，Premio提出了一种解决方案，允许OEM简单地随身携带数据。除了消除长时间的无线下载外，该解决方案还保持了数据的安全性和完整性。

PremioRCO-6000 系列 EdgeBoost 节点嵌入式计算机被称为罐式方法，可在车辆和中央存储库之间快速高效地收集和传输数据，其中可以使用 AI 工作负载信息收集、存储和分析数据。Premio采用的设计最初是一个定制项目，但后来随着对该技术的需求越来越多而演变为商业产品。RCO-6000-CML系列是最新的AI边缘推理计算机，它使用Premio的模块化EDGEboost节点设计来优化现场测试自动驾驶应用的性能加速和数据采集。

NVMe 固态硬盘可以承受冲击

非易失性存储器 （NVMe） 罐式产品的一个关键设计元素是此类环境所需的加固性，同时仍然能够非常快速地聚合和存储数据。使用额定为高冲击和振动水平的固态磁盘（SSD），数据保持不变。

RCO-6000 系列 EdgeBoost 节点嵌入式计算机的架构可以部署在各种配置中，具体取决于特定应用和最终目标。如下图所示，最简单的配置将仅用于数据捕获。在这里，罐将被移除，并带到外部来源进行存储和分析，通常与其他实例（其他车辆或同一车辆随时间变化）的数据相结合并进行比较。这种配置的主要优势是高速 NVMe 技术，可提供可靠的数据采集，可以将其卸载到一个中心位置，以实现更大的机器学习和 AI 工作负载。此外，支持 100GbE 网卡的能力为从本地设备（边缘）到更中心的位置（云）的数据传输提供了更大的带宽。

第二种配置用于现场测试，其中使用性能加速模块在现场进行推理。显然，该容器的配备与仅用于存储信息的模型不同，因为它通过专用的 PCIe 通道动态处理大量计算，以便在 GPU、m.2 模块甚至 NVMe 存储介质中进行硬件加速。

最终配置是处理推理和数据捕获的完整模型。请记住，在所有三种配置中，都可以轻松移除容器，以便将数据带回主处理单元进行进一步分析。在所有三种配置中，该架构都增加了一个物理安全元素，因为数据保留在容器中，容器可以存储并保存在物理锁和密钥后面。

如图所示，根据应用和用户的目标，可以部署RCO-6000系列EdgeBoost节点嵌入式计算机容器的多种配置。每个配置都包括拆分架构，可以轻松捕获和删除数据。

Premio已经为一家关键的OEM客户部署了几百台RCO-6000系列EdgeBoost Node嵌入式计算机。因此，从数据收集领域的客户体验中学到了很多东西。除了传输和安全存储数据的简单性之外，确保数据的有效性同样重要，这些数据在容器内部处理。Premio专家很快承认，这种设计需要在产品开发阶段进行严格的测试。

请注意，通过实现弹出按钮可以非常简单地移除容器。Premio 提供了一个软件实用程序，使 OEM 可以轻松地将此过程包含在他们自己的用户界面中，从而允许 OEM 通过软件开发进行差异化和定制。

实际上，容器可以通过两种不同的方法之一进行连接，通过 PCIe 转接卡或通过 NVMe 硬件 RAID 控制器。如果目的是直接连接到 CPU 的 PCIe 通道，则使用前者。然而，后一种方法将用于需要硬件 RAID 的情况。

虽然您可能预计这种方法会将功耗提高到可能不可接受的水平，但 RCO-6000 系列 EdgeBoost 节点嵌入式计算机并非如此。这个概念来自这样一个事实，即嵌入式计算机可能由车辆本身提供动力。通过一些智能节能设计，Premio工程师能够（大部分）消除额外的功耗，并通过支持宽功率电压输入来保持工业级设计。

用于边缘 AI 的全功能嵌入式计算机

从功能的角度来看，RCO-6000系列EdgeBoost Node嵌入式计算机可以分为三个主要用途（计算机处理所有三个用途）：

数据捕获：捕获足够的数据来训练能够在真实环境中部署的高效模型。这要求所有捕获的数据都以足够快的速度写入 SSD，以便不会丢弃任何数据。

测试运行：在现实世界中进行测试运行以测试模型，同时捕获数据以查看模型的效率。这需要混合推理功能和快速存储。

最终部署：一旦确定解决方案足够成熟，就可以在大规模生产中部署最终推理。这需要纯粹的推理能力。

用于工作负载整合的可扩展和多功能 I/O

RCO-6000 系列支持 I/O 支架，可在坚固边缘的高级工业应用中实现高速连接和低延迟数据传输。凭借多样化的模块化配置，计算机的 I/O 灵活性允许工作负载整合，以处理各种数字和模拟传感器。例如，子板模块可用于通过 GbE 和 USB 等选项实现更多 I/O。

高速网络

一个关键的挑战是确保可以足够快地捕获数据，以便不会丢失任何内容。RCO-6000 系列 EdgeBoost 节点嵌入式计算机通过包括超高速 NVMe SSD 并通过 100-Gbit/s 以太网网络适配器进行通信来处理这个问题。

总结

RCO-6000系列EdgeBoost Node嵌入式计算机的主要部署目标之一是物理迁移SSD，而无需通过无线网络转发数据的艰巨（和更常见）方法。只需卸下罐子，就可以在几分钟内卸载数据，同时，可以快速插入新的罐子，让车辆除了短暂的“进站”之外，还能留在路上。车辆返回现场以捕获更多数据的周转时间实际上是以（低个位数）分钟为单位。

Premio的车载计算机设计用于在最恶劣的环境条件下运行，同时在自主和远程边缘部署中提供关键任务可靠性。独特的架构显著减少了停机时间，是实时本地处理和推理分析的理想选择。使用 Premio 基于加固型车载容器的嵌入式计算机加速您的自动驾驶测试和部署。