自动驾驶甚至部分自动驾驶所面临的挑战，比人们有时预想的要多得多，这并不是什么新鲜事，也不是新出现的情况。如今，从一个完全可运行的原型到一个面向大众市场的可交付解决方案之间，仍然存在许多障碍：道路基础设施、可靠性、安全性、接受度、人类行为、法规……

　　尽管如此，进步仍在不断取得，有时会有重大突破，有时则是通过小的逐步改进来实现，正如今天在数十个城市运营的众多全自动驾驶共享车队和穿梭巴士，以及配备L2+和L3自动驾驶辅助系统的汽车车型数量不断增加所证明的那样。

　　那么，如何加速这一进步呢？历史表明，合作和思想的交流能够激发发明、发现和创新。

　　那么，让我们来探讨一下工程师们面临的一些实施挑战，以及合作如何能够提供帮助

　　更进一步：将不同技术的传感器结合起来，还可以弥补在某些运行条件下的弱点，例如低光照、恶劣天气、传感器被遮挡等。

　　这种做法是合理的，而且不止一家自动驾驶辅助系统技术先锋从依赖单一传感器技术回归到如今整合多种传感器技术（例如视频摄像头和雷达、视频摄像头和激光雷达等）。

　　然而，解决一个挑战又会带来另一个挑战：同时影响这两种传感器的问题是一种“共因故障”，基本上它们的处理过程必须是独立的并且可靠地冗余。如何确保没有“共因故障”影响本应是冗余且独立的传感器？

　　最简单的答案是同时使用不同的计算系统，并有足够的冗余。这种方法在早期开发阶段、预算充裕的情况下，或者在像航空航天这样无法提供备用方案且生产数量相对较少的特定应用中是可行的。但在汽车这种大规模生产的情境中，这种方法显然是反生产力的，甚至与电子电气（E/E）架构集中化处理的趋势不兼容：

　　当不同的软件（SW）处理过程本应是冗余且互补的，却相互干扰而导致系统故障或异常行为时（例如一个软件任务破坏了另一个任务存储在内存中的数据，或者一个软件任务独占了另一个更关键任务所需的资源等），也会面临类似的挑战。

　　为了应对这些挑战以及任何潜在的共因故障，需要采用防止干扰的机制。但具体来说，什么不应该相互干扰？什么应该与什么一起使用？要回答这些问题，就需要密切关注实现过程并确定这些“规则”。

　　好的，但如何才能拥有一套能够保障这些规则并且已经可供开发者使用的系统呢？我们可以尽可能多地进行预估，但从逻辑上讲，通过紧密合作并确保这些我们刚刚提到的“规则”从系统规格阶段开始就成为系统的要求，我们能够取得更好的效果。

　　凭借其跨越多代的汽车系统级芯片（SoC）经验，瑞萨（Renesas）基于多年的合作经验，开发了片上机制，确保不同安全级别的软件任务能够在SoC上并行运行而不相互干扰，从而增强ASIL D控制的功能安全。这些机制首次在2021年国际固态电路会议上展示，并随着R-Car系列的不断升级而持续改进，例如如今的R-Car第四代以及最近发布的R-Car第五代。

　　与在强大的个人电脑上进行实验不同，汽车中央计算解决方案需要高效运行，并在车辆使用期间的恶劣条件下持续工作：这意味着例如它需要在不依赖过于复杂的冷却机制的情况下成功散发产生的热量（如果每辆汽车都能像数据中心那样拥有精确的气候控制，那生活将会简单得多），而这直接取决于尽可能少地消耗Kaiyun官网登录入口 开云网站电力。瑞萨在市场上以提供最高效的解决方案而著称，无论是在处理方面：在最恶劣的运行条件下达到16 TOPS/Watt（即每秒万亿次运算）；还是在整体芯片功耗方面：用于实现5星NCAP评级的前置摄像头在最坏情况下功耗不到几瓦。但这些只是容易的部分！真正的效率是在芯片设计考虑了用例以及如何在芯片上实现时实现的。凭借我们开放的平台和生态系统，瑞萨与领先的汽车制造商（OEM）、一级供应商（Tier 1）和二级供应商（Tier 2）持续合作，不断改进、深化甚至有时纠正我们对AD和ADAS实现方式的理解。这有什么帮助呢？以下是一些例子：

　　理解用例使瑞萨能够提出最适合的安全机制，而不是简单地将所有内容都冗余实现。

　　理解要实现的不同算法（即在R-Car上使用的算法），使我们能够识别出在实现、性能和效率方面最适合的处理单元，并在R-Car中提供它们。

　　进一步识别和区分常用的算法和功能，使我们能够开发专门针对它们的硬连线处理单元，这为经常使用的功能提供了最佳性能和效率，并释放了通用CPU用于其他任务。R-Car V3H和V4H中的视频IP就是这一理念的体现。

　　从另一个角度来看，这些深入研究还可以量Kaiyun官网登录入口 开云网站化潜在的使用情况，这使我们能够估算所需的数据带宽，并正确规划通信总线、内部存储器、压缩机制和外部存储器接口的尺寸：市面上有许多芯片虽然拥有不错的处理能力，但却因这里或那里的瓶颈而受限。

　　合作不能单向进行：因此，瑞萨对这些算法的反馈对于R-Car用户来说可能非常有用，以下是一些例子：

　　指出在哪里采用不同的方法或改变实现方式可能会非常有利，以及在哪里可能存在潜在的权衡。一个反复出现的例子是从浮点运算切换到整数运算：在原型阶段，这可能看起来并不重要，但如果优化实现，精度损失很小或可以控制，可能会得到一个更简单、更小、更便宜的解决方案，并节省几瓦的功耗。

　　引入新的解决方案或想法，例如利用系统中可用功能在数据“就在那里且可用时”进行的“免费”操作。这可以减轻数据带宽的负担，因为否则这些操作可能需要稍后再次获取相同的数据。

　　进步并非只带来挑战！如今，得益于瑞萨的虚拟软件开发环境，我们的合作可以更早地开始：R-Car用户现在可以在芯片可用之前就开始设计和测试软件，而过去只能在芯片出来后才能开始。他们提供的反馈以及上述瑞萨的指导现在从第一天起就开始了。难道我们在这里停下来就可以称之为成功了吗？显然不是！进步是没有极限的，通过合作，我们能够不断更新我们对明天自动驾驶系统的理解，并通过提供最先进的处理解决方案来预见并成功地将其推向大众市场。