CN115599460A - 用于优化自主车辆的启动过程的状态暂停 - Google Patents

Abstract

本公开涉及用于优化自主车辆的启动过程的状态暂停。对自主车辆的计算机系统的AV硬件和软件的诊断和启动可以至少基于接收到关闭或断电指示来执行，然后计算机系统的计算状态可以在计算机系统进入低功率模式时暂停。可以快速地恢复暂停的计算状态，而无需重新启动和对于开启的诊断。为了确保所保存的计算状态的完整性，计算机系统可以退出低功率模式，重新运行诊断，重新加载程序，然后重新进入低功率模式。恢复被暂停的计算状态可以通过用户插入点火钥匙、按下开启车辆的按钮、打开车辆的门、远程解锁车辆、远程启动车辆等触发。

Description

用于优化自主车辆的启动过程的状态暂停

背景技术

在实际接受所需的安全水平下，设计一个在没有监督的情况下自主驾驶车辆的系统是非常困难的。自主车辆(AV)至少应该能够作为一名专注的驾驶员的功能等效物执行，他利用感知和行动系统，该系统具有在复杂环境中识别移动和静态障碍物并向其做出反应的惊人的能力，以避免与沿其路径上的其他物体或结构发生碰撞。为了满足这些标准，自主车辆正在运行越来越复杂的程序。随着这种复杂性的增加，自主驾驶系统的启动时间也会增加，部分原因是必须加载和配置的软件数据增加。与此同时，对于减少车辆开启的启动时间(例如，从启动车辆到能够安全驾驶的时间)的要求越来越高。

在运行自主驾驶软件之前，自主驾驶系统可以运行初始诊断(例如，潜在故障测试)。这通常需要系统重新启动，然后进行AV硬件和AV软件初始化，其中AV软件从持久存储器加载到随机存取存储器(RAM)并执行诊断。传统上，这个过程是由车辆的开启或打开的门触发的。由于现代AV系统的复杂性，此过程可能需要很长时间才能完成(例如，20秒或更长时间)。可以减少启动时间的一种方法是拆分车辆架构，例如，使用用于集群(后视摄像头)的专用电子控制单元(ECU)、用于车辆联网的另一个ECU，用于ADAS的另一个，以便这些ECU中的每一个都可以被专门构建，以便于更快地加载相应的功能。然而，车辆架构越分散，需要的专用硬件和软件就越多，从而增加了系统的复杂性。此外，随着AV软件变得越来越复杂，即使这种方法本身也可能不足以满足启动时间要求。

发明内容

本公开的实施例涉及用于自主车辆的快速启动的暂停状态。公开的系统和方法减少了在开启后使计算机系统(以及，通过扩展，自主车辆)进入完全操作模式所需的启动时间。

与如上所述的那些传统系统相比，可以至少基于接收到关闭或断电指示来执行自主车辆的计算机系统的AV硬件和软件的诊断和启动，然后计算机系统的计算状态可以在计算机系统进入低功率模式时暂停。当自主车辆重新启动时，暂停的计算状态可以快速恢复，而无需重新启动和诊断开启。

为了进入低功率模式，计算机系统可以执行各种诊断功能，运行安全机制，然后将程序重新加载到存储器存储介质中，例如随机存取存储器(RAM)。当处于低功率模式时，计算机系统的某些组件可被完全供电，某些组件可能被部分供电，并且某些组件可能断电。为了保证保存的计算状态的完整性，计算机系统可以在一定时间间隔后退出低功率模式。在间隔终止时，计算机系统可以重新运行诊断，将程序重新加载到RAM，然后重新进入低功率模式。当驾驶员返回车辆时，计算机系统可以退出低功率模式(例如，由于接收到开启事件的指示)。由于诊断是在进入低功率模式之前执行的，因此可能不需要进一步的诊断。此外，因为程序已经在RAM中，所以程序准备好运行之前的时间可以大大减少。因此，计算机系统可具有更快的启动时间，即使在采用更通用的系统架构(例如，单个ECU)的情况下，也可以实现更简单且更具成本效益的系统。

附图说明

以下参考附图详细描述用于自主车辆中的计算机系统的暂停状态的本系统和方法，其中：

图1是图示出根据本公开的一些实施例的用于进入和离开暂停状态的方法的流程图；

图2是图示出根据本公开的一些实施例的自主车辆的计算机系统的组件的系统图；

图3A是图示出根据本公开的一些实施例的由处理系统和控制器执行的进入暂停状态的请求的处理的流程图；

图3B是图示出根据本公开的一些实施例的由处理系统和控制器执行的进入暂停状态的流程图；

图4A是图示出根据本公开的一些实施例的由处理系统和控制器执行的退出暂停状态以恢复自主控制的流程图；

图4B是图示出根据本公开的一些实施例的由处理系统和控制器执行的退出暂停状态到断电状态的流程图；

图5是图示出根据本公开的一些实施例的进入和离开低功率模式以恢复自主控制的方法的流程图；

图6是图示出根据本公开的一些实施例的控制处理系统进入和离开低功率模式的方法的流程图；

图7是图示出根据本公开的一些实施例的指示进入和离开低功率模式的方法的流程图；

图8A是根据本公开的一些实施例的示例自主车辆的图示；

图8B是根据本公开的一些实施例的图8A的示例自主车辆的相机位置和视场的示例；

图8C是根据本公开的一些实施例的图8A的示例自主车辆的示例系统架构的框图；

图8D是根据本公开的一些实施例的用于在基于云的服务器与图8A的示例自主车辆之间通信的系统图；

图9是适合用于实现本公开的一些实施例的示例计算设备的框图；以及

图10是适合用于实现本公开的一些实施例的示例数据中心的框图。

具体实施方式

公开了涉及用于自主车辆的快速启动的暂停状态的系统和方法。尽管本公开可以关于示例性自主车辆800(或者在本文中称为“车辆800”或“自车辆800”，其示例如与图8A-8D相关的描述)，但这并不旨在限制本公开。例如，本文描述的系统和方法可由但不限于非自主车辆、半自主车辆(例如，在一个或更多个自适应驾驶员辅助系统(ADAS)中)、有人驾驶和无人驾驶机器人或机器人平台、仓库车辆、越野车辆、连接到一个或更多个拖车的车辆、飞艇、船只、穿梭机、应急响应车辆、摩托车、电动或机动自行车、飞机、施工车辆、水下航行器、无人机和/或其他车辆类型使用。此外，尽管本公开可以针对自主车辆的启动和暂停计算机系统进行描述，但这并非旨在限制本公开，本文描述的系统和方法可以用于增强现实、虚拟现实、混合现实、机器人技术、安全和监视、自主或半自主机器应用和/或任何其他可能使用计算机的启动和暂停的技术空间。

在一个或更多个实施例中，计算机系统可在车辆熄火(例如关机或断电)指示(例如，来自驾驶员和/或系统组件)后进入低功率模式。例如，用户可以取下点火钥匙，按下物理或虚拟按钮以关闭车辆，退出车辆等。在一个或更多个实施例中，计算机系统可以结束至少部分地自主操作车辆的驾驶周期。这可能包括关闭各种传感器和显示器。在一个或更多个实施例中，计算机系统将在硬件上运行诊断。在任何通电组件中，都有可能翻转位或在操作过程中累积的其他错误。例如，这些错误可能至少部分由辐射(如太阳辐射、α粒子等)引起。诊断可以检查在各种组件运行期间的错误累积。这些诊断可以包括潜在故障检查。

在一个或更多个实施例中，在执行诊断之前，计算机系统将至少部分地重新初始化或重新启动到驾驶周期中。在一个或更多个实施例中，在诊断和/或重新启动之后，计算机系统将暂停组件并将当前状态保存在RAM中。可以作为诊断的至少一部分执行的潜在故障检查可能会破坏、危及或以其他方式影响处理器的当前状态。在潜在故障检查完成后并且在暂停到RAM之前，可通过发出系统的完全重启来确保系统的安全。然后，计算机系统可以进入低功率模式。如本文所述，低功率模式可以指减少计算机系统的功率使用的各种模式中的任何一种。其他组件可能被禁用或处于待机状态。在一个或更多个实施例中，系统可在执行低功率模式进入的同时继续执行诊断，仅在托管该机制的逻辑被禁用的点处禁用安全机制。

计算机系统可能会保持在低功率模式，直到被触发离开低功率模式。将通过示例而非限制的方式简要讨论触发器的三个示例。首先，计算机系统可以检测或确定操作员已返回车辆，使得计算机系统离开低功率模式并进入正常操作模式。正常操作模式可以包括自主控制和在满功率下执行的其他功能。第二，可以经过一定的时间间隔，使得计算机系统可以重新运行诊断，重新加载程序，并重新进入低功率模式。第三，在特定的电池电量阈值(或其他阈值)下，计算机系统可以离开低功率模式，完全关机或断电(以防止电池进一步消耗)。虽然本文描述了电池，但与电池相关的描述可适用于一种或更多种能量存储介质(例如，电容器等)。

在低功率模式下，最耗电的组件可能会断电。断电组件的示例可以包括中央处理单元(CPU)和图形处理单元(GPU)。CPU和/或GPU可部分地为自主驾驶功能提供动力，例如，使用神经网络的计算机视觉。在低功率模式下，某些组件可能会完全供电(例子包括车辆电池、电源预调节电路、电源定序器、用于处理器的时钟开启部分的电压调节器、用于DRAM的电压调节器等)。车辆电池可从开关或直接从车辆电池向计算机系统供电。在低功率模式下，某些组件可能会部分供电(例子包括电源管理集成电路、处理器的始终开启部分、拐射线、以太网等)。其中某些可直接从电池供电，并可配置为根据需要向其他组件提供唤醒信号，以退出低功率模式。此外，在低功率模式下，某些组件可能会完全断电(例如图形处理单元、微控制器单元、车辆线束、外围设备、传感器和显示器)。微控制器单元和/或其他控制器可以用于安全、检查系统的其他方面以及进行电源控制。

如本文所述，计算机系统可以在低功率模式下保持一定时间间隔。例如，时间间隔可以是8小时或24小时。时间间隔可以是静态数字、可编程的静态数字(例如，由车辆制造商或最终客户编程)，或者可以是动态的。在间隔过后，计算机系统可短暂退出低功率模式，重新运行诊断程序，重新初始化程序，重新启动，并重新进入低功率模式。该周期可以持续，直到检测到退出事件，例如收到开启指示或电池电量低于某个水平。

在一个或更多个实施例中，进入低功率模式可以在熄火(或结束驾驶周期的某些其他指示)时运行。然而，进入低功率模式可以配置为在满足各种潜在标准或条件时运行。如果需要，还可以向用户呈现完全断电的选项。

计算机系统可退出低功率模式，以实现正常的自主驾驶操作。退出低功率模式可以由返回正常驾驶操作即将开始或即将到来的指示触发。例如，用户可以插入点火钥匙、按下开启车辆的按钮、打开车辆的门、远程解锁车辆、远程启动车辆等。

为了退出低功率模式，可以向微控制器单元(和/或其他控制器)发送唤醒信号。微控制器单元可至少基于唤醒信号触发计算机系统，以离开低功率模式。被触发后，计算机系统可以离开低功率模式。离开低功率模式可以包括(例如但不限于)任务或操作，例如：打开时钟、传感器和显示器。离开低功率模式还可以包括(例如但不限于)任务或操作，例如：验证、恢复保存状态，以及以其他方式使计算机系统为正常操作做好准备。由于计算状态保存在RAM(和/或其他存储介质)中，计算机系统可以比传统过程和解决方案更快地进入正常操作(例如，自主车辆准备好进行自主控制)。例如，所有应用程序状态和传感器状态可以已经在RAM中。

在某些情况下，计算机系统可能会从低功率模式进入到断电模式或状态。计算机系统可以至少基于一个或更多个标准被满足而进入到断电模式。例如，当电池电量低于某个阈值时，计算机系统可以进入断电模式。作为另一个示例，计算机系统可以至少基于低功率模式下总时间的超时而进入到断电模式。在这些实例中，微控制器单元可被微控制器电源管理电路唤醒。微控制器单元可确认超时，然后指示处于低功率模式的各种组件完全关闭或断电。微控制器还可以将其电源管理电路置于待机模式，然后关闭自身电源。某些组件，例如，电源管理电路，可以在断电状态下保持供电以允许恢复。计算机系统可以保持在断电模式，直到收到开启或其他指示(例如，电池已被充分充电，车辆已插入电源等)。

参考图1，图1是图示出根据本公开的一些实施例的用于进入和离开暂停状态的方法100的流程图。方法100(以及本文所描述的其他方法)的每个框包括可使用硬件、固件和/或软件的任何组合来执行的计算过程。例如，各种功能可以由处理器执行存储在存储器中的指令来实现。方法100还可以实现为存储在计算机存储介质上的计算机可用指令。方法100可以由独立应用程序、服务或托管服务(独立或与另一托管服务组合)或另一产品的插件提供，仅举几例。此外，作为示例，针对图2的计算机系统200来描述方法100。然而，方法100可附加地或替代地由任何一个系统或系统的任何组合执行，包括但不限于本文所述的系统。

方法100可以用于图2的计算机系统200(例如，ECU)的启动、暂停状态和加载状态，以实现对自主车辆(例如，车辆800)的自主控制。然而，方法100也可以用于其他类型的计算机系统，或用于使用计算机系统实现其他类型的功能。在本公开的实施例中，方法100可以在自主车辆熄火时运行。除了熄火以外或代替熄火，方法100还可以配置为在某些标准或条件下运行。此外，如果需要，用户可以选择完全关闭车辆的计算机系统200，而不是运行方法100并将计算机系统200置于低功率模式。例如，如果用户知道将在很长时间内不使用自主车辆，则用户可以选择将车辆完全断电，而不是允许自主车辆进入可以默认执行的方法100。

在框B102处，方法100包括接收或检测断电指示。计算机系统可至少基于关闭或断电指示而开始进入低功率模式，例如来自驾驶员(和/或系统组件)的指示，该指示为车辆已经停止运行或将要停止运行(和/或自主控制将被禁用)。例如，用户可以拔下点火钥匙，按下关闭车辆的按钮，退出车辆等。基于关闭或断电指示，计算机系统可以结束自主操作车辆的驾驶周期。这可以包括关闭车辆的各个传感器和显示器。

在框B104处，方法100包括在计算机系统上运行诊断，例如ECU。计算机系统可以在硬件上运行各种诊断中的任何一种。在一个或更多个实施例中，可以使用系统内测试(IST)来执行诊断。在正常的计算机操作过程中，计算机系统中的位可能翻转或遇到其他错误或故障。这些错误和故障可能是由辐射(太阳辐射、α粒子等)或其他外部源造成的，或者可能是在通电时造成的。执行的诊断可以包括潜在故障检查，以确定和纠正此类错误。在一个或更多个实施例中，虽然图1中未示出，但计算机系统可在诊断之前至少部分地重新启动(例如，基于框B102的关闭或断电指示，和/或基于在框B124处的退出低功率模式)。

在框B106处，方法100包括重新启动计算机系统。计算机系统可以在诊断后至少部分地重新启动，回到驾驶周期。计算机系统可以至少部分地执行重启，原因是潜在故障检查破坏了处理器的当前状态。重启可能会创建一个新的计算状态，其包括用于自主控制和/或自主车辆的其他功能的一个或更多个程序的当前加载实例。

