自動駕駛甚至部分自動駕駛所面臨的挑戰，比人們有時預想的要多得多，這并不是什么新鮮事，也不是新出現的情況。如今，從一個完全可運行的原型到一個面向大眾市場的可交付解決方案之間，仍然存在許多障礙：道路基礎設施、可靠性、安全性、接受度、人類行為、法規……

盡管如此，進步仍在不斷取得，有時會有重大突破，有時則是通過小的逐步改進來實現，正如今天在數十個城市運營的眾多全自動駕駛共享車隊和穿梭巴士，以及配備L2+和L3自動駕駛輔助系統的汽車車型數量不斷增加所證明的那樣。

那么，如何加速這一進步呢？歷史表明，合作和思想的交流能夠激發發明、發現和創新。

那么，讓我們來探討一下工程師們面臨的一些實施挑戰，以及合作如何能夠提供幫助

正確地檢測和感知周圍環境

 使用多種傳感器有助于降低風險，例如避免漏檢或錯誤識別物體。

更進一步：將不同技術的傳感器結合起來，還可以彌補在某些運行條件下的弱點，例如低光照、惡劣天氣、傳感器被遮擋等。

這種做法是合理的，而且不止一家自動駕駛輔助系統（ADAS）技術先鋒從依賴單一傳感器技術回歸到如今整合多種傳感器技術（例如視頻攝像頭和雷達、視頻攝像頭和激光雷達等）。

然而，解決一個挑戰又會帶來另一個挑戰：同時影響這兩種傳感器的問題是一種“共因故障”，基本上它們的處理過程必須是獨立的并且可靠地冗余。如何確保沒有“共因故障”影響本應是冗余且獨立的傳感器？

正確處理所有這些數據并做出正確的決策

 最簡單的答案是同時使用不同的計算系統，并有足夠的冗余。這種方法在早期開發階段、預算充裕的情況下，或者在像航空航天這樣無法提供備用方案且生產數量相對較少的特定應用中是可行的。但在汽車這種大規模生產的情境中，這種方法顯然是反生產力的，甚至與電子電氣（E/E）架構集中化處理的趨勢不兼容：

當不同的軟件（SW）處理過程本應是冗余且互補的，卻相互干擾而導致系統故障或異常行為時（例如一個軟件任務破壞了另一個任務存儲在內存中的數據，或者一個軟件任務獨占了另一個更關鍵任務所需的資源等），也會面臨類似的挑戰。

為了應對這些挑戰以及任何潛在的共因故障，需要采用防止干擾的機制。但具體來說，什么不應該相互干擾？什么應該與什么一起使用？要回答這些問題，就需要密切關注實現過程并確定這些“規則”。

好的，但如何才能擁有一套能夠保障這些規則并且已經可供開發者使用的系統呢？我們可以盡可能多地進行預估，但從邏輯上講，通過緊密合作并確保這些我們剛剛提到的“規則”從系統規格階段開始就成為系統的要求，我們能夠取得更好的效果。

憑借其跨越多代的汽車系統級芯片（SoC）經驗，瑞薩（Renesas）基于多年的合作經驗，開發了片上機制，確保不同安全級別的軟件任務能夠在SoC上并行運行而不相互干擾，從而增強ASIL D控制的功能安全。這些機制首次在2021年國際固態電路會議上展示，并隨著R-Car系列的不斷升級而持續改進，例如如今的R-Car第四代以及最近發布的R-Car第五代。

運行效率

 與在強大的個人電腦上進行實驗不同，汽車中央計算解決方案需要高效運行，并在車輛使用期間的惡劣條件下持續工作：這意味著例如它需要在不依賴過于復雜的冷卻機制的情況下成功散發產生的熱量（如果每輛汽車都能像數據中心那樣擁有精確的氣候控制，那生活將會簡單得多），而這直接取決于盡可能少地消耗電力。瑞薩在市場上以提供最高效的解決方案而著稱，無論是在處理方面：在最惡劣的運行條件下達到16 TOPS/Watt（即每秒萬億次運算）；還是在整體芯片功耗方面：用于實現5星NCAP評級的前置攝像頭在最壞情況下功耗不到幾瓦。但這些只是容易的部分！真正的效率是在芯片設計考慮了用例以及如何在芯片上實現時實現的。憑借我們開放的平臺和生態系統，瑞薩與領先的汽車制造商（OEM）、一級供應商（Tier 1）和二級供應商（Tier 2）持續合作，不斷改進、深化甚至有時糾正我們對AD和ADAS實現方式的理解。這有什么幫助呢？以下是一些例子：

• 理解用例使瑞薩能夠提出最適合的安全機制，而不是簡單地將所有內容都冗余實現。

• 理解要實現的不同算法（即在R-Car上使用的算法），使我們能夠識別出在實現、性能和效率方面最適合的處理單元，并在R-Car中提供它們。

• 進一步識別和區分常用的算法和功能，使我們能夠開發專門針對它們的硬連線處理單元，這為經常使用的功能提供了最佳性能和效率，并釋放了通用CPU用于其他任務。R-Car V3H和V4H中的視頻IP就是這一理念的體現。

• 從另一個角度來看，這些深入研究還可以量化潛在的使用情況，這使我們能夠估算所需的數據帶寬，并正確規劃通信總線、內部存儲器、壓縮機制和外部存儲器接口的尺寸：市面上有許多芯片雖然擁有不錯的處理能力，但卻因這里或那里的瓶頸而受限。

  
  

合作不能單向進行：因此，瑞薩對這些算法的反饋對于R-Car用戶來說可能非常有用，以下是一些例子：

• 理解哪種處理單元最適合特定的場景。

• 指出在哪里采用不同的方法或改變實現方式可能會非常有利，以及在哪里可能存在潛在的權衡。一個反復出現的例子是從浮點運算切換到整數運算：在原型階段，這可能看起來并不重要，但如果優化實現，精度損失很小或可以控制，可能會得到一個更簡單、更小、更便宜的解決方案，并節省幾瓦的功耗。

• 引入新的解決方案或想法，例如利用系統中可用功能在數據“就在那里且可用時”進行的“免費”操作。這可以減輕數據帶寬的負擔，因為否則這些操作可能需要稍后再次獲取相同的數據。

進步并非只帶來挑戰！如今，得益于瑞薩的虛擬軟件開發環境，我們的合作可以更早地開始：R-Car用戶現在可以在芯片可用之前就開始設計和測試軟件，而過去只能在芯片出來后才能開始。他們提供的反饋以及上述瑞薩的指導現在從第一天起就開始了。難道我們在這里停下來就可以稱之為成功了嗎？顯然不是！進步是沒有極限的，通過合作，我們能夠不斷更新我們對明天自動駕駛系統的理解，并通過提供最先進的處理解決方案來預見并成功地將其推向大眾市場。