h1_key

  實(shí)際上，“人工智能(AI)”并沒有明確的科學(xué)定義，但是有一種普遍的理解是將AI詮釋為被人類視為“智能”的學(xué)習(xí)系統(tǒng)。此外，就很難更明確地描述它的定義，因?yàn)椤爸悄堋币辉~缺乏明確的理論解釋。

  在汽車應(yīng)用領(lǐng)域，當(dāng)今和未來具有代表性且最廣為人知的人工智能相關(guān)功能應(yīng)用包括自動(dòng)駕駛(AD)應(yīng)用，以及物體傳感、物體識(shí)別和對(duì)結(jié)果反應(yīng)的決策。這些功能通常需要很高的計(jì)算能力(100k DMIPS級(jí)別范圍內(nèi))。

  圖1說明了隨著時(shí)間的推移，更高水平的傳感將如何從人類駕駛員轉(zhuǎn)向使用人工智能(AI)和機(jī)器學(xué)習(xí)(ML)的自動(dòng)駕駛技術(shù)。(來源：NSITEXE，Inc.，2021)

  較低的應(yīng)用層與傳統(tǒng)的實(shí)時(shí)執(zhí)行器控制有關(guān)，如推進(jìn)、轉(zhuǎn)向和制動(dòng)等“車輛運(yùn)動(dòng)”，乍一看可能不是從人工智能和機(jī)器學(xué)習(xí)這種新興技術(shù)中獲益的主要目標(biāo)，但是由于持續(xù)的成本壓力，在現(xiàn)如今，并且很可能在未來，它將繼續(xù)通過常規(guī)微控制器以有限的嵌入式性能(高達(dá)10k DMIPs)來實(shí)現(xiàn)。

  然而，事實(shí)恰恰相反!尤其是“車輛運(yùn)動(dòng)”類別的實(shí)時(shí)執(zhí)行器控制應(yīng)用受到各種新要求(例如歐7法規(guī))的挑戰(zhàn)，這些要求導(dǎo)致算法的復(fù)雜性增加，并產(chǎn)生了對(duì)更高的性能水平與更大的通信帶寬的需求。所有這一切都將在沒有提到成本增加的前提下成為可能，這在汽車控制應(yīng)用中非常典型的。

  那么，如何在傳統(tǒng)的成本平衡MCU系統(tǒng)上實(shí)現(xiàn)對(duì)人工智能和機(jī)器學(xué)習(xí)功能更高的性能要求呢?答案在于特定的硬件加速器，它們可以作為協(xié)同處理器嵌入在MCU芯片中實(shí)現(xiàn)。

  帶有嵌入式硬件加速器的RH850/U2B微控制器

  瑞薩電子用于其下一代28nm微控制器RH850/U2B FCC的硬件加速器概念是：“DFP” 數(shù)據(jù)流處理器IP(Data flow processor)，又名“DR1000C”，已獲得日本NSITEXE，Inc.的許可。

  *NSITEXE是一家IP供應(yīng)商，成立于2017年，是從DENSO公司獨(dú)立出來，專門從事高級(jí)處理器的開發(fā)。

  RH850/U2B FCC微控制器針對(duì)車輛運(yùn)動(dòng)和區(qū)域控制的應(yīng)用領(lǐng)域，實(shí)現(xiàn)了多達(dá)8個(gè)以400MHz運(yùn)行的性能內(nèi)核，每個(gè)內(nèi)核都具有可視化支持和服務(wù)質(zhì)量(QoS)，解決了將多個(gè)應(yīng)用程序集成到一件設(shè)備中，同時(shí)不被干擾的難題，以滿足ISO26262 ASIL-D標(biāo)準(zhǔn)。

  圖2：DFP-概念視圖(來源：NSITEXE，Inc.，2021)

  DR1000C是一款基于RISC-V的專用并行協(xié)處理器，針對(duì)多線程機(jī)制和矢量指令進(jìn)行了優(yōu)化設(shè)計(jì)，可從主CPU卸載密集計(jì)算任務(wù)，從而加速高級(jí)控制算法。

  從概念上講，DR1000C是一種多指令多數(shù)據(jù)(MIMD)高性能ASIL-D矢量處理器，可實(shí)現(xiàn)數(shù)據(jù)級(jí)和任務(wù)級(jí)并行。矢量執(zhí)行單元與多線程架構(gòu)的結(jié)合實(shí)現(xiàn)了高度靈活性，從而加速通常用于人工智能和機(jī)器學(xué)習(xí)功能的各種算法類型。有關(guān)更多詳細(xì)信息，請(qǐng)參閱下面的“案例”部分。

  圖3：DR1000C架構(gòu)(來源：NSITEXE，Inc.，2021)