在框B108处，方法100包括存储计算状态。例如，计算状态可以存储在一个或更多个计算机存储介质中，该计算机存储介质可以包括至少一个易失性存储器，例如随机存取存储器(RAM)。在进入低功率模式之前存储计算状态可以允许在离开低功率模式时快速调用计算状态，而无需执行完全重启。

在框B110处，方法100包括进入低功率状态。为了进入低功率状态，计算机系统可以暂停本文讨论的一个或更多个组件。其他组件可以被禁用或处于待机状态。参考图2进一步讨论此类组件的示例。在一些实施例中，低功率模式是系统控制7(SC7)，其中系统控制可以指系统功率状态。其他系统控制可以包括计算机系统处于全功率的系统控制0或系统完全断电的系统控制8(例如，保存唤醒电路)。也可以使用低功率模式的其他级别和配置。

在一个或更多个实施例中，在框B110处进入低功率模式后，可根据满足的各种标准执行各种其他功能。例如，可能出现框B112-B116、B118-B120、B122-B124或B126-128。关于框B112-B116，在框B112处，方法100包括出现通电或启动指示。通电或启动指示可以触发从低功率模式退出，并可以(通过示例而非限制的方式)包括返回正常驾驶操作即将开始、即将发生或是其他期望的指示。通电或启动指示可以从位于自主车辆中的计算机系统(例如ECU)的外部的组件、从与计算机系统以通信方式耦合的传感器，和/或从某些其他电子设备(例如，遥控钥匙)接收。在一个或更多个实施例中，用户可以通过以某种方式与自主车辆交互来触发通电或启动指示。例如，用户可以插入点火钥匙、按下开启车辆的按钮、打开车辆的门、远程解锁车辆、远程启动车辆、使用注册的无线通信设备接近车辆等。

在框B114处，方法100包括退出低功率模式。例如，控制器可以触发处理系统和计算机系统的其他组件离开低功率模式。这可以包括控制器指示电源管理器向各种组件供电，如本文所述。控制器和/或处理系统还可以开启时钟、传感器和显示器。这可以包括验证、启动和/或以其他方式使计算机系统做好正常操作的准备。由于之前的计算状态保存在存储器中(例如，根据框B108)，计算机系统可以进入运行时，而无需加载和初始化所有AV软件和硬件配置。例如，所有应用程序状态和传感器状态可能已经加载到存储中保存的计算状态中。

在框B116处，方法100包括启用自主控制。例如，当计算状态已从存储中恢复时，计算机系统可对车辆进行自主控制。计算机系统可保持对车辆的自主控制，直到收到关闭或断电指示或发生其他事件。例如，方法100可以循环回框B102并继续另一个周期。

关于框B118-B120，在框B118处，方法100包括出现低功率电源。例如，电池电量低可由计算机系统、计算机系统外部的组件或某些其他设备确定。在一个或更多个实施例中，可至少基于功率水平低于阈值来确定低功率电源。

在框B120处，方法100包括计算机系统被完全断电。通过完全断电，电源上的消耗将停止或大幅下降。

当电源下降到低于某个阈值时继续在低功率模式下运行可能是不利的，因为电源过低可能会阻止自主车辆启动或运行足够长的时间段。例如，对于内燃机动力的车辆，电池电量低可能会阻止启动器成功起动发动机。类似地，在电动车辆的情况下，电池电量低可能会减少电子车辆可用的范围。框B122-B124可用于改善此类情况。关于框B122-B124，在框B122处，方法100包括已经经过某个时间间隔(和/或满足的其他条件)。时间间隔可以指示应再次执行诊断以保持在低功率模式。

计算机系统可能会保持在低功率状态一定时间间隔。例如，时间间隔可以是8小时或24小时。时间间隔可以是预先确定的数字、可编程(例如，由车辆制造商或最终客户)的静态数字，或者可以是动态的。在间隔后，计算机系统可能会短暂脱离低功率状态，重新运行诊断，重新初始化程序，并重新进入低功率模式(例如，根据框B104-B110)。在一个或更多个实施例中，计算机系统也可以在框B104之前重新启动。

因此，在框B124处，方法100包括退出低功率模式，在此之后，方法100可以返回框B104(例如，在重启之后)，使得可以再次执行诊断。然后，计算机系统可以重新启动，存储计算状态，然后重新进入低功率模式(例如，在框B110处)。例如，只要电源(例如电池)有足够的电力并且没有收到通电或启动指示，计算机系统就可以重复该周期。当电源在外部充电时，计算机系统可重复该周期，直到收到通电或启动指示(例如，如框B112中所述)。

在框B126处，方法100可以包括当计算机系统处于低功率模式时检测到一个或更多个故障。例如，当处理系统和计算机系统的其他组件处于低功率模式时，控制器可以执行诊断。这可以包括控制器指示处理器、电源管理器或用于定期或在某个触发时测试一个或更多个故障的其他组件。诊断可以与框B104中执行的诊断相同或不同。

在框B128处，方法100可以包括在框B126中检测到故障后记录该故障。故障的记录可创建或更新指示检测到的部件和故障类型的记录，并可包括与故障相关的各种传感器读数等。在本公开的一些实施例中，在检测到和/或记录故障之后，控制器可以指示完全断电。该完全断电可包括本文在框B120中描述的一个或更多个步骤。在本公开的其他实施例中，在检测到和/或记录故障之后，计算机系统可以在低功率模式下持续经过一时间间隔(如框B122中讨论的)和/或接收到通电或启动指示(如框B112中讨论的)。在这些实施例中，可以在计算机系统返回全功率模式时(例如在框B114和/或B124中讨论的)后进一步评估和测试记录的故障。如果在返回全功率模式后验证了故障，则控制器可指示计算机系统完全断电(如框B120中讨论的)。

参考图2，图2是用于自主车辆800或其他机器的示例计算机系统200。计算机系统200可以具有一个或更多个处理系统202。一个或更多个处理系统202可以加载和运行用于自主车辆的自主控制软件，和/或可以执行其他功能。计算机系统200还可以具有一个或更多个控制器204。一个或更多个控制器可以包括微控制器单元(MCU)或其他控制器。为了安全起见，一个或更多个控制器204可用于检查、指示和监测计算机系统200的其他组件。一个或更多个控制器204还可以控制向计算机系统200的其他组件供电。计算机系统200还可以具有计算机存储206(例如，易失性存储器存储)。在一个或更多个实施例中，计算机存储206可以包括一个或更多个计算机存储介质，例如RAM，并且可以包括动态随机存取存储器(DRAM)。计算机系统200还可以具有或可以访问用于存储处理系统202的各种程序和配置的非易失性存储器(未示出)。如本文所述，该存储器可用于在计算机系统200重新启动期间加载程序和配置。

计算机系统200还可以具有电源208，或者以其他方式与电源208相关联。电源208的示例包括车辆电池，例如向电动车辆供电的电池、向内燃动力车辆提供电气功能的电池、用于电子控制单元的专用电池和/或其他电池。计算机系统200另外还可以具有接口管理器210。接口管理器可以管理一个或更多个通信接口，例如控制器局域网(CAN)、以太网、拐射线网络和/或其他网络或接口类型的通信接口。在一个或更多个实施例中，接口管理器210可以包括CAN控制器、以太网物理层(例如发送和接收以太网帧的芯片或软件)、拐射线通信总线和/或其他组件。计算机系统200还可以具有电源管理器212。举例来说，电源管理器可以包括电源管理器集成电路(PMIC)。电源管理器212可以与车辆线束214以及控制器204进行接口。

计算机系统200还可以具有一个或更多个预调节器216。一个或更多个预调节器216可被配置为减少在来自电源208的输出功率中存在的纹波。一个或更多个预调节器216可另外或替代地减少或最小化电压调节器220处的功率耗散。一个或更多个预调节器216可与外围电源218接口。外围电源218可以直接或间接地向各种外围组件(例如本文所述的传感器)中的任何一个提供电力。

电压调节器220可以向计算机系统200的各种其他组件供电，包括处理系统202上的唤醒模块222。唤醒模块222可包括处理系统202的始终开启部分和/或在处理系统202处于低功率模式时能够开启的部分。电压调节器220可经由唤醒模块电源224向唤醒模块222供电，唤醒模块电源224可以包括用于处理系统202的始终开启部分的电压调节器。电压调节器220还可以经由存储电源226向计算机存储206供电。电压调节器还可以经由处理系统202的主电源228向处理系统202供电(例如，当处理系统202未处于低功率模式和/或在正常操作时)。

如本文所述，在低功率模式下，某些组件可以接收全功率、部分功率或无功率。在各个实施例中，可以基于组件的功能以及在低功率模式期间和离开低功率模式的需要，来选择组件用于全功率、部分功率或无功率。为了进入低功率模式，计算机系统200的最耗电组件可以断电。这可以包括中央处理单元(CPU)和/或GPU，其可以是处理系统202的组件或以其他方式与处理系统202相关。例如，处理系统202可以是或者包括图8C的SoC 804中的一个或更多个。此外，一个或更多个处理器810、一个或更多个CPU 806、一个或更多个加速器814和/或一个或更多个GPU 808可以断电以用于低功率模式。在处理系统202包括图9的一个或更多个逻辑单元920的实施例中，它们也可以断电以用于低功率模式。

当处于低功率模式或状态时，某些组件可以完全供电(示例包括电源208、预调节器216、唤醒模块222、唤醒模块电源224、存储电源226等)，如图2所示。车辆电池或其他电源208向电子控制单元供电，并且可以从开关或直接从车辆。当处于低功率状态时，某些组件可以部分供电(示例包括电源管理器212、接口管理器210、计算机存储206、处理系统202等)。部分供电的组件中的一些可以从电源208供电，并且可以被配置为向其他组件提供唤醒信号。例如，电源管理器212可以被配置为向唤醒模块222提供一个或更多个唤醒信号，以便将处理系统202从低功率模式唤醒。当处于低功率模式时，某些组件可以完全断电(示例包括本文描述的处理系统202的最耗电组件、一个或更多个控制器204、车辆线束214以及可由外围电源218供电的外围设备、传感器和/或显示器)。在低功率模式期间，各种安全机制可以部分或完全供电。这些安全机制的示例可涉及监测和控制功率、时钟、温度和其他变量，以确保计算机系统200在离开低功率模式时的安全操作，该低功率模式可以通过减少唤醒时所需的测试量来进一步改善启动时间。

现在参考图3A-3B，示出了处理系统202和控制器204之间的一般流程。通过举例，处理系统202和控制器204可以根据一般流程进行交互，以实现方法100的框B102-B110中的至少一些。图3A描述了包括接收和处理计算机系统200的关闭或断电请求的示例流程图300A。图3B描绘了示例流程图300B，其包括响应于在流程图300A中接收和处理的关闭或断电请求而进入低功率模式。

可以由处理系统202执行的功能在图3A和3B的左侧示出，并且可由控制器204执行的步骤在图3A和3B的右侧示出。图3A和3B主要示出了示例过程中的向下移动的时间经过。应当理解，所示的时间经过的长度仅仅是一个示例，并且时间经过可以在每个框中或每个框之间的时间量上变化，而不偏离当前公开的范围。类似地，在两侧之间示出的箭头可以指示在处理系统202和控制器204之间发送的一个或更多个消息或状态更新，或者可以指示在处理系统202和控制器204之间不发送任何信息或消息的情况下采取的下一步。特别是，箭头和时间间隔只是为了向读者解释所涉及的概念。

在流程图300A中，框B302包括控制器204请求处理系统202的关闭或断电，例如，响应于来自计算机系统200之外的车辆组件的关闭或断电指示。控制器204可以向处理系统202发送该关闭或断电请求。框B304包括控制器204启动处理系统202的断电序列。框B306包括控制器204触发处理系统202的重启。根据控制器204的触发，框B308包括处理系统202准备重启。处理系统202可以向控制器204报告重新启动准备就绪，或者控制器204可以等待某个时间间隔。框B310包括控制器204断言处理系统202的复位。控制器204还可以启动将由处理系统202执行的诊断。根据控制器204的指示，框B312包括处理系统202重新启动并随后运行诊断。当诊断完成时，处理系统202可以向控制器204报告完成。报告可以包括未发现故障的指示、发现任何故障的指示或其他信息。框B314包括在诊断已经完成的指示后控制器204断言处理系统202的复位。框B316包括处理系统202重新启动到功能操作模式。功能操作模式可包括加载与自主车辆的自主控制相关联的全部或部分程序、应用程序、功能和其他计算机指令。框B318包括控制器204检测(或以其他方式接收指示)正在进入处理系统202的功能模式。

在流程图300B中，框B350包括处理系统202请求在某个计时器期满后进入低功率模式。计时器可允许取消低功率模式。框B352包括控制器204触发低功率模式并响应处理系统202。框B354包括处理系统202暂停单元并将计算状态保存到计算机存储206。被暂停的单元可以包括计算机系统200的各种组件中的任何一个，并且可以另外或可替代地包括计算机系统200外部的各个其他组件，例如外围设备、传感器、显示器、输入设备、输出设备和/或其他电子设备。可以已经使用流程图300A的框B316生成并使用流程图300A的框B318检测到的计算状态可以被保存到计算机存储206。这可以允许在启动时从计算机存储206中调用计算状态。框B356包括控制器向计算机系统200外部的自主车辆的一个或更多个组件报告状态。当处理系统202正在暂停单元和/或保存计算状态时，框B356可由控制器204执行。框B358包括处理系统202开始断电序列。框B360包括处理系统202将计算机系统200的至少一部分置于低功率模式。

现在参考图4A，图4A是图示出根据本公开的一些实施例的由处理系统202和控制器204执行的退出暂停状态以恢复自主控制的流程图400A。通过举例，处理系统202和控制器204可以根据流程图400A进行交互，以实现方法100的框B112-B114中的至少一些。

框B402包括控制器204接收车辆通电或启动触发或指示。可以通过电源管理器212从车辆线束214接收触发。框B404包括向控制器204供电，例如通过电源管理器212。例如，可以经由电源管理器212从电源208供电。框B406包括控制器204启动。控制器204可以开始各个操作中的任何一个以处理通电或启动触发器，并开始指示计算机系统200的其他组件退出低功率模式的过程。框B408包括控制器204响应通电或启动触发。例如，控制器204可以向计算机系统200之外的组件发送消息，该消息指示通电或启动触发已被接收并且正在被处理。

框B410包括控制器204指示处理系统202退出低功率模式并恢复正常操作。如本文所述，控制器204可指示预调节器216和/或电压调节器220，以向计算机系统200的相应组件供电(例如，全功率)。此外，预调节器216和/或电压调节器220可以向处理系统202、外围设备、计算机存储206和其他组件供电。

框B412包括处理系统202准备退出低功率模式。这可以包括从计算机存储206恢复计算状态。框B414包括处理系统202向控制器204指示该处理系统已准备好进行自主控制。框B416包括控制器204向计算机系统200外部的组件发送处理系统202的就绪情况报告。B418包括控制器204指示处理系统202对自主车辆进行自主控制。处理系统可以随后进行自主控制，直到收到后续关闭或断电指示，或发生或检测到某个其他事件。

现在参考图4B，图4B是图示出根据本公开的一些实施例的由控制器204执行的从暂停状态退出到断电状态的流程图400B。举例来说，控制器204可以根据流程图400B动作以实现方法100的框B122-B124中的至少一些。

