Imagination确保汽车应用的绝对安全

描述

Imagination DXS GPU IP 拥有丰富的全新特性,将成为未来驾驶座舱、车载信息娱乐和驾驶辅助系统的核心组件。它继承了最新一代 PowerVR GPU 架构的可扩展性、灵活性和效率,提升了峰值性能,并部署了额外的计算硬件和软件,相比前一代汽车 GPU IP(IMG BXS),计算应用性能实现了多达 10 倍的提升。

不过,IMG DXS 带给市场的最重要创新在于其安全套件。随着驾驶辅助系统的自主性增加以及责任从驾驶员转移到机器,安全性(即故障的检测和处理)日益成为业界关注的问题。驾驶员、乘客和制造商需要相信汽车能够在合适的时间窗口内检测到故障,并在事故发生之前进行管理。

Imagination 是汽车驾驶座舱和信息娱乐系统 GPU IP 的领先供应商,我们的 IP 开始占据越来越多的 ADAS 控制器市场份额。之前的几代产品拥有市场领先的硬件和软件机制(例如分片区域保护),来减少实现功能安全目标所需的开销,但客户仍然觉得通过行业标准技术实现功能安全认证的成本过高。双核锁步(Dual-core lockstep)需要将核的硅面积(和成本)翻倍,而工作负载重复则使性能减半。

面对客户的需求,Imagination 工程团队面临着新的挑战,需要发明一种实用的功能安全解决方案,而不像行业标准技术那样产生高昂的成本。

通过发布全新的IMG DXS,Imagination向市场推出突破性的解决。

得益于分布式功能安全领域的创新,我们的处理器现在可以实现 ASIL-B认证,同时不会像传统方法那样带来功耗、性能和面积开销。

IMG DXS 战略性地在整个核中部署了多种安全机制,从 ECC到流水线一致性,以实现对单点故障的检测率超过 90%。每个独立的机制都集中在测试核心的功能和行为重要性的小部分元素上。因此,分布式安全机制不仅减少了运行时间和面积开销,还能将故障定位到特定模块或电路——这是双核锁步无法实现的。

汽车应用

仅仅基于现有的安全机制的分布式安全方法不足以满足 ASIL 标准的要求。为了达到 ASIL-B 所要求的超过 90% 的单点故障检测率,Imagination 需要找到一种不依赖于硅或工作负载复制来进行故障检测的方法。

为此,我们的工程团队开发了一种新的、受专利保护的“安全对”技术,该技术利用了当今处理器的内在并行性以及所有线程都具有自然空闲周期的事实。这些线程在空闲时间被组合成“安全对”,在此期间运行测试向量。通过比较这些测试的输出来检测差异(故障),并且建立了额外的安全网,以确保在所有情况下都能实现功能安全标准。

欲了解有关“安全对”技术的更多信息,请参阅我们的白皮书《分布式功能安全中的创新》。

汽车应用

通过将“安全对”纳入分布式安全机制中,Imagination 的 IP 可以以比传统方法低 2-3 倍的开销来满足检测处理逻辑中错误的 ASIL-B 要求。而且,这不仅仅是 GPU 的技术;正如白皮书中所示,它也非常适用于CPU。

Imagination 在开发符合安全意识市场需求的高质量解决方案方面拥有丰富的经验。我们的内部能力涵盖了多个领域和标准,并且强调设计质量,使我们能够从初步设计到产品生命周期结束的整个过程中帮助客户。我们在整个 ASIL 认证过程中全力支持客户,IMG DXS 随附的安全包涵盖硬件安全手册、硬件安全案例报告、FMEDA(故障模式、效应和诊断分析)以及安全分析摘要报告。我们与CoreAVI 合作,为Imagination GPU开发安全关键驱动。

通过 IMG DXS,Imagination 展现了其在汽车行业中多年积累的经验与前瞻性思维相结合的能力,由此打造出经过硅验证的、精心定制以满足客户需求的 IP。与其它 GPU 供应商不同,我们真正专注于汽车市场的需求,这一点体现在我们处理器的各项能力上:从我们基于硬件虚拟化的性能到我们安全覆盖的质量。

IMG DXS 中分布式安全机制特点总结如下:

 

 

ECC/奇偶校验检测内存错误

看门狗检测硬件死锁并局部重置逻辑

双核锁步执行应用于固件控制器以确保任务调度器正确运行

功能特定复制作为局部逻辑锁步以提升置信度

调度器互锁阻止GPU对错误的工作负载切换请求作出响应

流水线一致性用于检查数据风险,以及因错误数据或处理故障导致的流水线停滞。

循环冗余校验为总线接口提供保护,并检查压缩图块数据的完整性。

分块区域保护(TRP)消除双渲染时不必要的重复。

安全对通过本地产生的测试向量发送至处理流水线,并在流水线的自然空闲时间内比较结果

多样化看门狗定时器检测GPU锁死或性能下降

 

英文链接:https://blog.imaginationtech.com/safety-without-compromise-in-automotive

声明:本文为原创文章,转载需注明出处及原文链接,否则,我们将保留追究其法律责任的权利。

 

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分