  DR1000C性能

  與傳統(tǒng)汽車CPU(即Harvard架構(gòu))相比，DR1000C IP的特定并行MIMD架構(gòu)帶來了量級(jí)的性能優(yōu)勢。特定的數(shù)學(xué)函數(shù)，如高斯過程(徑向基函數(shù))、卡爾曼濾波器或BLAS在與DR1000C一起執(zhí)行時(shí)會(huì)大大受益。

  圖4：DR1000C性能水平(來源：NSITEXE，Inc.，2021)

  案例

  在可以受益于DR1000C的人工智能或機(jī)器學(xué)習(xí)的汽車環(huán)境中有多個(gè)實(shí)例。以下是前面提到的“車輛運(yùn)動(dòng)”部分中的幾個(gè)應(yīng)用示例。

    虛擬傳感器

  這是一個(gè)通過虛擬處理實(shí)時(shí)模型來模擬相關(guān)現(xiàn)實(shí)世界系統(tǒng)的物理過程，從而取代物理硬件傳感器的概念。這里的簡單動(dòng)機(jī)是降低系統(tǒng)成本。底層建模方法通常使用徑向基函數(shù)網(wǎng)絡(luò)，可以將其解釋為人工神經(jīng)網(wǎng)絡(luò)。徑向基函數(shù)有很多用例，包括函數(shù)逼近、時(shí)間序列預(yù)測和系統(tǒng)控制。

  圖5：虛擬建模(來源：NSITEXE，Inc.，2021)

  模型預(yù)測控制(MPC)

  是一種控制功率轉(zhuǎn)換器或電動(dòng)機(jī)驅(qū)動(dòng)器的方法學(xué)。它通過動(dòng)態(tài)預(yù)測和優(yōu)化系統(tǒng)參數(shù)，并結(jié)合系統(tǒng)約束，提供處理多種控制任務(wù)的能力。特別是非線性MPC模型可能會(huì)以訓(xùn)練數(shù)據(jù)集(基于人工神經(jīng)網(wǎng)絡(luò))的形式反映出來。

  圖6：模型預(yù)測控制(來源：NSITEXE, Inc.，2021)

    網(wǎng)關(guān)入侵檢測系統(tǒng)(IDS)

  IDS系統(tǒng)通常是通過將“常規(guī)”行為與入侵者的行為進(jìn)行對(duì)比來識(shí)別網(wǎng)絡(luò)攻擊。今天，大多數(shù)基于規(guī)則的系統(tǒng)已經(jīng)適用于識(shí)別已知的攻擊類型，然而，如果入侵者使用了不同的或迄今為止未知的攻擊方法，則不太成功。

  在這里，機(jī)器學(xué)習(xí)提供了一種擴(kuò)展的可能性，可以根據(jù)流量模式(包括帶寬、設(shè)備、端口和協(xié)議)對(duì)網(wǎng)絡(luò)活動(dòng)進(jìn)行分類。通過將“健康”流量的訓(xùn)練(機(jī)器學(xué)習(xí)的)模式與實(shí)際網(wǎng)絡(luò)通信進(jìn)行比較，可以實(shí)現(xiàn)對(duì)新演變的威脅類型的檢測。這是靜態(tài)的、基于規(guī)則的系統(tǒng)無法做到的。

  圖7：入侵檢測系統(tǒng)概念(來源：NSITEXE，Inc. 2021)

  DR1000C工具環(huán)境

  應(yīng)用程序開發(fā)可以通過C編碼實(shí)現(xiàn)，其中用戶應(yīng)用程序用C語言編寫，結(jié)合內(nèi)部函數(shù)調(diào)用DR1000C服務(wù)?；蛘呤褂肕ATLAB/Simulink的“DFP工具箱”進(jìn)行基于模型的開發(fā)。一個(gè)“SDK”將包括一個(gè)運(yùn)行時(shí)線程調(diào)度器(RTS)、一個(gè)基于GNU的工具鏈、一個(gè)模擬器和一個(gè)調(diào)試器。另外還可以選擇在支持ASIL-D的診斷庫以及ISO26262工具認(rèn)證方面的功能安全正在開發(fā)中。

  結(jié)論

  在不久的將來，基于成本平衡的汽車MCU系統(tǒng)必須能夠涵蓋廣泛的算法，尤其是機(jī)器學(xué)習(xí)(ML)和嵌入式人工智能(AI)、控制理論、信號(hào)處理和物理建模。

  瑞薩電子將通過顯現(xiàn)出靈活硬件加速器概念“DR1000C”來豐富下一代微控制器，該概念針對(duì)汽車實(shí)例進(jìn)行了優(yōu)化調(diào)整，可以通過小數(shù)因子提高傳統(tǒng)MCU的實(shí)時(shí)性能，同時(shí)將各自的成本和功耗保持在可承受的水平。