框B452包括电源管理器212由于电池电量低、低功率模式的周期中的总时间或其他触发而触发从低功率模式的超时。框B454包括控制器204响应于电源管理器212的唤醒而由电源管理器212供电。框B456包括控制器204确认由于触发而超时。框B458包括控制器204指示计算机系统200中的其他组件的断电(例如，由低功率模式轨道供电)。框B460包括控制器204将电源管理器212置于待机模式并将其自身断电。在断电期间，计算机系统200的所有轨道可以关闭，除了电源管理器212可以处于待机或睡眠模式。此外，接口管理器210可以处于低功率待机模式。

图5是图示出根据本公开的一些实施例的进入和离开低功率模式以恢复自主控制的方法500的流程图。作为示例，针对图2的计算机系统200来描述方法500。然而，方法500可附加地或替代地由任何一个系统或系统的任何组合执行，包括但不限于本文所述的那些系统。

在框B502处，方法500包括在计算机系统上运行诊断。例如，处理系统202可以至少基于机器的关闭或断电指示，在用于机器(例如，车辆800)的自主控制的计算机系统200上运行诊断。

在框B504处，方法500包括重新启动计算机系统。例如，处理系统202可以至少部分地基于诊断来重新启动计算机系统200的一个或更多个部分，以将计算机系统200配置为计算状态。

在框B506处，方法500包括存储计算状态。例如，处理系统202可以将计算状态存储在计算机存储206中作为保存状态。

在框B508处，方法500包括进入低功率模式。例如，当保存状态存储在计算机存储206中时，处理系统202可以进入低功率模式。

在框B510处，方法500包括退出低功率模式。例如，处理系统202可以至少基于机器的通电或启动指示而退出低功率模式。

在框B512处，方法500启用自主控制。例如，处理系统可以至少基于从计算机存储206恢复保存状态，来实现计算机系统200对机器的自主控制。

现在参考图6，图6是图示出根据本公开的一些实施例的控制处理系统进入和离开低功率模式的方法的流程图。作为示例，针对图2的计算机系统200来描述方法600。然而，方法600可附加地或替代地由任何一个系统或系统的任意组合执行，包括但不限于本文所述的那些系统。

在框B602处，方法600包括启动断电序列。例如，控制器204可响应于检测到车辆(例如，车辆800)的关闭或断电指示而启动断电序列。

在框B604处，方法600包括指示将要运行的诊断。例如，控制器204可以指示用于车辆的自主控制的计算机系统200执行诊断。

在框B606处，方法600包括指示要执行的重新启动。例如，控制器204可以指示计算机系统200的一个或更多个部分(例如，处理系统202)重新启动，以将计算机系统200配置到计算状态，并将计算状态作为保存状态存储在计算机存储206中。

在框B608处，方法600包括触发低功率模式。例如，当保存状态存储在计算机存储206中时，控制器204可以触发计算机系统200内的一个或更多个组件的低功率模式。

在框B610处，方法600包括触发从低功率模式退出。例如，控制器204可至少基于车辆的通电或启动指示而触发从低功率模式退出，该退出的触发使计算机系统200能够至少基于从计算机存储206恢复的保存状态对车辆进行自主控制。

现在参考图7，图7是图示出根据本公开的一些实施例的指示进入和离开低功率模式的方法700的流程图。作为示例，针对图2(本文所讨论的)的计算机系统200来描述方法700。然而，该方法700可附加地或替代地由任何一个系统或系统的任意组合执行，包括但不限于本文所述的那些系统。

在框B702处，方法700包括执行系统内测试。例如，处理系统202可以至少基于车辆熄火的第一指示，对用于车辆自主控制的计算机系统200执行系统内测试。

在框B704处，方法700包括配置计算状态。例如，处理系统202可以将计算机系统200配置为能够至少基于完成系统内测试来实行自主控制的计算状态。

在框B706处，方法700包括在低功率模式下操作。例如，当计算状态作为保存状态存储在计算机存储206中时，处理系统202可以在低功率模式下操作。

在框B708处，方法700包括退出低功率模式。例如，处理系统202可以至少基于车辆开启的第二指示退出低功率模式。

在框B710处，方法700包括启用自主控制。例如，处理系统202可以至少基于从计算机存储206恢复保存状态，实现计算机系统200对机器的自主控制。

示例自主车辆

图8A是根据本公开的一些实施例的示例自主车辆800的图示。自主车辆800(可替代地，在本文称为“车辆800”)可以包括但不限于，客运车辆，如小汽车、卡车、公共汽车、应急车辆、穿梭车、电动或机动自行车、摩托车、消防车、警用车辆，救护车、船、建筑车辆、水下船只、无人机、与拖车相连的车辆，和/或另一类型的车辆(例如，无人驾驶的和/或容纳一名或更多名乘客的车辆)。自主车辆通常按照美国运输部的一个部门——国家公路交通安全管理局(NHTSA)以及汽车工程师协会(SAE)“Taxonomy and Definitions for TermsRelated to Driving Automation Systems for On-Road Motor Vehicles”(2018年6月15日发布的标准No.J3016-201806，2016年9月30日发布的标准No.J3016-201609，以及该标准的先前和未来的版本)定义的自动化级别进行描述。车辆800能够实现符合自主驾驶级别的1级-5级中的一个或更多个的功能。例如，根据实施例，车辆800可以具有驾驶员辅助(1级)、部分自动化(2级)、有条件的自动化(3级)、高度自动化(4级)和/或完全自动化(5级)的能力。本文使用的术语“自主”一词可以包括车辆800或其他机器的任何和/或所有类型的自主，例如，完全自主、高度自主、有条件的自主、部分自主、提供辅助的自主、半自主、主要自主或其他指定。

车辆800可以包括诸如底盘、车身、车轮(例如2个、4个、6个、8个、18个等)、轮胎、车轴之类的部件以及车辆的其他部件。车辆800可以包括推进系统850，例如内燃机、混合动力发电厂、全电动发动机和/或另一种推进系统类型。推进系统850可以连接到可以包括变速器的车辆800的传动系以便实现车辆800的推进。可以响应于接收到来自油门/加速器852的信号而控制推进系统850。

转向(steering)系统854可以包括方向盘，其可以用于在推进系统850运行时(例如，当车辆运动时)使车辆800转向(例如沿着期望的路径或路线)。转向系统854可以接收来自转向致动器856的信号。对于全自动(5级)功能而言，方向盘可以是可选的。

制动传感器系统846可以用来响应于接收到来自制动致动器848和/或制动传感器的信号而操作车辆制动器。

一个或更多个控制器836可以包括一个或更多个片上系统(SoC)804(图8C)和/或一个或更多个GPU，其可以向车辆800的一个或更多个部件和/或系统提供(例如表示命令的)信号。例如，一个或更多个控制器可以发送信号，以经由一个或更多个制动致动器848操作车辆制动器，经由一个或更多个转向致动器856操作转向系统854，经由一个或更多个油门/加速器852操作推进系统850。一个或更多个控制器836可以包括一个或更多个板载(例如集成)计算设备(例如超级计算机)，所述计算设备处理传感器信号并且输出操作命令(例如表示命令的信号)，以实现自主驾驶和/或辅助人类驾驶员驾驶车辆800。一个或更多个控制器836可以包括用于自主驾驶功能的第一控制器836、用于功能性安全功能的第二控制器836、用于人工智能功能(例如计算机视觉)的第三控制器836、用于信息娱乐功能的第四控制器836、用于紧急情况下的冗余的第五控制器836，和/或其他控制器。在一些示例中，单个控制器836可以处理上述功能中的两个或更多，两个或更多控制器836可以处理单个功能，和/或其任意组合。

一个或更多个控制器836可以响应于接收自一个或更多个传感器的传感器数据(例如传感器输入)，提供用于控制车辆800的一个或更多个部件和/或系统的信号。传感器数据可以接收自例如且不限于全球导航卫星系统传感器858(例如全球定位系统传感器)、RADAR传感器860、超声传感器862、LIDAR传感器864、惯性测量单元(IMU)传感器866(例如加速度计、陀螺仪、磁罗盘、磁力计等)、麦克风896、立体相机868、广角相机870(例如鱼眼相机)、红外相机872、环绕相机874(例如360度相机)、远程和/或中程相机898、速度传感器844(例如用于测量车辆800的速率)、振动传感器842、转向传感器840、制动传感器(例如作为制动传感器系统846的部分)和/或其他传感器类型。

控制器836中的一个或更多个可以接收来自车辆800的仪表组832的输入(例如由输入数据表示)，并且经由人机接口(HMI)显示器834、听觉信号器、扬声器和/或经由车辆800的其他部件提供输出(例如输出数据、显示数据等表示的)。这些输出可以包括诸如车辆速度、速率、时间、地图数据(例如图8C的HD地图822)、位置数据(例如，车辆800例如在地图上的位置)、方向、其他车辆的位置(例如占用网格)之类的信息，如控制器836所感知的关于对象和对象状态的信息等等。例如，HMI显示器834可以显示关于一个或更多个对象(例如街道指示牌、警示牌、交通灯变化等)的存在性的信息和/或关于车辆已经做出、正在做出或者将会做出的驾驶机动的信息(例如现在变道、两英里后离开34B，等等)。

车辆800还包括网络接口824，其可以使用一个或更多个无线天线826和/或调制解调器通过一个或更多个网络通信。例如，网络接口824可能够通过LTE、WCDMA、UMTS、GSM、CDMA2000等通信。一个或更多个无线天线826也可以使用诸如蓝牙、蓝牙LE、Z波、ZigBee等等之类的一个或更多个局域网和/或诸如LoRaWAN、SigFox等等之类的一个或更多个低功率广域网(LPWAN)实现环境中的对象(例如车辆、移动设备等等)之间的通信。

图8B为根据本公开一些实施例的用于图8A的示例自主车辆800的相机位置和视场的示例。相机和各自的视场是一个示例实施例，并不意图是限制性的。例如，可以包括附加的和/或可替换的相机，和/或这些相机可以位于车辆800上的不同位置。

用于相机的相机类型可以包括但不限于可以适于与车辆800的部件和/或系统一起使用的数字相机。所述相机可以在汽车安全完整性级别(ASIL)B下和/或在另一个ASIL下操作。相机类型可以具有任何图像捕获率，例如60帧每秒(fps)、120fps、240fps等等，这取决于实施例。相机可能够使用滚动快门、全局快门、另一种类型的快门或者其组合。在一些示例中，滤色器阵列可以包括红白白白(RCCC)滤色器阵列、红白白蓝(RCCB)滤色器阵列、红蓝绿白(RBGC)滤色器阵列、Foveon X3滤色器阵列、拜耳传感器(RGGB)滤色器阵列、单色传感器滤色器阵列和/或另一种类型的滤色器阵列。在一些实施例中，诸如具有RCCC、RCCB和/或RBGC滤色器阵列的相机之类的清晰像素相机可以用在提高光敏感度的努力中。

在一些示例中，所述相机中的一个或更多个可以用来执行高级驾驶员辅助系统(ADAS)功能(例如作为冗余或故障安全设计的部分)。例如，可以安装多功能单目相机以提供包括车道偏离警告、交通指示牌辅助和智能前照灯控制在内的功能。所述相机中的一个或更多个(例如全部相机)可以同时记录和提供图像数据(例如视频)。

所述相机中的一个或更多个可以安装在诸如定制设计的(3-D打印的)组件之类的安装组件中，以便切断可能干扰相机的图像数据捕获能力的杂散光和来自汽车内的反射(例如挡风玻璃镜中反射的来自仪表板的反射)。关于翼镜安装组件，翼镜组件可以是定制3-D打印的，使得相机安装板匹配翼镜的形状。在一些示例中，一个或更多个相机可以集成到翼镜中。对于侧视相机而言，一个或更多个相机也可以集成到驾驶室每个拐角的四根柱子内。

具有包括车辆800前面的环境部分的视场的相机(例如前置相机)可以用于环视，以帮助识别前向路径和障碍，以及在一个或更多个控制器836和/或控制SoC的帮助下辅助提供对于生成占用网格和/或确定优选车辆路径至关重要的信息。前置相机可以用来执行许多与LIDAR相同的ADAS功能，包括紧急制动、行人检测和碰撞避免。前置相机也可以用于ADAS功能和系统，包括车道偏离警告(LDW)、自主巡航控制(ACC)，和/或诸如交通指示牌识别之类的其他功能。

各种各样的相机可以用于前置配置中，包括例如包括CMOS(互补金属氧化物半导体)彩色成像仪在内的单目相机平台。另一个示例可以是广角相机870，其可以用来感知从周边进入视场的对象(例如行人、十字路口交通或者自行车)。尽管图8B中图示出仅仅一个广角相机，但是在车辆800上可以存在任意数量的广角相机870。此外，远程相机898(例如长视立体相机对)可以用于基于深度的对象检测，尤其是用于尚未针对其训练神经网络的对象。远程相机898也可以用于对象检测和分类以及基本的对象追踪。

一个或更多个立体相机868也可以包括在前置配置中。立体相机868可以包括集成控制单元，该单元包括可扩展处理单元，其可以提供在单个芯片上具有集成的CAN或以太网接口的多核微处理器和可编程逻辑(FPGA)。这样的单元可以用来生成车辆环境的3-D地图，包括针对图像中的所有点的距离估计。可替代的立体相机868可以包括紧凑型立体视觉传感器，其可以包括两个相机镜头(左右各一个)以及可以测量从车辆到目标对象的距离并且使用生成的信息(例如元数据)激活自主紧急制动和车道偏离警告功能的图像处理芯片。除了本文所描述的那些之外或者可替代地，可以使用其他类型的立体相机868。

具有包括车辆800的侧面的环境部分的视场的相机(例如侧视相机)可以用于环视，提供用来创建和更新占用网格以及生成侧撞击碰撞警告的信息。例如，环绕相机874(例如如图8B中所示的四个环绕相机874)可以置于车辆800上。环绕相机874可以包括广角相机870、鱼眼相机、360度相机和/或类似物。四个示例，四个鱼眼相机可以置于车辆的前面、后面和侧面。在一种可替代的布置中，车辆可以使用三个环绕相机874(例如左边、右边和后面)，并且可以利用一个或更多个其他相机(例如前向相机)作为第四环视相机。

具有包括车辆800的后面的环境部分的视场的相机(例如后视相机)可以用于辅助停车、环视、后面碰撞警告以及创建和更新占用网格。可以使用各种各样的相机，包括但不限于也适合作为如本文所描述的前置相机(例如远程和/或中程相机898、立体相机868、红外相机872等等)的相机。

图8C为根据本公开一些实施例的用于图8A的示例自主车辆800的示例系统架构的框图。应当理解，这种布置和本文描述的其他布置仅仅作为示例而被阐述。除了所示的那些之外或者代替它们的是，可以使用其他的布置和元素(例如机器、接口、功能、顺序、功能分组等等)，并且一些元素可以完全省略。进一步，许多本文描述的元素是功能实体，其可以实现为分立的或分布式部件或者结合其他部件实现，以及以任何适当的组合和位置实现。本文描述为由实体执行的各个功能可以通过硬件、固件和/或软件实现。例如，各个功能可以通过处理器执行存储在存储器中的指令而实现。

