Produkteigenschaften

Xilinx: Programmierbare Logikgeräte helfen dabei, autonomes Fahren in die Realität umzusetzen

Die Automobilindustrie wird durch die rasante Entwicklung der Informations- und Konnektivitätstechnologien neu definiert.Selbstfahrende Technologien ermöglichen einen zunehmenden Grad der Automatisierung in Autos, wobei Computer Vision schrittweise auf neuronale Netzwerk-KI übergeht und es uns ermöglicht, autonomes Fahren mit programmierbarer Logik zu optimieren.Neben der äußeren Umgebung des Fahrzeugs gibt es einen großen Trend zur verstärkten internen Überwachung sowohl des Fahrers als auch der Passagiere.Der Einsatz skalierbarer Technologien in diesem Prozess kann einen enormen Wandel in der Branche ermöglichen, einschließlich der daraus resultierenden Transformation von Transport und Dienstleistungserbringung sowie neu entstehenden Geschäftsmodellen.

Als weltweit führender Anbieter von Komplettlösungen für programmierbare Logik verfügt Xilinx über eine breite Produktpalette im Automotive-Bereich, die viele verschiedene Anwendungen im Auto abdeckt.Kürzlich hat Xilinx zwei neue Produkte auf den Markt gebracht, ZU7EB7 und ZU7EB11, und damit die autonome Fahrtechnologie auf ein neues Niveau gehoben.Auf derselben Pressekonferenz erläuterte Dan Isaacs, Direktor für Automobilstrategie und Kundenmarketing bei Xilinx, die Merkmale der Xilinx-Produkte, die Vorteile von FPGAs und die autonome Fahrtechnologie.

Integration adaptiver Skalierbarkeit

Was den Hintergrund und die Erfahrung betrifft, verfügt Xilinx über sehr umfassende Erfahrung im Automobilsektor.Von der Lieferung von 14 Marken und 29 Modellen im Jahr 2014 ist das Unternehmen auf 29 Marken und 111 Modelle im Jahr 2018 angewachsen. Beim autonomen Fahren sind Xilinx-Produkte in den Produkten und Plattformen vieler Hersteller vertreten, darunter Baidus Apollo, BYD, Daimler, Magna, ZF, und Pony Smart.Dan Isaacs beschrieb, dass die Produktgeräte von Xilinx alle möglichen Kundenbedürfnisse von klein bis groß abdecken, egal ob es sich um Kantensensoren oder Vorcontroller für die zentralisierte Verarbeitung handelt.

Auf dem Weg zur Erforschung autonomer Fahrtechnologie tendieren einige traditionelle Hersteller dazu, zuerst Panorama-Ringdetektoren zu verwenden, die von außerhalb des Autos in das Innere des Autos übergehen, und dann ADAS-Vorsteuerungen usw. zu implementieren.Internet-Technologieunternehmen wie Baidu tendieren dazu, einen anderen, nicht-traditionellen Weg zu wählen und den Ansatz zu übernehmen, zentralisierte Verarbeitungsmodule direkt auszuführen, um autonomes Fahren zu erreichen.Derzeit decken die Produkte und Lösungen von Xilinx alle Elemente beider Wege ab.Im Bereich LiDAR nutzen beispielsweise mehr als 30 Unternehmen Xilinx-Produkte und -Technologien.

Dan Isaacs sagte, dass Xilinx immer die Frage beschäftigt, wie man sicherer sein kann.Mit den immer höheren Anforderungen an Sensoren steigen auch die Anforderungen an die Datenverarbeitung, was eine Skalierbarkeit dieser Systeme und Geräte im Auto erfordert.Die Funktionalität und Technologie des Xilinx Autonomous Driving Central Module, sowohl in Bezug auf Datenintegration als auch Sensorfusion, zeigt einmal mehr, dass die Technologie von Xilinx sehr skalierbar ist, von sehr kleinen bis hin zu sehr großen Geräten.

Darüber hinaus sind Xilinx-Produkte und -Chips äußerst anpassungsfähig und können sich ändernden Anforderungen gerecht werden, unabhängig davon, ob sie mehr Sensoren oder eine höhere Rechenleistung erfordern.Zum Beispiel LIDAR, es gibt mehr als 50 LIDAR-Unternehmen, und alle verarbeiten Daten und sammeln Daten auf unterschiedliche Weise und möchten daher in der Lage sein, Daten auf unterschiedliche Weise zu sammeln.Dan Isaacs betonte, dass nur ein skalierbares und anpassungsfähiges Produkt der ständigen Iteration von Produkten und Technologien gerecht werden kann.

Einzigartige und vorteilhafte Technologien und Produkte

In autonomen Fahrsystemen ist die Sensorfusion eine sehr wichtige Richtung, die die Vorteile verschiedener Sensoren kombinieren kann, um eine bessere Signaleingabe zu ermöglichen.Mit den FPGA-Lösungen von Xilinx kann die Fusion von Sensorsignalen besser umgesetzt werden, was dem Sensorsystem große Vorteile und Komfort bietet.Dan Isaacs sagte, dass die Produktlösungen von Xilinx die folgenden Vorteile bieten.

Erstens hoher Durchsatz und geringe Latenz.Normalerweise können herkömmliche CPUs, GPUs oder DSPs einen hohen Durchsatz, aber keine niedrige Latenz erreichen.Mit einer Xilinx-FPGA-Lösung können gleichzeitig ein hoher Durchsatz und eine geringe Latenz erreicht werden, mit einer 12-fachen Steigerung der relevanten Kapazität und einem Zehntel des Energieverbrauchs allgemeiner Computerarchitekturen sowie einem sehr starken Timing.

Zweitens ermöglicht es eine On-Chip- und In-Run-Rekonfiguration.Dies hängt auch mit seinem adaptiven Charakter zusammen, da Cyrix-Produkte und -Technologien nicht die Einführung neuer Geräte erfordern, um eine Neukonfiguration im laufenden Betrieb zu ermöglichen.Im MIPI-Protokoll beispielsweise, wo die Datenraten steigen, müssen FPGA-Lösungen die ursprünglichen Geräte nicht austauschen, können aber durch programmierbare Logikänderungen hohe Datenraten unterstützen.

Auch hier verfügen die FPGA-Lösungen von Xilinx über DFX- oder Dynamic Function Exchange-Funktionen.Es ist nicht erforderlich, die Geräte neu zu starten oder auszuschalten, um Funktionen zwischen ihnen auszutauschen.Beispielsweise müssen die I/Os oder Sensoren nicht groß geändert werden, sondern es wird nur ein Teil der programmierbaren Logik für die Änderung verwendet.

Kurz gesagt: Zusätzlich zu hoher Leistung und geringer Latenz können die Produkte und Technologien von Xilinx Kunden dabei helfen, durch programmierbare Logik einen dynamischen Funktionsaustausch oder in Remote-Hardware, also Chip-Updates, zu erreichen.Dies ermöglicht eine sehr umfassende und skalierbare Lösung, einschließlich der I/O-Anforderungen zum Erfassen von Informationen sowie der Fähigkeit zur Beschleunigung und der Fähigkeit, Daten zu aggregieren, vorzuverarbeiten und zu verteilen.Die Möglichkeit, alle Daten von den kleineren Geräten am Edge zur Verarbeitung zu sammeln und sie dann mit dem größeren Gerät, dem zentralen Vorprozessor, zu verarbeiten.Zusammen mit ADAS ermöglicht dies heterogenes Computing und hilft Vektor-Engines, KI-Engines und verschiedenen Engines, heterogenes Computing zu erreichen.