如何选择和实施Premio的坚固型计算技术

　　当今的人工智能 （AI）、ADAS 和传感器实时提供关键数据，在自动驾驶车队路由系统中使用时必须对其进行监控和处理。

　　当一家美国大型卡车制造商认识到在其卡车车队中策划实施自动路线功能的巨大机会时，它寻找能够处理大量不同数据的嵌入式计算。当今的人工智能 （AI）、高级驾驶辅助系统 （ADAS） 和传感器实时提供关键数据，这些数据在用于自主车队路线系统时必须进行监控和处理。这需要工业级嵌入式系统数据记录仪，能够提供可靠、坚固和高性能的架构系统来支持这种自主路由。

　　在 COVID-19 危机期间，该国对卡车车队的依赖显而易见。产品短缺、交货速度、物流噩梦都非常明显。然而，根据Business Insider的数据，即使在非大流行年份，美国71%的货物也是通过卡车运输的。

　　本案例研究展示了该车队制造商如何选择和实施 Premio 的坚固型计算技术，以进一步增强其自主路由能力。本案例研究将讨论在自动驾驶框架内建立的标准和成功实施Premio车载远程信息处理计算机。

　　自主车队路线挑战

　　车队和卡车制造商在寻求支持自主路由功能的过程中应对了四个主要挑战。它需要：

　　坚固耐用的计算解决方案，可承受较宽的工作温度、冲击和振动。虽然该解决方案安装在卡车控制的环境中，但车辆经常坐在阳光下，或者穿过地形，造成巨大的振动和冲击 - 所有这些都对电子设备有害。

　　强大的实时决策能力。这种自动驾驶的骨干提供了关于车辆位置和车辆行驶速度的远程信息处理信息——用于训练自动驾驶神经网络的数据。

　　用于长途驾驶数据和 10GbE 连接的大存储容量，可双向移动数据，并可与所有远程信息处理和改进相结合，以供未来分析使用。这些数据必须存储在坚固耐用的计算机中，并有效访问以持续训练机器学习算法

　　强大的多核 CPU/GPU 组合，提供推理和实时计算以及数据遥测功能

　　成功实施自主车队路由需要多种硬件技术同时协同工作。可以类比人体是如何工作的。例如，在物联网领域，许多传感器被放置在车辆周围和整个车辆中，以监控和绘制环境 - 相当于人的眼睛和耳朵。决策必须有高智商。数据输入类似于实时数据处理决策的大脑。最后，车辆远程信息处理与大脑一起工作，充当身体的胃和肺一样的守门人 - 将食物或氧气分散到体内以确保它继续运行。

　　确保所有这些都到位并协同工作并非易事，需要采取许多安全预防措施。这种自动化卡车车队必须可靠，能够在高速公路和当地街道上行驶，并在不断变化的天气条件和移动环境中始终运行。

　　远程信息处理的重要性

　　远程信息处理系统提供对自动驾驶汽车速度、实时位置、燃料使用、里程、天气、路况等的洞察，在数据管理中发挥着关键作用。实时定位可以估计交货时间并监控路况、速度、健康状况、天气，从而提高车辆效率并产生更高的安全性。它们还有助于预测何时应该维修自动驾驶汽车。对于车队，远程信息处理提供对车辆跟踪、路线、报告等的访问。

　　最终，了解速度、位置等可以转化为对车队的主动管理，从而控制燃料成本，减少事故并利用能源效率。可以管理的项目包括设置速度限制以确保安全和减少燃料浪费，根据怠速时间自动关闭，以及确保在车辆运行前系好安全带。