图8C中车辆800的组件、特征和系统中的每一个被图示为经由总线802连接。总线802可以包括控制器区域网络(CAN)数据接口(可替代地，本文称为“CAN总线”)。CAN可以是车辆800内部的网络，用来辅助控制车辆800的各种特征和功能，例如制动器、加速、制动、转向、挡风玻璃雨刷等等的驱动。CAN总线可以被配置为具有数十或者甚至数百个节点，每个节点具有其自己的唯一标识符(例如CAN ID)。可以读取CAN总线以找到方向盘角度、地速、每分钟发动机转速(RPM)、按钮位置和/或其他车辆状态指示符。CAN总线可以是ASIL B兼容的。

尽管这里将总线802描述为CAN总线，但是这并不意图是限制性的。例如，除了CAN总线之外或者可替代地，可以使用FlexRay和/或以太网。此外，尽管用单条线来表示总线802，但是这并不意图是限制性的。例如，可以存在任意数量的总线802，其可以包括一条或更多条CAN总线、一条或更多条FlexRay总线、一条或更多条以太网总线和/或一条或更多条使用不同协议的其他类型的总线。在一些示例中，两条或更多总线802可以用来执行不同的功能，和/或可以用于冗余。例如，第一总线802可以用于碰撞避免功能，并且第二总线802可以用于驱动控制。在任何示例中，每条总线802可以与车辆800的任何部件通信，并且两条或更多总线802可以与相同的部件通信。在一些示例中，车辆内的每个SoC 804、每个控制器836和/或每个计算机可以有权访问相同的输入数据(例如来自车辆800的传感器的输入)，并且可以连接到诸如CAN总线之类的公共总线。

车辆800可以包括一个或更多个控制器836，例如本文关于图8A所描述的那些控制器。控制器836可以用于各种各样的功能。控制器836可以耦合到车辆800的任何其他不同的部件和系统，并且可以用于车辆800的控制、车辆800的人工智能、用于车辆800的信息娱乐和/或类似物。

车辆800可以包括一个或更多个片上系统(SoC)804。SoC 804可以包括CPU 806、GPU 808、处理器810、高速缓存812、加速器814、数据存储816和/或未图示出的其他部件和特征。在各种各样的平台和系统中，SoC 804可以用来控制车辆800。例如，一个或更多个SoC804可以在系统(例如车辆800的系统)中与HD地图822结合，所述HD地图可以经由网络接口824从一个或更多个服务器(例如图8D的一个或更多个服务器878)获得地图刷新和/或更新。

CPU 806可以包括CPU集群或者CPU复合体(可替代地，本文称为“CCPLEX”)。CPU806可以包括多个核和/或L2高速缓存。例如，在一些实施例中，CPU 806在一致性多处理器配置中可以包括八个核。在一些实施例中，CPU 806可以包括四个双核集群，其中每个集群具有专用的L2高速缓存(例如2MB L2高速缓存)。CPU 806(例如CCPLEX)可以被配置为支持同时集群操作，使得CPU 806的集群的任意组合能够在任何给定时间是活动的。

CPU 806可以实现包括以下特征中的一个或更多个的功率管理能力：各硬件块在空闲时可以自动进行时钟门控以节省动态功率；由于WFI/WFE指令的执行，每个核时钟可以在该核不主动地执行指令时进行门控；每个核可以独立地进行功率门控；当所有核都进行时钟门控或者功率门控时，可以独立地对每个核集群进行时钟门控；和/或当所有核都进行功率门控时，可以独立地对每个核集群进行功率门控。CPU 806可以进一步实现用于管理功率状态的增强算法，其中指定允许的功率状态和期望的唤醒时间，并且硬件/微代码为所述核、集群和CCPLEX确定要进入的最佳的功率状态。处理核可以在软件中支持简化的功率状态进入序列，该工作被卸载到微代码。

GPU 808可以包括集成的GPU(可替代地，本文称为“iGPU”)。GPU808可以是可编程的，并且对于并行工作负载而言是高效的。在一些示例中，GPU 808可以使用增强张量指令集。GPU 808可以包括一个或更多个流式微处理器，其中每个流式微处理器可以包括L1高速缓存(例如具有至少96KB存储能力的L1高速缓存)，并且这些流式微处理器中的两个或更多可以共享L2高速缓存(例如具有512KB存储能力的L2高速缓存)。在一些实施例中，GPU 808可以包括至少八个流式微处理器。GPU 808可以使用计算应用编程接口(API)。此外，GPU808可以使用一个或更多个并行计算平台和/或编程模型(例如NVIDIA的CUDA)。

在汽车和嵌入式用例中，可以对GPU 808进行功率优化以实现最佳性能。例如，可以在鳍式场效应晶体管(FinFET)上制造GPU 808。然而，这并不意图是限制性的，并且GPU808可以使用其他半导体制造工艺来制造。每个流式微处理器可以合并划分成多个块的若干混合精度处理核。例如且非限制性地，可以将64个PF32核和32个PF64核划分成四个处理块。在这样的示例中，每个处理块可以分配16个FP32核、8个FP64核、16个INT32核、用于深层学习矩阵算术的两个混合精度NVIDIA张量核、L0指令高速缓存、线程束(warp)调度器、分派单元和/或64KB寄存器文件。此外，流式微处理器可以包括独立的并行整数和浮点数据路径，以利用计算和寻址计算的混合提供工作负载的高效执行。流式微处理器可以包括独立线程调度能力，以允许实现并行线程之间的更细粒度的同步和协作。流式微处理器可以包括组合的L1数据高速缓存和共享存储器单元，以便在简化编程的同时提高性能。

GPU 808可以包括在一些示例中提供大约900GB/s的峰值存储器带宽的高带宽存储器(HBM)和/或16GB HBM2存储器子系统。在一些示例中，除了HBM存储器之外或者可替代地，可以使用同步图形随机存取存储器(SGRAM)，例如第五代图形双倍数据速率同步随机存取存储器(GDDR5)。

GPU 808可以包括统一存储器技术，其包括访问计数器以允许存储器页面更精确地迁移到最频繁地访问它们的处理器，从而提高处理器之间共享的存储器范围的效率。在一些示例中，地址转换服务(ATS)支持可以用来允许GPU 808直接访问CPU 806页表。在这样的示例中，当GPU 808存储器管理单元(MMU)经历遗漏时，可以将地址转换请求传输至CPU806。作为响应，CPU 806可以在其页表中寻找用于地址的虚拟-物理映射，并且将转换传输回GPU 808。这样，统一存储器技术可以允许单个统一虚拟地址空间用于CPU 806和GPU 808二者的存储器，从而简化了GPU 808编程和将应用程序移(port)到GPU 808。

此外，GPU 808可以包括访问计数器，其可以追踪GPU 808访问其他处理器的存储器的频率。访问计数器可以帮助确保存储器页面移至最频繁地访问这些页面的处理器的物理存储器。

SoC 804可以包括任意数量的高速缓存812，包括本文描述的那些高速缓存。例如，高速缓存812可以包括CPU 806和GPU 808二者可用的L3高速缓存(例如，其连接到CPU 806和GPU 808二者)。高速缓存812可以包括回写高速缓存，其可以例如通过使用高速缓存一致性协议(例如MEI、MESI、MSI等)追踪行的状态。取决于实施例，L3高速缓存可以包括4MB或者更多，但是也可以使用更小的高速缓存大小。

SoC 804可以包括算术逻辑单元(ALU)，所述算术逻辑单元可以在执行关于车辆800的各种任务或操作中的任何任务或操作(如处理DNN)的处理中被利用。此外，SoC 804可以包括用于在系统内执行数学运算的浮点单元(FPU)(或其他数学协处理器或数字协处理器类型)。例如，SoC 104可以包括集成为CPU 806和/或GPU 808内的执行单元的一个或更多个FPU。

SoC 804可以包括一个或更多个加速器814(例如硬件加速器、软件加速器或者其组合)。例如，SoC 804可以包括硬件加速器集群，其可以包括优化的硬件加速器和/或大型片上存储器。该大型片上存储器(例如4MB SRAM)可以使得硬件加速器集群能够加速神经网络和其他计算。硬件加速器集群可以用来补充GPU 808，并且卸载GPU 808的一些任务(例如释放GPU 808的更多周期以用于执行其他任务)。作为一个示例，加速器814可以用于足够稳定以易于控制加速的有针对性的工作负载(例如感知、卷积神经网络(CNN)等等)。当在本文中使用时，术语“CNN”可以包括所有类型的CNN，包括基于区域的或者区域卷积神经网络(RCNN)和快速RCNN(例如用于对象检测)。

加速器814(例如硬件加速器集群)可以包括深度学习加速器(DLA)。DLA可以包括可以被配置成为深度学习应用和推理提供额外的每秒10万亿次操作的一个或更多个张量处理单元(TPU)。TPU可以是被配置为执行图像处理功能(例如用于CNN、RCNN等)且针对执行图像处理功能而优化的加速器。DLA可以进一步针对特定的一组神经网络类型和浮点运算以及推理进行优化。DLA的设计可以比通用GPU提供每毫米更高的性能，并且远远超过CPU的性能。TPU可以执行若干功能，包括单实例卷积函数，支持例如用于特征和权重二者的INT8、INT16和FP16数据类型，以及后处理器功能。

DLA可以在处理的或者未处理的数据上针对各种各样的功能中的任何功能快速且高效地执行神经网络，尤其是CNN，例如且不限于：用于使用来自相机传感器的数据进行对象识别和检测的CNN；用于使用来自相机传感器的数据进行距离估计的CNN；用于使用来自麦克风的数据进行应急车辆检测和识别与检测的CNN；用于使用来自相机传感器的数据进行面部识别和车主识别的CNN；和/或用于安全和/或安全相关事件的CNN。

DLA可以执行GPU 808的任何功能，并且通过使用推理加速器，例如，设计者可以使DLA或GPU 808针对任何功能。例如，设计者可以将CNN的处理和浮点运算聚焦在DLA上，并且将其他功能留给GPU 808和/或其他加速器814。

加速器814(例如硬件加速器集群)可以包括可编程视觉加速器(PVA)，其在本文中可以可替代地称为计算机视觉加速器。PVA可以被设计和配置为加速用于高级驾驶员辅助系统(ADAS)、自主驾驶和/或增强现实(AR)和/或虚拟现实(VR)应用的计算机视觉算法。PVA可以提供性能与灵活性之间的平衡。例如，每个PVA可以包括例如且不限于任意数量的精简指令集计算机(RISC)核、直接存储器访问(DMA)和/或任意数量的向量处理器。

RISC核可以与图像传感器(例如本文描述的任何相机的图像传感器)、图像信号处理器和/或类似物交互。这些RISC核中的每一个可以包括任意数量的存储器。取决于实施例，RISC核可以使用若干协议中的任何协议。在一些示例中，RISC核可以执行实时操作系统(RTOS)。RISC核可以使用一个或更多个集成电路设备、专用集成电路(ASIC)和/或存储设备实现。例如，RISC核可以包括指令高速缓存和/或紧密耦合的RAM。

DMA可以使得PVA的部件能够独立于CPU 806访问系统存储器。DMA可以支持用来向PVA提供优化的任意数量的特征，包括但不限于支持多维寻址和/或循环寻址。在一些示例中，DMA可以支持高达六个或更多维度的寻址，其可以包括块宽度、块高度、块深度、水平块步进、竖直块步进和/或深度步进。

向量处理器可以是可编程处理器，其可以被设计为高效且灵活地执行用于计算机视觉算法的编程并且提供信号处理能力。在一些示例中，PVA可以包括PVA核和两个向量处理子系统分区。PVA核可以包括处理器子系统、一个或更多个DMA引擎(例如两个DMA引擎)和/或其他外围设备。向量处理子系统可以作为PVA的主处理引擎而操作，并且可以包括向量处理单元(VPU)、指令高速缓存和/或向量存储器(例如VMEM)。VPU核可以包括数字信号处理器，诸如例如单指令多数据(SIMD)、超长指令字(VLIW)数字信号处理器。SIMD和VLIW的组合可以增强吞吐量和速率。

向量处理器中的每一个可以包括指令高速缓存并且可以耦合到专用存储器。结果，在一些示例中，向量处理器中的每一个可以被配置为独立于其他向量处理器执行。在其他示例中，包括在特定PVA中的向量处理器可以被配置为采用数据并行化。例如，在一些实施例中，包括在单个PVA中的多个向量处理器可以执行相同的计算机视觉算法，但是在图像的不同区域上执行。在其他示例中，包括在特定PVA中的向量处理器可以在相同的图像上同时执行不同的计算机视觉算法，或者甚至在序列图像或者图像的部分上执行不同的算法。除其他的以外，任意数量的PVA可以包括在硬件加速器集群中，并且任意数量的向量处理器可以包括在这些PVA中的每一个中。此外，PVA可以包括附加的纠错码(ECC)存储器，以增强总体系统安全性。

加速器814(例如硬件加速器集群)可以包括片上计算机视觉网络和SRAM，以提供用于加速器814的高带宽、低延迟SRAM。在一些示例中，片上存储器可以包括由例如且不限于八个现场可配置的存储器块组成的至少4MB SRAM，其可以由PVA和DLA二者访问。每对存储器块可以包括高级外围总线(APB)接口、配置电路系统、控制器和复用器。可以使用任何类型的存储器。PVA和DLA可以经由向PVA和DLA提供高速存储器访问的主干(backbone)访问存储器。主干可以包括(例如使用APB)将PVA和DLA互连到存储器的片上计算机视觉网络。

片上计算机视觉网络可以包括在传输任何控制信号/地址/数据之前确定PVA和DLA二者都提供就绪且有效的信号的接口。这样的接口可以提供用于传输控制信号/地址/数据的单独相位和单独信道，以及用于连续数据传输的突发式通信。这种类型的接口可以符合ISO 26262或者IEC 61508标准，但是也可以使用其他标准和协议。

在一些示例中，SoC 804可以包括例如在2018年8月10日提交的美国专利申请No.16/101,232中描述的实时光线追踪硬件加速器。该实时光线追踪硬件加速器可以用来快速且高效地确定(例如世界模型内的)对象的位置和范围，以便生成实时可视化仿真，以用于RADAR信号解释、用于声音传播合成和/或分析、用于SONAR系统仿真、用于一般波传播仿真、用于为了定位和/或其他功能的目的与LIDAR数据相比较和/或用于其他用途。在一些实施例中，一个或更多个树遍历单元(TTU)可以用于执行一个或更多个光线跟踪相关操作。

加速器814(例如硬件加速器集群)具有广泛的自主驾驶用途。PVA可以是可编程视觉加速器，其可以用于ADAS和自主车辆中的关键处理阶段。PVA的能力是需要可预测处理、低功率和低延迟的算法域的良好匹配。换言之，PVA在半密集或者密集规则计算上，甚至在需要具有低延迟和低功率的可预测运行时间的小数据集上都表现良好。因此，在用于自主车辆的平台的背景下，PVA被设计为运行经典计算机视觉算法，因为它们在对象检测和整数数学运算方面很有效。

例如，根据该技术的一个实施例，PVA用来执行计算机立体视觉。在一些示例中，可以使用基于半全局匹配的算法，但是这并不意图是限制性的。许多用于3-5级自主驾驶的应用都需要即时运动估计/立体匹配(例如来自运动的结构、行人识别、车道检测等等)。PVA可以在来自两个单目相机的输入上执行计算机立体视觉功能。

在一些示例中，PVA可以用来执行密集的光流。根据过程原始RADAR数据(例如使用4D快速傅立叶变换)以提供经处理的RADAR。在其他示例中，PVA用于飞行时间深度处理，其例如通过处理原始飞行时间数据以提供经处理的飞行时间数据。

DLA可以用来运行任何类型的网络以增强控制和驾驶安全性，包括例如输出用于每个对象检测的置信度度量的神经网络。这样的置信度值可以解释为概率，或者解释为提供每个检测与其他检测相比的相对“权重”。该置信度值使得系统能够做出关于哪些检测应当被认为是真阳性检测而不是假阳性检测的进一步决定。例如，系统可以为置信度设置阈值，并且仅仅将超过阈值的检测看作真阳性检测。在自动紧急制动(AEB)系统中，假阳性检测会使得车辆自动地执行紧急制动，这显然是不希望的。因此，只有最确信的检测才应当被认为是AEB的触发因素。DLA可以运行用于回归置信度值的神经网络。该神经网络可以将至少一些参数子集作为其输入，例如边界框维度，(例如从另一个子系统)获得的地平面估计，与车辆800取向、距离相关的惯性测量单元(IMU)传感器866输出，从神经网络和/或其他传感器(例如LIDAR传感器864或RADAR传感器860)获得的对象的3D位置估计等。

SoC 804可以包括一个或更多个数据存储816(例如存储器)。数据存储816可以是SoC 804的片上存储器，其可以存储要在GPU和/或DLA上执行的神经网络。在一些示例中，为了冗余和安全，数据存储816可以容量足够大以存储神经网络的多个实例。数据存储812可以包括L2或L3高速缓存812。对数据存储816的引用可以包括对与如本文所描述的PVA、DLA和/或其他加速器814关联的存储器的引用。

SoC 804可以包括一个或更多个处理器810(例如嵌入式处理器)。处理器810可以包括启动和功率管理处理器，其可以是用于处理启动功率和管理功能以及有关安全实施的专用处理器和子系统。启动和功率管理处理器可以是SoC 804启动序列的一部分，并且可以提供运行时间功率管理服务。启动功率和管理处理器可以提供时钟和电压编程、辅助系统低功率状态转换、SoC 804热和温度传感器管理和/或SoC 804功率状态管理。每个温度传感器可以实现为环形振荡器，其输出频率与温度成比例，并且SoC 804可以使用环形振荡器检测CPU 806、GPU 808和/或加速器814的温度。如果确定温度超过阈值，那么启动和功率管理处理器可以进入温度故障例程并且将SoC 804置于较低功率状态和/或将车辆800置于司机安全停车模式(例如使车辆800安全停车)。

处理器810可以还包括可以用作音频处理引擎的一组嵌入式处理器。音频处理引擎可以是一种音频子系统，其允许实现对于通过多个接口的多声道音频的完全硬件支持以及一系列广泛而灵活的音频I/O接口。在一些示例中，音频处理引擎是具有带有专用RAM的数字信号处理器的专用处理器核。

处理器810可以还包括始终在处理器上的引擎，其可以提供必要的硬件特征以支持低功率传感器管理和唤醒用例。该始终在处理器上的引擎可以包括处理器核、紧密耦合的RAM、支持外围设备(例如定时器和中断控制器)、各种I/O控制器外围设备和路由逻辑。

处理器810可以还包括安全集群引擎，其包括处理汽车应用的安全管理的专用处理器子系统。安全集群引擎可以包括两个或更多处理器核、紧密耦合的RAM、支持外围设备(例如定时器、中断控制器等等)和/或路由逻辑。在安全模式下，所述两个或更多核可以操作于锁步模式下，并且用作具有检测它们的操作之间的任何差异的比较逻辑的单核。

处理器810可以还包括实时相机引擎，其可以包括用于处理实时相机管理的专用处理器子系统。

处理器810可以还包括高动态范围信号处理器，其可以包括图像信号处理器，该图像信号处理器是一种硬件引擎，该硬件引擎是相机处理管线的部分。

处理器810可以包括可以是(例如微处理器上实现的)处理块的视频图像复合器，其实现视频回放应用程序产生用于播放器窗口的最终图像所需的视频后处理功能。视频图像复合器可以对广角相机870、环绕相机874和/或对驾驶室内监控相机传感器执行镜头畸变校正。驾驶室内监控相机传感器优选地由运行在高级SoC的另一个实例上的神经网络监控，被配置为识别驾驶室内事件并且相对应地做出响应。驾驶室内系统可以执行唇读，以激活移动电话服务并拨打电话、口述电子邮件、改变车辆目的地、激活或改变车辆的信息娱乐系统和设置或者提供语音激活的网上冲浪。某些功能仅在车辆操作于自主模式下时对于驾驶员可用，并且在其他情况下被禁用。

视频图像复合器可以包括用于空间和时间降噪的增强时间降噪。例如，在视频中出现运动的情况下，降噪适当地对空间信息加权，降低邻近帧提供的信息的权重。在图像或者图像的部分不包括运动的情况下，视频图像复合器执行的时间降噪可以使用来自先前的图像的信息以降低当前图像中的噪声。

视频图像复合器也可以被配置为对输入立体镜头帧执行立体校正。当操作系统桌面正在使用并且GPU 808无需连续地渲染(render)新的表面时，视频图像复合器可以进一步用于用户接口组成。甚至在GPU 808上电并且激活，进行3D渲染时，视频图像复合器可以用来减轻GPU 808的负担以提高性能和响应能力。

SoC 804可以还包括用于从相机接收视频和输入的移动行业处理器接口(MIPI)相机串行接口、高速接口和/或可以用于相机和有关像素输入功能的视频输入块。SoC 804可以还包括可以由软件控制并且可以用于接收未提交到特定角色的I/O信号的输入/输出控制器。

SoC 804可以还包括大范围的外围设备接口，以使能与外围设备、音频编解码器、功率管理和/或其他设备通信。SoC 804可以用来处理来自(通过千兆多媒体串行链路和以太网连接的)相机、传感器(例如可以通过以太网连接的LIDAR传感器864、RADAR传感器860等等)的数据，来自总线802的数据(例如车辆800的速率、方向盘位置等等)，来自(通过以太网或CAN总线连接的)GNSS传感器858的数据。SoC 804可以还包括专用高性能大容量存储控制器，其可以包括它们自己的DMA引擎，并且其可以用来从日常数据管理任务中释放CPU806。

SoC 804可以是具有灵活架构的端到端平台，该架构跨越自动化3-5级，从而提供利用和高效使用计算机视觉和ADAS技术以实现多样性和冗余、连同深度学习工具一起提供用于灵活可靠驾驶软件堆栈的平台的综合功能安全架构。SoC 804可以比常规的系统更快、更可靠，甚至更加能量高效和空间高效。例如，当与CPU 806、GPU 808和数据存储816结合时，加速器814可以提供用于3-5级自主车辆的快速高效平台。

因此该技术提供了不能通过常规系统实现的能力和功能。例如，计算机视觉算法可以在CPU上执行，这些CPU可以使用诸如C编程语言之类的高级编程语言配置为跨各种各样的视觉数据执行各种各样的处理算法。然而，CPU常常不能满足许多计算机视觉应用的性能要求，诸如与例如执行时间和功耗有关的那些要求。特别地，许多CPU不能实时地执行复杂的对象检测算法，这是车载ADAS应用的要求和实用3-5级自主车辆的要求。

与常规系统形成对比的是，通过提供CPU复合体、GPU复合体和硬件加速器集群，本文描述的技术允许同时和/或顺序地执行多个神经网络，并且将结果组合在一起以实现3-5级自主驾驶功能。例如，在DLA或dGPU(例如GPU 820)上执行的CNN可以包括文本和单词识别，允许超级计算机读取和理解交通指示牌，包括尚未针对其特别地训练神经网络的指示牌。DLA可以还包括能够识别、解释和提供对指示牌的语义理解，并且将该语义理解传递给运行在CPU复合体上的路径规划模块的神经网络。

作为另一个示例，如3、4或5级驾驶所需的，多个神经网络可以同时运行。例如，由“注意：闪烁的灯指示结冰条件”组成的警告指示牌连同电灯可以由若干神经网络独立地或者共同地进行解释。指示牌本身可以由部署的第一神经网络(例如经过训练的神经网络)识别为交通指示牌，文本“闪烁的灯指示结冰条件”可以由部署的第二神经网络解释，该部署的第二神经网络告知车辆的路径规划软件(优选地在CPU复合体上执行)当检测到闪烁的灯时，存在结冰条件。闪烁的灯可以通过在多个帧上操作部署的第三神经网络而识别，该神经网络告知车辆的路径规划软件闪烁的灯的存在(或不存在)。所有三个神经网络可以例如在DLA内和/或在GPU 808上同时运行。

在一些示例中，用于面部识别和车主识别的CNN可以使用来自相机传感器的数据识别车辆800的授权的驾驶员和/或车主的存在。始终在传感器上的处理引擎可以用来在车主接近驾驶员车门时解锁车辆并且打开灯，并且在安全模式下，在车主离开车辆时禁用车辆。按照这种方式，SoC 804提供了防范盗窃和/或劫车的安全性。

在另一个示例中，用于应急车辆检测和识别的CNN可以使用来自麦克风896的数据来检测并且识别应急车辆警报(siren)。与使用通用分类器检测警报并且手动地提取特征的常规系统形成对比的是，SoC 804使用CNN以对环境和城市声音分类以及对视觉数据分类。在优选的实施例中，运行在DLA上的CNN被训练为识别应急车辆的相对关闭速率(例如通过使用多普勒效应)。CNN也可以被训练为识别如GNSS传感器858所识别的特定于车辆在其中操作的局部区域的应急车辆。因此，例如，当在欧洲操作时，CNN将寻求检测欧洲警报，并且当在美国时，CNN将寻求识别仅仅北美的警报。一旦检测到应急车辆，在超声传感器862的辅助下，控制程序可以用来执行应急车辆安全例程，使车辆放慢速度，开到路边，停下车辆，和/或使车辆空转，直到应急车辆通过。

车辆可以包括可以经由高速互连(例如PCIe)耦合到SoC 804的CPU 818(例如分立的CPU或dCPU)。CPU 818可以包括例如X86处理器。CPU 818可以用来执行各种各样的功能中的任何功能，包括例如仲裁ADAS传感器与SoC 804之间潜在地不一致的结果，和/或监控控制器836和/或信息娱乐SoC 830的状态和健康状况。

车辆800可以包括可以经由高速互连(例如NVIDIA的NVLINK)耦合到SoC 804的GPU820(例如分立的GPU或dGPU)。GPU 820可以例如通过执行冗余的和/或不同的神经网络而提供附加的人工智能功能，并且可以用来至少部分地基于来自车辆800的传感器的输入(例如传感器数据)来训练和/或更新神经网络。

车辆800可以还包括网络接口824，该网络接口可以包括一个或更多个无线天线826(例如用于不同通信协议的一个或更多个无线天线，例如蜂窝天线、蓝牙天线等等)。网络接口824可以用来使能通过因特网与云(例如与服务器878和/或其他网络设备)、与其他车辆和/或与计算设备(例如乘客的客户端设备)的无线连接。为了与其他车辆通信，可以在这两辆车之间建立直接链接，和/或可以建立间接链接(例如跨网络以及通过因特网)。直接链接可以使用车对车通信链路提供。车对车通信链路可以向车辆800提供关于接近车辆800的车辆(例如车辆800前面、侧面和/或后面的车辆)的信息。该功能可以是车辆800的协作自适应巡航控制功能的部分。

网络接口824可以包括提供调制和解调功能并且使得控制器836能够通过无线网络通信的SoC。网络接口824可以包括用于从基带到射频的上转换以及从射频到基带的下转换的射频前端。频率转换可以通过公知的过程执行，和/或可以使用超外差(super-heterodyne)过程执行。在一些示例中，射频前端功能可以由单独的芯片提供。网络接口可以包括用于通过LTE、WCDMA、UMTS、GSM、CDMA2000、蓝牙、蓝牙LE、Wi-Fi、Z波、ZigBee、LoRaWAN和/或其他无线协议通信的无线功能。

车辆800可以还包括可包括片外(例如SoC 804外)存储装置的数据存储828。数据存储828可以包括一个或更多个存储元件，包括RAM、SRAM、DRAM、VRAM、闪存、硬盘和/或可以存储至少一个比特的数据的其他部件和/或设备。

车辆800可以还包括GNSS传感器858。GNSS传感器858(例如GPS、辅助GPS传感器、差分GPS(DGPS)传感器等)用于辅助映射、感知、占用网格生成和/或路径规划功能。可以使用任意数量的GNSS传感器858，包括例如且不限于使用带有以太网到串行(RS-232)网桥的USB连接器的GPS。

车辆800可以还包括RADAR传感器860。RADAR传感器860可以甚至在黑暗和/或恶劣天气条件下也由车辆800用于远程车辆检测。RADAR功能安全级别可以是ASIL B。RADAR传感器860可以使用CAN和/或总线802(例如以传输RADAR传感器860生成的数据)以用于控制以及访问对象追踪数据，在一些示例中接入以太网以访问原始数据。可以使用各种各样的RADAR传感器类型。例如且非限制性地，RADAR传感器860可以适合前面、后面和侧面RADAR使用。在一些示例中，使用脉冲多普勒RADAR传感器。

RADAR传感器860可以包括不同的配置，例如具有窄视场的远程、具有宽视场的短程、短程侧覆盖等等。在一些示例中，远程RADAR可以用于自适应巡航控制功能。远程RADAR系统可以提供通过两个或更多独立扫描实现的广阔视场(例如250m范围内)。RADAR传感器860可以帮助区分静态对象和运动对象，并且可以由ADAS系统用于紧急制动辅助和前方碰撞警告。远程RADAR传感器可以包括具有多根(例如六根或更多)固定RADAR天线以及高速CAN和FlexRay接口的单站多模RADAR。在具有六根天线的示例中，中央四根天线可以创建聚焦的波束图案，其被设计为在更高速率下以来自邻近车道的最小交通干扰记录车辆800的周围环境。其他两根天线可以扩展视场，使得快速地检测进入或离开车辆800的车道的车辆成为可能。

作为一个示例，中程RADAR系统可以包括高达860m(前面)或80m(后面)的范围以及高达42度(前面)或850度(后面)的视场。短程RADAR系统可以包括但不限于被设计为安装在后保险杠两端的RADAR传感器。当安装在后保险杠两端时，这样的RADAR传感器系统可以创建持续地监控后方和车辆旁边的视盲点的两个波束。

短程RADAR系统可以在ADAS系统中用于视盲点检测和/或变道辅助。

车辆800可以还包括超声传感器862。可以置于车辆800的前面、后面和/或侧面的超声传感器862可以用于停车辅助和/或创建和更新占用网格。可以使用各种各样的超声传感器862，并且不同的超声传感器862可以用于不同的检测范围(例如2.5m、4m)。超声传感器862可以操作于功能安全级别的ASIL B。

车辆800可以包括LIDAR传感器864。LIDAR传感器864可以用于对象和行人检测、紧急制动、碰撞避免和/或其他功能。LIDAR传感器864可以为功能安全级别的ASIL B。在一些示例中，车辆800可以包括可以使用以太网(例如以将数据提供给千兆以太网交换机)的多个LIDAR传感器864(例如两个、四个、六个等等)。