　　远程信息处理在路线规划中至关重要，因此可以发送行程并与每个连接的供应商同步，并且可以分析和存档GPS数据。它们也是制造商致力于使用的路由系统的命脉。

　　制定了哪些标准？

　　卡车车队制造商制定了一系列要求，包括：

　　可靠的解决方案，可应对强大的计算挑战以及苛刻的冲击和振动环境

　　商用现成的工业级计算机，可快速选择和部署以供实际使用

　　无风扇计算设计能够承受较宽的工作温度和车辆电池的输入电压，以及用于聚合和监控有价值数据并将所有这些数据放回神经网络的嵌入式架构结构。

　　能够支持高达 RTX 2060 Super 的 GPU，用于实时分析和计算

　　可容纳高达 32 TB 的大存储容量，以记录可用数据

　　然而，真正需要的不是提供实际的自动驾驶，而是通过可靠的远程信息处理计算机实时支持它，该计算机经过验证，可以满足功率、速度和精度的要求。

　　远程信息处理和 GPU 计算 — 数据收集和分析

　　成功的自主车队路线的关键是远程信息处理计算机，它获取不同传感器提供的大量数据，并实时准确指示正在发生的事情。该解决方案必须坚固耐用，以便能够承受可能导致电子可靠性问题的宽范围的温度、冲击和振动。它还必须具有车辆GPS位置的精确性，并能够准确地将所有数据推送到中央数据库，以便远程信息处理经理可以实时监控正在发生的事情。

　　对于自动驾驶车队，Premio 交付了配备英特尔 Broadwell-U 处理器的ACO-3011E坚固耐用的无风扇车载远程信息处理计算机。该计算机旨在平衡性能和功耗，具有两种机箱外形，可容纳多种 I/O 和扩展选项，非常适合性能、功耗和适应性同等重要的车载应用。

　　除了解决方案的远程信息处理部分外，Premio还交付了带有LGA 1151插槽的VCO-6033E-2PWR工业GPU，用于6千/7千一代英特尔®处理器。6033-E 提供硬件以支持车载计算机的推理分析和机器学习。例如，它们执行并行计算以处理有关道路状况、危险、驾驶员操作和车辆控制系统操作的数据，从而以最小的延迟完成。它们还同时处理有关天气和交通状况的数据，以优化油耗。该解决方案实现了自动驾驶汽车的可操作性和响应能力，使其能够通过机器学习继续改进。

　　对于自治系统，英伟达的技术对通过Premio系统的所有数据进行实际计算。GPU为自治系统提供机器学习，而Premio通过其加固的硬件和GPU扩展支持为这些数据提供远程信息处理计算机。

　　自动驾驶真正依赖于边缘计算及其实时处理关键数据的能力 Premio的嵌入式计算机经过认证，可以与主要云合作伙伴合作，以实现物联网去中心化及其整个物联网连接套件。Microsoft AzureIoT 和Amazon 的 AWS IoT Greengrass等云合作伙伴都有助于在边缘桥接其解决方案，以实现自主用例。

　　为什么选择普瑞米奥？

　　Premio基于其30年的工业计算专业知识，直接与制造商和研发团队合作，专注于加固部署和可靠性。Premio总部位于洛杉矶，因其用于车载计算的嵌入式产品以及大量的本地支持而被选中。

　　一旦确定了制造商的目标，Premio迅速交付了现成的加固型计算单元，并与制造商的工程团队密切合作，这些计算机现已部署并成功用于多个车队卡车在其自主旅程中的驾驶室。

　　总结

　　有五个级别的自动驾驶，最先进的程序正在测试实际行驶里程，满足 4 级要求。然而，当5G全面实施时，车队管理将进入通往5级自治的快车道。具体的 5G 优势包括：

　　速度提升 10 倍，可能超过 1 Gb/s，无论人口密度如何

　　4G/LTE 的连接密度是 4G/LTE 的 100 倍，影响了访问网络的响应能力

　　实时响应，延迟率降低 5 到 10 倍，提高效率，尤其是在车辆安全和防撞方面。5G减少延迟的改善是显着的。根据CTIA最近的一份白皮书，4G汽车大约需要4.6英尺才能踩刹车。相比之下，5G汽车只需一英寸即可完成任务。

　　从 4 级到 5 级将需要大幅增加驱动里程和大量数据聚合，以进一步训练 AI 神经网络，因此仍需要相当大的发展。

　　自动驾驶的架构代表了许多硬件技术的混合，从物联网传感器到 GPU CUDA 再到坚固耐用的车辆远程信息处理。Premio的COTS嵌入式远程信息处理数据记录解决方案提供了必要的基础设施，以达到5级的距离。

　　审核编辑：郭婷