在一些示例中，LIDAR传感器864可能够对360度视场提供对象列表及其距离。商业上可用的LIDAR传感器864可以具有例如近似800m的广告范围，精度为2cm-3cm，支持800Mbps以太网连接。在一些示例中，可以使用一个或更多个非突出的LIDAR传感器864。在这样的示例中，LIDAR传感器864可以实现为可以嵌入到车辆800的前面、后面、侧面和/或拐角的小设备。在这样的示例中，LIDAR传感器864可以甚至对于低反射率对象提供高达120度水平的和35度竖直的视场，具有200m的范围。前面安装的LIDAR传感器864可以被配置用于45度与135度之间的水平视场。

在一些示例中，也可以使用诸如3D闪光LIDAR之类的LIDAR技术。3D闪光LIDAR使用激光的闪光作为发射源，以照亮高达约200m的车辆周围环境。闪光LIDAR单元包括接受器，该接受器将激光脉冲传输时间和反射光记录在每个像素上，其进而与从车辆到对象的范围相对应。闪光LIDAR可以允许利用每个激光闪光生成周围环境的高度精确且无失真的图像。在一些示例中，可以部署四个闪光LIDAR传感器，车辆800的每一侧一个。可用的3D闪光LIDAR系统包括没有风扇以外的运动部件(moving part)的固态3D凝视阵列LIDAR相机(例如非扫描LIDAR设备)。闪光LIDAR设备可以使用每帧5纳秒I类(眼睛安全)激光脉冲，并且可以以3D范围点云和共同寄存的强度数据的形式捕获反射的激光。通过使用闪光LIDAR，并且因为闪光LIDAR是没有运动部件的固态设备，LIDAR传感器864可以不太容易受到运动模糊、振动和/或震动的影响。

该车辆可以还包括IMU传感器866。在一些示例中，IMU传感器866可以位于车辆800的后轴的中心。IMU传感器866可以包括例如且不限于加速度计、磁力计、陀螺仪、磁罗盘和/或其他传感器类型。在一些示例中，例如在六轴应用中，IMU传感器866可以包括加速度计和陀螺仪，而在九轴应用中，IMU传感器866可以包括加速度计、陀螺仪和磁力计。

在一些实施例中，IMU传感器866可以实现为微型高性能GPS辅助惯性导航系统(GPS/INS)，其结合微机电系统(MEMS)惯性传感器、高灵敏度GPS接收器和高级卡尔曼滤波算法以提供位置、速度和姿态的估计。这样，在一些示例中，IMU传感器866可以使得车辆800能够在无需来自磁传感器的输入的情况下通过直接观察从GPS到IMU传感器866的速度变化并且将其相关来估计方向(heading)。在一些示例中，IMU传感器866和GNSS传感器858可以结合到单个集成单元中。

该车辆可以包括置于车辆800中和/或车辆800周围的麦克风896。除别的以外，麦克风896可以用于应急车辆检测和识别。

该车辆可以还包括任意数量的相机类型，包括立体相机868、广角相机870、红外相机872、环绕相机874、远程和/或中程相机898和/或其他相机类型。这些相机可以用来捕获车辆800整个外围周围的图像数据。使用的相机类型取决于实施例和车辆800的要求，并且相机类型的任意组合可以用来提供车辆800周围的必要覆盖。此外，相机的数量可以根据实施例而不同。例如，该车辆可以包括六个相机、七个相机、十个相机、十二个相机和/或另一数量的相机。作为一个示例且非限制性地，这些相机可以支持千兆多媒体串行链路(GMSL)和/或千兆以太网。所述相机中的每一个在本文关于图8A和图8B更详细地进行了描述。

车辆800可以还包括振动传感器842。振动传感器842可以测量车辆的诸如车轴之类的部件的振动。例如，振动的变化可以指示道路表面的变化。在另一个示例中，当使用两个或更多振动传感器842时，振动之间的差异可以用来确定道路表面的摩擦或滑移(例如当动力驱动轴与自由旋转轴之间存在振动差异时)。

车辆800可以包括ADAS系统838。在一些示例中，ADAS系统838可以包括SoC。ADAS系统838可以包括自主/自适应/自动巡航控制(ACC)、协作自适应巡航控制(CACC)、前方撞车警告(FCW)、自动紧急制动(AEB)、车道偏离警告(LDW)、车道保持辅助(LKA)、视盲点警告(BSW)、后方穿越交通警告(RCTW)、碰撞警告系统(CWS)、车道居中(LC)和/或其他特征和功能。

ACC系统可以使用RADAR传感器860、LIDAR传感器864和/或相机。ACC系统可以包括纵向ACC和/或横向ACC。纵向ACC监控并控制到紧接在车辆800前方的车辆的距离，并且自动地调节车速以维持离前方车辆的安全距离。横向ACC执行距离保持，并且在必要时建议车辆800改变车道。横向ACC与诸如LCA和CWS之类的其他ADAS应用程序有关。

CACC使用来自其他车辆的信息，该信息可以经由网络接口824和/或无线天线826经由无线链路或者通过网络连接(例如通过因特网)间接地从其他车辆接收。直接链接可以由车对车(V2V)通信链路提供，而间接链接可以是基础设施到车辆(I2V)的通信链路。通常，V2V通信概念提供关于紧接在前的车辆(例如紧接在车辆800前方且与其处于相同车道的车辆)的信息，而I2V通信概念提供关于前方更远处的交通的信息。CACC系统可以包括I2V和V2V信息源中的任一个或者二者。给定车辆800前方车辆的信息，CACC可以更加可靠，并且它有可能提高交通流的畅通性且降低道路拥堵。

FCW系统被设计为提醒驾驶员注意危险，使得驾驶员可以采取纠正措施。FCW系统使用耦合到专用处理器、DSP、FPGA和/或ASIC的前置相机和/或RADAR传感器860，该专用处理器、DSP、FPGA和/或ASIC电耦合至诸如显示器、扬声器和/或振动部件之类的驾驶员反馈。FCW系统可以提供例如声音、视觉警告、振动和/或快速制动脉冲形式的警告。

AEB系统检测即将发生的与另一车辆或其他对象的前方碰撞，并且可以在驾驶员在指定的时间或距离参数内没有采取纠正措施的情况下自动地应用制动器。AEB系统可以使用耦合到专用处理器、DSP、FPGA和/或ASIC的前置相机和/或RADAR传感器860。当AEB系统检测到危险时，它典型地首先提醒(alert)驾驶员采取纠正措施以避免碰撞，并且如果驾驶员没有采取纠正措施，那么AEB系统可以自动地应用制动器以努力防止或者至少减轻预测的碰撞的影响。AEB系统可以包括诸如动态制动支持和/或碰撞迫近制动之类的技术。

LDW系统提供了诸如方向盘或座位振动之类的视觉、听觉和/或触觉警告，以在车辆800穿过车道标记时提醒驾驶员。当驾驶员指示有意偏离车道时，通过激活转弯信号，不激活LDW系统。LDW系统可以使用耦合到专用处理器、DSP、FPGA和/或ASIC的前侧朝向相机，该专用处理器、DSP、FPGA和/或ASIC电耦合至诸如显示器、扬声器和/或振动部件之类的驾驶员反馈。

LKA系统是LDW系统的变型。如果车辆800开始离开车道，那么LKA系统提供纠正车辆800的转向输入或制动。

BSW系统检测并向驾驶员警告汽车视盲点中的车辆。BSW系统可以提供视觉、听觉和/或触觉警报以指示合并或改变车道是不安全的。系统可以在驾驶员使用转弯信号时提供附加的警告。BSW系统可以使用耦合到专用处理器、DSP、FPGA和/或ASIC的后侧朝向相机和/或RADAR传感器860，该专用处理器、DSP、FPGA和/或ASIC电耦合至诸如显示器、扬声器和/或振动部件之类的驾驶员反馈。

RCTW系统可以在车辆800倒车时在后置相机范围之外检测到对象时提供视觉、听觉和/或触觉通知。一些RCTW系统包括AEB以确保应用车辆制动器以避免撞车。RCTW系统可以使用耦合到专用处理器、DSP、FPGA和/或ASIC的一个或更多个后置RADAR传感器860，该专用处理器、DSP、FPGA和/或ASIC电耦合至诸如显示器、扬声器和/或振动部件之类的驾驶员反馈。

常规的ADAS系统可能易于出现假阳性结果，这可能会让驾驶员烦恼并分散注意力，但是典型地不是灾难性的，因为ADAS系统提醒驾驶员并且允许驾驶员决定安全条件是否真正存在并且相对应地采取行动。然而，在自主车辆800中，在冲突结果的情况下，车辆800本身必须决定是否注意(heed)来自主计算机或者辅助计算机(例如第一控制器836或第二控制器836)的结果。例如，在一些实施例中，ADAS系统838可以是用于向备用计算机合理性模块提供感知信息的备用和/或辅助计算机。备用计算机合理性监视器可以在硬件部件上运行冗余多样的软件，以检测感知和动态驾驶任务中的故障。来自ADAS系统838的输出可以提供给监督MCU。如果来自主计算机和辅助计算机的输出冲突，那么监督MCU必须确定如何协调该冲突以确保安全操作。

在一些示例中，主计算机可以被配置为向监督MCU提供置信度评分，指示主计算机对所选结果的置信度。如果置信度评分超过阈值，那么监督MCU可以遵循主计算机的方向，而不管辅助计算机是否提供冲突或不一致的结果。在置信度评分不满足阈值的情况下并且在主计算机和辅助计算机指示不同的结果(例如冲突)的情况下，监督MCU可以在这些计算机之间进行仲裁以确定适当的结果。

监督MCU可以被配置为运行神经网络，所述神经网络被训练并且被配置为至少部分地基于来自主计算机和辅助计算机的输出，确定辅助计算机提供假警报的条件。因此，监督MCU中的神经网络可以了解何时可以信任辅助计算机的输出以及何时不能。例如，当辅助计算机为基于RADAR的FCW系统时，监督MCU中的神经网络可以了解FCW系统何时正在识别事实上不是危险的金属对象，例如触发警报的排水栅格或井盖。类似地，当辅助计算机是基于相机的LDW系统时，监督MCU中的神经网络可以学习在骑车者或行人在场并且车道偏离实际上是最安全的策略时无视该LDW。在包括运行在监督MCU上的神经网络的实施例中，监督MCU可以包括适合于利用关联的存储器运行神经网络的DLA或GPU中的至少一个。在优选的实施例中，监督MCU可以包括SoC 804的部件和/或作为SoC804的部件而被包括。

在其他示例中，ADAS系统838可以包括使用传统计算机视觉规则执行ADAS功能的辅助计算机。这样，辅助计算机可以使用经典的计算机视觉规则(如果-那么)，并且在监督MCU中存在神经网络可以提高可靠性、安全性和性能。例如，多样化的实现方式和有意的非完全相同(non-identity)使得整个系统更加容错，对于软件(或者软件-硬件接口)功能造成的故障而言尤其如此。例如，如果在主计算机上运行的软件中存在软件漏洞或错误并且运行在辅助计算机上的非完全相同的软件代码提供相同的总体结果，那么监督MCU可以更加确信总体结果是正确的，并且主计算机上的软件或硬件中的漏洞不造成实质性的错误。

在一些示例中，ADAS系统838的输出可以馈送至主计算机的感知块和/或主计算机的动态驾驶任务块。例如，如果ADAS系统838由于对象紧接在前的原因而指示前方碰撞警告，那么感知块可以在识别对象时使用该信息。在其他示例中，辅助计算机可以具有它自己的神经网络，其被训练并且因此如本文所描述的降低假阳性的风险。

车辆800可以还包括信息娱乐SoC 830(例如车载信息娱乐系统(IVI))。尽管被图示和描述为SoC，但是信息娱乐系统可以不是SoC，并且可以包括两个或更多分立的部件。信息娱乐SoC 830可以包括可以用来向车辆800提供音频(例如音乐、个人数字助理、导航指令、新闻、广播等等)、视频(例如TV、电影、流媒体等等)、电话(例如免提呼叫)、网络连接(例如LTE、WiFi等等)和/或信息服务(例如导航系统，后停车援助，无线电数据系统，诸如燃油水平、覆盖的总距离、制动燃油水平、油位、车门开/关、空气过滤器信息之类的车辆有关信息，等等)的硬件和软件的组合。例如，信息娱乐SoC 830可以包括收音机、盘播放器、导航系统、视频播放器、USB和蓝牙连接、车载电脑、车载娱乐、WiFi、方向盘音频控件、免提语音控件、平视显示器(HUD)、HMI显示器834、远程信息处理设备、控制面板(例如用于控制各种部件、特征和/或系统，和/或与其交互)和/或其他部件。信息娱乐SoC 830可以进一步用来向车辆的用户提供信息(例如视觉的和/或听觉的)，例如来自ADAS系统838的信息，诸如规划的车辆机动、轨迹、周围环境信息(例如交叉路口信息、车辆信息、道路信息等等)之类的自主驾驶信息，和/或其他信息。

信息娱乐SoC 830可以包括GPU功能。信息娱乐SoC 830可以通过总线802(例如CAN总线、以太网等)与车辆800的其他设备、系统和/或部件通信。在一些示例中，信息娱乐SoC830可以耦合至监督MCU，使得在主控制器836(例如车辆800的主和/或备用计算机)出现故障的情况下，信息娱乐系统的GPU可以执行一些自驾驶功能。在这样的示例中，信息娱乐SoC830可以如本文所描述的将车辆800置于司机安全停车模式。

车辆800可以还包括仪表组832(例如数字仪表板、电子仪表组、数字仪表面板等等)。仪表组832可以包括控制器和/或超级计算机(例如分立的控制器或超级计算机)。仪表组832可以包括一套仪器，例如车速表、燃油水平、油压、转速表、里程表、转弯指示器、换档位置指示器、安全带警告灯、停车制动警告灯、发动机故障灯、安全气囊(SRS)系统信息、照明控件、安全系统控件、导航信息等等。在一些示例中，信息可以被显示和/或在信息娱乐SoC 830和仪表组832之间共享。换言之，仪表组832可以作为信息娱乐SoC 830的部分而被包括，或者反之亦然。

图8D为根据本公开一些实施例的基于云的服务器与图8A的示例自主车辆800之间的通信的系统示意图。系统876可以包括服务器878、网络890以及包括车辆800在内的车辆。服务器878可以包括多个GPU 884(A)-884(H)(这里统称为GPU 884)、PCIe交换机882(A)-882(H)(这里统称为PCIe交换机882)和/或CPU 880(A)-880(B)(这里统称为CPU 880)。GPU884、CPU 880和PCIe交换机可以与诸如例如且不限于NVIDIA开发的NVLink接口888之类的高速互连和/或PCIe连接886互连。在一些示例中，GPU 884经由NVLink和/或NVSwitch SoC连接，并且GPU 884和PCIe交换机882经由PCIe互连连接。尽管图示出八个GPU 884、两个CPU880和两个PCIe交换机，但是这并不意图是限制性的。取决于实施例，服务器878中的每一个可以包括任意数量的GPU 884、CPU 880和/或PCIe交换机。例如，服务器878中的每一个可以包括八个、十六个、三十二个和/或更多GPU 884。

服务器878可以通过网络890并且从车辆接收图像数据，该图像数据表示示出诸如最近开始的道路工程之类的意外或改变的道路状况的图像。服务器878可以通过网络890并且向车辆传输神经网络892、更新的神经网络892和/或地图信息894，包括关于交通和道路状况的信息。对地图信息894的更新可以包括对于HD地图822的更新，例如关于建筑工地、坑洼、弯道、洪水或其他障碍物的信息。在一些示例中，神经网络892、更新的神经网络892和/或地图信息894可以已从新的训练和/或从环境中的任意数量的车辆接收的数据中表示和/或基于数据中心处执行的训练(例如使用服务器878和/或其他服务器)的经验产生。

服务器878可以用来基于训练数据训练机器学习模型(例如神经网络)。训练数据可以由车辆生成，和/或可以在仿真中生成(例如使用游戏引擎)。在一些示例中，训练数据被标记(例如在神经网络受益于有监督学习的情况下)和/或经历其他预处理，而在其他示例中，训练数据不被标记和/或预处理(例如在神经网络无需有监督学习的情况下)。可以根据任何一类或更多类别的机器学习技术来执行训练，包括但不限于诸如以下类别：监督训练、半监督训练、非监督训练、自学习、强化学习、联合学习、转移学习、特征学习(包括主要组成和聚类分析)、多线性子空间学习、流形学习、表示学习(包括备用字典学习)、基于规则的机器学习、异常检测及其任何变体或组合。一旦机器学习模型被训练，机器学习模型可以由车辆使用(例如通过网络890传输至车辆)，和/或机器学习模型可以由服务器878用来远程地监控车辆。

在一些示例中，服务器878可以接收来自车辆的数据，并且将该数据应用到最新的实时神经网络以用于实时智能推理。服务器878可以包括由GPU 884供电的深度学习超级计算机和/或专用AI计算机，例如NVIDIA开发的DGX和DGX站机器。然而，在一些示例中，服务器878可以包括仅使用CPU供电的数据中心的深度学习基础设施。

服务器878的深度学习基础设施可能够快速实时推理，并且可以使用该能力来评估并验证车辆800中的处理器、软件和/或关联硬件的健康状况。例如，深度学习基础设施可以接收来自车辆800的定期更新，例如图像序列和/或车辆800已经定位的位于该图像序列中的对象(例如经由计算机视觉和/或其他机器学习对象分类技术)。深度学习基础设施可以运行它自己的神经网络以识别对象并且将它们与车辆800识别的对象相比较，如果结果不匹配并且该基础设施得出车辆800中的AI发生故障的结论，那么服务器878可以向车辆800传输信号，指示车辆800的故障保护计算机进行控制，通知乘客，并且完成安全停车操作。

为了推理，服务器878可以包括GPU 884和一个或更多个可编程推理加速器(例如NVIDIA的TensorRT)。GPU供电的服务器和推理加速的组合可以使得实时响应成为可能。在其他示例中，例如在性能不那么重要的情况下，CPU、FPGA和其他处理器供电的服务器可以用于推理。

示例计算设备

图9是适合用于实现本公开的一些实施例的示例计算设备900的框图。计算设备900可以包括直接或间接耦合以下设备的互连系统902：存储器904、一个或更多个中央处理单元(CPU)906、一个或更多个图形处理单元(GPU)908、通信接口910、输入/输出(I/O)端口912、输入/输出组件914、电源916，一个或更多个呈现组件918(例如，(一个或更多个)显示器)和一个或更多个逻辑单元920。在至少一个实施例中，(一个或更多个)计算设备900可以包括一个或更多个虚拟机(VM)，和/或其任何组件可以包括虚拟组件(例如，虚拟硬件组件)。对于非限制性示例，GPU 908中的一个或更多个可以包括一个或更多个vGPU，CPU 906中的一个或更多个可以包括一个或更多个vCPU，和/或逻辑单元920中的一个或更多个可以包括一个或更多个虚拟逻辑单元。这样，(一个或更多个)计算设备900可以包括分立组件(例如，专用于计算设备900的全GPU)、虚拟组件(例如，专用于计算设备900的GPU的一部分)、或其组合。

尽管图9的各个方框被示出为利用线路经由互连系统902连接，但这并不旨在是限制性的并且仅是为了清楚起见。例如，在一些实施例中，呈现组件918(诸如显示设备)可被认为是I/O组件914(例如，如果显示器是触摸屏)。作为另一个示例，CPU 906和/或GPU 908可以包括存储器(例如，存储器904可以表示除了GPU 908的存储器、CPU 906和/或其他组件之外的存储设备)。换言之，图9的计算设备仅是说明性的。在如“工作站”、“服务器”、“膝上型计算机”、“桌面型计算机”、“平板计算机”、“客户端设备”、“移动设备”、“手持式设备”、“游戏控制台”、“电子控制单元(ECU)”、“虚拟现实系统”和/或其他设备或系统类型的此类类别之间不做区分，因为所有都被考虑在图9的计算设备的范围内。

互连系统902可表示一个或更多个链路或总线，诸如地址总线、数据总线、控制总线或其组合。互连系统902可以包括一个或更多个总线或链路类型，诸如工业标准架构(ISA)总线、扩展工业标准架构(EISA)总线、视频电子标准协会(VESA)总线、外围组件互连(PCI)总线、快速外围组件互连(PCIe)总线和/或另一类型的总线或链路。在一些实施例中，组件之间存在直接连接。作为示例，CPU 906可直接连接到存储器904。进一步，CPU 906可直接连接到GPU 908。在组件之间存在直接或点对点连接的情况下，互连系统902可包括PCIe链路以执行连接。在这些示例中，PCI总线不需要被包括在计算设备900中。

存储器904可以包括各种计算机可读介质中的任何计算机可读介质。计算机可读介质可以是可由计算设备900访问的任何可用介质。计算机可读介质可以包括易失性和非易失性介质，以及可移除和不可移除介质。作为示例而非限制，计算机可读介质可包括计算机存储介质和通信介质。

计算机存储介质可以包括以用于存储诸如计算机可读指令、数据结构、程序模块和/或其他数据类型的信息的任何方法或技术实现的易失性和非易失性介质和/或可移动和不可移动介质。例如，存储器904可以存储计算机可读指令(例如，表示(一个或更多个)程序和/或(一个或更多个)程序元件，诸如操作系统)。计算机存储介质可以包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术，CD-ROM、数字通用盘(DVD)或其他光盘存储、磁带盒、磁带、磁盘存储装置或其他磁性存储装置，或可用于存储所要信息且可由计算设备900存取的任何其他介质。如本文所使用的，计算机存储介质不包括信号本身。

计算机存储介质可将计算机可读指令、数据结构、程序模块和/或其他数据类型体现在诸如载波或其他传输机制之类的已调制数据信号中，并且包括任何信息传递介质。术语“调制数据信号”可以指代以编码信号中的信息的方式设置或改变其一个或更多个特性的信号。作为示例而非限制，计算机存储介质可包括有线介质(诸如有线网络或直接有线连接)和无线介质(诸如声学、RF、红外和其他无线介质)。以上任何内容的组合也应包含在计算机可读介质的范围内。

CPU 906可经配置以执行计算机可读指令中的至少一些以控制计算设备900的一个或更多个组件执行本文中所描述的方法和/或过程中的一个或更多个。CPU 906可各自包含能够同时处置众多软件线程的一个或更多个核心(例如，一个、两个、四个、八个、二十八个、七十二个等)。CPU906可包含任何类型的处理器，且可取决于所实施的计算设备900的类型而包含不同类型的处理器(例如，针对移动装置具有较少核心的处理器和针对服务器具有较多核心的处理器)。例如，取决于计算设备900的类型，处理器可以是使用精简指令集计算(RISC)实现的高级RISC机器(ARM)处理器或使用复杂指令集计算(CISC)实现的x86处理器。除了一个或更多个微处理器或补充协处理器(诸如数学协处理器)之外，计算设备900还可包括一个或更多个CPU 906。

除(一个或更多个)CPU 906以外或替代(一个或更多个)CPU 906，(一个或更多个)GPU 908可被配置成执行计算机可读指令中的至少一些以控制计算设备900的一个或更多个组件执行本文所描述的方法和/或过程中的一个或更多个。GPU 908中的一个或更多个可为集成GPU(例如，有CPU 906中的一个或更多个)和/或GPU 908中的一个或更多个可为离散GPU。在实施例中，GPU 908中的一个或更多个可以是CPU 906中的一个或更多个的协处理器。GPU 908可由计算设备900使用以渲染图形(例如，3D图形)或执行通用计算。例如，GPU908可用于GPU上的通用计算(GPGPU)。GPU 908可包含能够同时处置数百或数千软件线程的数百或数千核心。GPU 908可响应于渲染命令(例如，经由主机接口从CPU 906接收的渲染命令)而产生输出图像的像素数据。GPU 908可包含用于存储像素数据或任何其他合适数据(例如，GPGPU数据)的图形存储器(例如，显示存储器)。显示存储器可作为存储器904的一部分被包括。GPU 908可包含并行操作(例如，经由链路)的两个或两个以上GPU。链路可以直接连接GPU(例如，使用NVLINK)或可以通过交换机(例如，使用NVSwitch)连接GPU。当组合在一起时，每一GPU 908可产生用于输出的不同部分或用于不同输出的像素数据或GPGPU数据(例如，用于第一图像的第一GPU和用于第二图像的第二GPU)。每一GPU可包含其自己的存储器，或可与其他GPU共享存储器。

除CPU 906和/或GPU 908之外或替代CPU 906和/或GPU 908，逻辑单元920可经配置以执行计算机可读指令中的至少一些以控制计算设备900的一个或更多个组件执行本文中所描述的方法和/或过程中的一个或更多个。在实施例中，(一个或更多个)CPU 906、(一个或更多个)GPU 908、和/或(一个或更多个)逻辑单元920可以离散地或联合地执行方法、过程和/或其部分的任何组合。逻辑单元920中的一个或更多个可为CPU 906和/或GPU 908中的一个或更多个中的一部分和/或集成于CPU 906和/或GPU 908中的一个或更多个和/或逻辑单元920中的一个或更多个可为离散组件或以其他方式在CPU 906和/或GPU 908外部。在实施例中，逻辑单元920中的一个或更多个可以是CPU 906中的一个或更多个和/或GPU908中的一个或更多个的协处理器。

逻辑单元920的示例包括一个或更多个处理核心和/或其组件，诸如张量核心(TC)、张量处理单元(TPU)、像素视觉核心(PVC)、视觉处理单元(VPU)、图形处理群集(GPC)、纹理处理群集(TPC)、流多处理器(SM)、树横向单元(TTU)、人工智能加速器(AIA)、深度学习加速器(DLA)、算术逻辑单元(ALU)、专用集成电路(ASIC)、浮点单元(FPU)、输入/输出(I/O)元件、外围组件互连(PCI)或快速外围组件互连(PCIe)元件等。

通信接口910可以包括使计算设备900能够经由电子通信网络(包括有线和/或无线通信)与其他计算设备通信的一个或更多个接收机、发射机和/或收发机。通信接口910可包括实现通过多个不同网络中的任一个进行通信的组件和功能，诸如无线网络(例如，Wi-Fi、Z-Wave、蓝牙、蓝牙LE、ZigBee等)、有线网络(例如，通过以太网或无限带通信)、低功率广域网(例如，LoRaWAN、SigFox等)和/或互联网。

I/O端口912可以使得计算设备900能够逻辑地耦合到包括I/O组件914、(一个或更多个)呈现组件918和/或其他组件的其他设备，其中一些可以被内置到(例如，集成在)计算设备900中。说明性I/O组件914包括麦克风、鼠标、键盘、操纵杆、游戏垫、游戏控制器、碟形卫星天线、扫描仪、打印机、无线设备等。I/O组件914可以提供处理空中姿势、语音或由用户生成的其他生理输入的自然用户界面(NUI)。在一些情况下，可将输入发射到适当的网络元件以供进一步处理。NUI可实现与计算设备900的显示器相关联的语音识别、指示笔识别、面部识别、生物特征识别、屏幕上和屏幕附近的姿势识别、空中姿势、头部和眼睛跟踪、以及触摸识别(如以下更详细地描述的)的任何组合。计算设备900可以包括用于手势检测和识别的深度相机，诸如立体相机系统、红外相机系统、RGB相机系统、触摸屏技术和这些的组合。另外，计算设备900可包含使得能够检测运动的加速度计或陀螺仪(例如，作为惯性测量单元(IMU)的部分)。在一些示例中，计算设备900可以使用加速度计或陀螺仪的输出来渲染沉浸式增强现实或虚拟现实。

电源916可包括硬连线电源、电池电源或其组合。电源916可向计算设备900提供电力以使得计算设备900的组件能够操作。

呈现组件918可包括显示器(例如，监视器、触摸屏、电视屏幕、平视显示器(HUD)、其他显示器类型或其组合)、扬声器和/或其他呈现组件。呈现组件918可从其他组件(例如，GPU 908、CPU 906等)接收数据，且输出所述数据(例如，作为图像、视频、声音等)。

示例数据中心

图10示出了可在本公开的至少一个实施例中使用的示例数据中心1000。数据中心1000可包括数据中心基础设施层1010、框架层1020、软件层1030和/或应用层1040。

如图10所示，数据中心基础设施层1010可以包括资源协调器1012、分组的计算资源1014和节点计算资源(“节点C.R.s”)1016(1)-1016(N)，其中“N”表示任何完整的正整数。在至少一个实施例中，节点C.R.s 1016(1)-1016(N)可包括，但不限于任何数量的中央处理单元(“CPU”)或其他处理器(包括加速器、现场可编程门阵列(FPGA)、图形处理器或图形处理单元(GPU)等)，存储器设备(例如，动态只读存储器)，存储设备(例如，固态或磁盘驱动器)，网络输入/输出(“NW I/O”)装置、网络交换机、虚拟机(“VM”)、功率模块和/或冷却模块，等等。在一些实施例中，来自节点C.R.s 1016(1)-1016(N)中的一个或更多个节点C.R.s可对应于具有上述计算资源中的一个或更多个的服务器。此外，在一些实施例中，节点C.R.s 1016(1)-10161(N)可包括一个或更多个虚拟组件，诸如vGPU、vCPU等，和/或节点C.R.s 1016(1)-1016(N)中的一个或更多个可对应于虚拟机(VM)。

在至少一个实施例中，分组的计算资源1014可包括容纳在一个或更多个机架(未示出)内的节点C.R.s 1016的单独分组，或容纳在不同地理位置(也未示出)处的数据中心内的许多机架。分组的计算资源1014内的节点C.R.s 1016的单独分组可包括可被配置或分配来支持一个或更多个工作负荷的分组计算、网络、存储器或存储资源。在至少一个实施例中，包括CPU、GPU和/或其他处理器的若干节点C.R.s 1016可以分组在一个或更多个机架内以提供计算资源来支持一个或更多个工作负荷。一个或更多个机架还可包括任意组合的任意数量的功率模块、冷却模块和/或网络交换机。

资源协调器1022可配置或以其他方式控制一个或更多个节点C.R.s1016(1)-1016(N)和/或分组的计算资源1014。在至少一个实施例中，资源协调器1022可以包括用于数据中心1000的软件设计基础设施(“SDI”)管理实体。资源协调器1022可以包括硬件、软件或其某种组合。

在至少一个实施例中，如图10所示，框架层1020可以包括作业调度器1048、配置管理器1034、资源管理器1036和/或分布式文件系统1038。框架层1020可以包括支持软件层1030的软件1048和/或应用层1040的一个或更多个应用1042的框架。软件1048或应用1042可分别包含基于网络的服务软件或应用，例如由Amazon(亚马逊)网络服务、Google Cloud(谷歌云)和Microsoft Azure提供的那些。框架层1020可以是但不限于可以利用分布式文件系统1038进行大规模数据处理(例如，“大数据”)的免费和开源的软件网络应用框架(如Apache Spark^TM(下文称为“Spark”))的类型。在至少一个实施例中，作业调度器1032可以包括Spark驱动器以促进调度由数据中心1000的不同层支持的工作负荷。配置管理器1034可以能够配置不同层，诸如软件层1030和框架层1020(其包括用于支持大规模数据处理的Spark和分布式文件系统1038)。资源管理器1036可以能够管理被映射到分布式文件系统1038和作业调度器1032或被分配用于支持分布式文件系统1038和作业调度器1032的集群的或分组的计算资源。在至少一个实施例中，集群的或分组的计算资源可包括在数据中心基础设施层1010的分组的计算资源1014。资源管理器1036可与资源协调器1012协调以管理这些被映射或分配的计算资源。

在至少一个实施例中，在软件层1030中包括的软件1032可包括由节点C.R.s 1016(1)-1016(N)、分组的计算资源1014和/或框架层1020的分布式文件系统1038中的至少部分使用的软件。一种或更多种类型的软件可以包括但不限于互联网网页搜索软件、电子邮件病毒扫描软件、数据库软件和流式视频内容软件。

在至少一个实施例中，在应用层1040中包括的应用1042可包括由节点C.R.s 1016(1)-1016(N)、分组的计算资源1014和/或框架层1020的分布式文件系统1038中的至少部分使用的一个或更多个类型的应用。一种或更多种类型的应用可以包括但不限于任何数量的基因组应用、认知计算和机器学习应用，包括训练或推断软件、机器学习框架软件(例如，PyTorch、TensorFlow、Caffe等)和/或结合一个或更多个实施例使用的其他机器学习应用。

在至少一个实施例中，配置管理器1034、资源管理器1036和资源协调器1012中的任一个可基于在任何技术上可行的方式中获取的任何量和类型的数据来实现任何数量和类型的自修改动作。自修改动作可使数据中心1000的数据中心操作者免于做出可能较差的配置决策和可能避免数据中心的未充分利用和/或较差执行部分。

根据本文描述的一个或更多个实施例，数据中心1000可包括工具、服务、软件或其他资源来训练一个或更多个机器学习模型或使用一个或更多个机器学习模型来预测或推断信息。例如，可以通过使用以上相对于数据中心1000描述的软件和/或计算资源根据神经网络架构来计算权重参数来训练(一个或更多个)机器学习模型。在至少一个实施例中，对应于一个或更多个神经网络的经训练或部署的机器学习模型可用于通过使用通过一种或多种训练技术(诸如但不限于本文中描述的那些训练技术)计算的权重参数，使用上文相对于数据中心1000描述的资源来推断或预测信息。

在至少一个实施例中，数据中心1000可使用CPU、专用集成电路(ASIC)、GPU、FPGA和/或其他硬件(或与其对应的虚拟计算资源)来使用上述资源执行训练和/或推断。此外，上文所描述的一或更多个软件和/或硬件资源可被配置为允许用户训练或执行对信息的推断的服务，例如图像识别、语音识别或其他人工智能服务。

示例网络环境

适合用于实现本公开的实施例的网络环境可以包括一个或更多个客户端设备、服务器、网络附加存储(NAS)、其他后端设备和/或其他设备类型。客户端设备、服务器和/或其他设备类型(例如，每个设备)可以在图9的(一个或更多个)计算设备900的一个或更多个实例上实现——例如，每个设备可以包括(一个或更多个)计算设备900的类似部件、特征和/或功能。此外，在实现后端设备(例如，服务器、NAS等)的情况下，后端设备可被包括作为数据中心1000的一部分，数据中心1000的示例在本文中关于图10更详细地描述。

网络环境的组件可经由网络彼此通信，所述网络可为有线的、无线的或为两者。网络可以包括多个网络或多个网络中的一个网络。例如，网络可包括一个或更多个广域网(WAN)、一个或更多个局域网(LAN)、一个或更多个公共网络(诸如互联网和/或公共交换电话网(PSTN))和/或一个或更多个私有网络。在网络包括无线电信网络的情况下，诸如基站、通信塔或者甚至接入点(以及其他组件)的组件可以提供无线连接。

兼容的网络环境可以包括一个或更多个对等网络环境(在这种情况下，服务器可以不被包括在网络环境中)和一个或更多个客户端-服务器网络环境(在这种情况下，一个或更多个服务器可以被包括在网络环境中)。在对等网络环境中，本文针对服务器所描述的功能可在任何数量的客户端设备上实现。

在至少一个实施例中，网络环境可包括一个或更多个基于云的网络环境、分布式计算环境、其组合等。基于云的网络环境可包括框架层、作业调度器、资源管理器和在一个或更多个服务器上实现的分布式文件系统，所述服务器可包括一个或更多个核心网服务器和/或边缘服务器。框架层可包括支持软件层的软件和/或应用层的一个或更多个应用的框架。软件或应用可分别包含基于网络的服务软件或应用。在实施例中，一个或更多个客户端设备可以使用基于网络的服务软件或应用(例如，通过经由一个或更多个应用编程接口(API)访问服务软件和/或应用)。框架层可以是但不限于如可以使用分布式文件系统进行大规模数据处理(例如，“大数据”)的一种免费和开源软件网络应用框架。

基于云的网络环境可提供执行本文描述的计算和/或数据存储功能(或其一个或更多个部分)的任何组合的云计算和/或云存储。这些不同功能中的任何功能可以分布在来自(例如，可以分布在州、地区、国家、全球等的一个或更多个数据中心的)中央或核心服务器的多个位置上。如果与用户(例如，客户端设备)的连接相对靠近边缘服务器，则核心服务器可以将功能的至少一部分指定给边缘服务器。基于云的网络环境可以是私有的(例如，限于单个组织)，可以是公共的(例如，对许多组织可用)，和/或其组合(例如，混合云环境)。

(一个或更多个)客户端设备可以包括本文关于图9所描述的(一个或更多个)示例计算设备900的组件、特征和功能中的至少一些。作为示例而非限制，客户端设备可被实现为个人计算机(PC)，膝上型计算机、移动设备、智能电话、平板计算机、智能手表、可穿戴计算机、个人数字助理(PDA)、MP3播放器、虚拟现实耳机、全球定位系统(GPS)或设备、视频播放器、摄像机、监视设备或系统、车辆、船、飞船、虚拟机、无人机、机器人、手持式通信设备、医院设备、游戏设备或系统、娱乐系统、车辆计算机系统、嵌入式系统控制器、遥控器、电器、消费电子设备、工作站、边缘设备、这些描绘的设备的任何组合或任何其他合适的设备。

本公开可以在由计算机或者诸如个人数字助理或其他手持式设备之类的其他机器执行的、包括诸如程序模块之类的计算机可执行指令的机器可使用指令或者计算机代码的一般背景下进行描述。通常，包括例程、程序、对象、组件、数据结构等等的程序模块指的是执行特定任务或者实现特定抽象数据类型的代码。本公开可以在各种各样的系统配置中实践，这些配置包括手持式设备、消费电子器件、通用计算机、更专业的计算设备等等。本公开也可以在其中任务由通过通信网络链接的远程处理设备执行的分布式计算环境中实践。

如在本文中使用的，“和/或”关于两个或更多元件的叙述应当解释为仅指一个元件或者元件组合。例如，“元件A、元件B和/或元件C”可以包括仅仅元件A，仅仅元件B，仅仅元件C，元件A和元件B，元件A和元件C，元件B和元件C，或者元件A、B和C。此外，“元件A或元件B中的至少一个”可以包括元件A中的至少一个，元件B中的至少一个，或者元件A中的至少一个和元件B中的至少一个。进一步，“元件A和元件B中的至少一个”可以包括元件A中的至少一个，元件B中的至少一个，或者元件A中的至少一个和元件B中的至少一个。

这里详细地描述了本公开的主题以满足法定要求。然而，描述本身并非意在限制本公开的范围。相反地，本公开人已经设想到，要求保护的主题也可以以其他的方式具体化，以包括与本文中结合其他当前或未来技术描述的步骤不同的步骤或者相似的步骤的组合。而且，尽管术语“步骤”和/或“块”在本文中可以用来隐含采用的方法的不同元件，但是这些术语不应当被解释为暗示本文公开的各个步骤之中或之间的任何特定顺序，除非明确描述了各步骤的顺序。

Claims (20)

1.一种方法，包括：

检测与机器对应的断电指示；

至少基于检测到断电指示，对用于执行所述机器的一个或更多个自主控制操作的计算机系统执行诊断；

至少基于执行诊断，重新启动所述计算机系统的一个或更多个部分；

作为保存状态和基于至少一个所述重新启动，将与所述计算机系统对应的计算环境的状态存储在计算机存储中；

至少基于存储所述计算环境的状态而进入低功率模式；

检测与所述机器对应的通电指示；

至少基于检测到所述通电指示而退出所述低功率模式；以及

至少基于退出所述低功率模式，使与所述计算机系统对应的所述计算环境的状态恢复到所述计算机存储的所述保存状态。

2.根据权利要求1所述的方法，进一步包括：在至少基于检测到所述机器的所述断电指示而运行所述诊断之前，重新启动所述计算机系统的所述一个或更多个部分。

3.根据权利要求1所述的方法，其中所述计算环境的状态是第一状态，并且所述方法进一步包括：

至少基于一个或更多个标准被满足，在所述通电指示之前退出所述低功率模式；

在所述计算机系统上重新运行所述诊断；

重新启动所述计算机系统以生成所述计算环境的第二状态；

将所述计算环境的所述第二状态作为第二保存状态存储在所述计算机存储中；以及

重新进入所述低功率模式，其中恢复所述计算环境的状态包括：使与所述计算机系统对应的所述计算环境的状态恢复到所述第二状态。

4.根据权利要求1所述的方法，其中所述计算机存储包括易失性存储器。

5.根据权利要求1所述的方法，其中所述机器包括用于向所述计算机系统提供电力的能量存储介质，其中所述机器是下列项中的至少一项：

至少部分电动的机器；或者

至少部分内燃机动力的机器。

6.根据权利要求1所述的方法，

其中所述机器包括一个或更多个传感器，

其中所述低功率模式的特征在于所述一个或更多个传感器中的至少一个传感器不接收电力。

7.根据权利要求1所述的方法，

其中所述机器包括用于执行所述自主控制操作的图形处理单元，

其中所述低功率模式的特征在于所述图形处理单元不接收电力。

8.根据权利要求1所述的方法，其中运行所述诊断、所述重新启动、进入所述低功率模式、退出所述低功率模式，或启用所述自主控制操作中的至少一个至少部分地由生成用于实行所述自主控制操作的控制信号的控制器执行。

9.根据权利要求8所述的方法，其中所述控制器包括在所述低功率模式期间保持供电以将片上系统从所述低功率模式唤醒的电路。

10.一种处理器，包括：

一个或更多个电路，用于：

检测车辆的断电指示；

指示用于所述车辆的自主控制的计算机系统执行诊断；

触发所述计算机系统重新启动，以将所述计算机系统配置到计算状态并将所述计算状态作为保存状态存储在计算机存储中；

在所述保存状态被存储在所述计算机存储中的同时，触发所述计算机系统的低功率模式；以及

至少基于所述车辆的通电指示触发从所述低功率模式的退出，所述退出的触发使得至少基于所述保存状态从所述计算机存储中恢复实现由所述计算机系统对所述车辆进行自主控制。

11.根据权利要求10所述的处理器，其中所述处理器被包括在下列项的至少一项中：

用于自主或半自主机器的控制系统；

用于自主或半自主机器的感知系统；

用于执行模拟操作的系统；

用于执行深度学习操作的系统；

使用边缘设备实现的系统；

使用机器人实现的系统；

包含一个或更多个虚拟机VM的系统；

至少部分在数据中心实现的系统；或者

至少部分使用云计算资源实现的系统。

12.根据权利要求10所述的处理器，其中所述一个或更多个电路是所述计算机系统的微控制器单元。

13.根据权利要求10所述的处理器，其中所述计算状态是第一计算状态，并且所述一个或更多个电路进一步被配置为：

至少基于一个或更多个标准被满足，在所述通电或启动指示之前触发退出所述低功率模式；

指示所述计算机系统重新运行所述诊断；

触发所述计算机系统重新启动以生成第二计算状态并将所述第二计算状态作为所述保存状态存储在所述计算机存储中；以及

触发重新进入所述低功率模式，其中为实现所述自主控制而恢复的所述保存状态是所述第二计算状态。

14.根据权利要求10所述的处理器，其中所述诊断包括对所述计算机系统的一个或更多个组件的潜在故障测试。

15.根据权利要求10所述的处理器，

其中所述车辆包括一个或更多个传感器，

其中所述低功率模式的特征在于所述一个或更多个传感器中的至少一个传感器不接收电力。

16.一种系统，包括：

车辆的一个或更多个处理单元；以及

一个或更多个存储器单元，其存储指令，当所述指令由所述一个或更多个处理单元执行时，使所述一个或更多个处理单元执行以下操作，所述操作包括：

至少基于所述车辆熄火的第一指示，执行用于所述车辆的自主控制的计算机系统的系统内测试；

至少基于所述系统内测试的完成，将所述计算机系统配置到能够实行所述自主控制的计算状态；

在所述计算状态作为保存状态被存储在计算机存储中时，在低功率模式下运行；

至少基于所述车辆开启的第二指示退出所述低功率模式；以及

至少基于从所述计算机存储恢复所述保存状态，使所述计算机系统能够对所述车辆进行所述自主控制。

17.根据权利要求16所述的系统，其中所述系统被包括在以下的至少一项中：

用于自主或半自主机器的控制系统；

用于自主或半自主机器的感知系统；

用于执行模拟操作的系统；

用于执行深度学习操作的系统；

使用边缘设备实现的系统；

使用机器人实现的系统；

包含一个或更多个虚拟机VM的系统；

至少部分在数据中心实现的系统；或者

至少部分使用云计算资源实现的系统。

18.根据权利要求16所述的系统，其中所述操作进一步包括：在至少基于所述车辆熄火的所述第一指示执行所述系统内测试之前，重新启动所述计算机系统的一个或更多个部分。

19.根据权利要求16所述的系统，其中所述计算状态是第一计算状态，并且所述操作进一步包括：

至少基于一个或更多个标准被满足，在所述第一指示之前退出所述低功率模式；

重新执行所述计算机系统的所述系统内测试；以及

配置所述计算机系统以生成第二计算状态，其中从所述计算机存储恢复的所述保存状态是所述第二状态。

20.根据权利要求16所述的系统，进一步包括：

一个或更多个传感器，

其中所述低功率模式的特征在于所述一个或更多个传感器中的至少一个传感器不接收电力。

Images