JP2022190646A - 自律マシン・アプリケーションのための複数の周波数範囲にわたる電圧監視 - Google Patents
自律マシン・アプリケーションのための複数の周波数範囲にわたる電圧監視 Download PDFInfo
- Publication number
- JP2022190646A JP2022190646A JP2021167137A JP2021167137A JP2022190646A JP 2022190646 A JP2022190646 A JP 2022190646A JP 2021167137 A JP2021167137 A JP 2021167137A JP 2021167137 A JP2021167137 A JP 2021167137A JP 2022190646 A JP2022190646 A JP 2022190646A
- Authority
- JP
- Japan
- Prior art keywords
- voltage
- threshold
- input voltage
- power supply
- low frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3206—Monitoring of events, devices or parameters that trigger a change in power modality
- G06F1/3212—Monitoring battery levels, e.g. power saving mode being initiated when battery voltage goes below a certain level
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/16533—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application
- G01R19/16538—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies
- G01R19/16547—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values characterised by the application in AC or DC supplies voltage or current in AC supplies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/25—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques
- G01R19/255—Arrangements for measuring currents or voltages or for indicating presence or sign thereof using digital measurement techniques using analogue/digital converters of the type with counting of pulses during a period of time proportional to voltage or current, delivered by a pulse generator with fixed frequency
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/28—Supervision thereof, e.g. detecting power-supply failure by out of limits supervision
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/30—Means for acting in the event of power-supply failure or interruption, e.g. power-supply fluctuations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3237—Power saving characterised by the action undertaken by disabling clock generation or distribution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3287—Power saving characterised by the action undertaken by switching off individual functional units in the computer system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Power Sources (AREA)
- Direct Current Feeding And Distribution (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
【課題】自律マシン・アプリケーションのための複数の周波数範囲にわたる電圧監視を提供する。【解決手段】様々な実例において、電圧モニタは、2つのセットの閾値-たとえば、高周波数過電圧(OV)閾値、高周波数不足電圧(UV)閾値、低周波数OV閾値、及び低周波数UV閾値-を使用して、計算システムの少なくとも1つ構成要素に供給される電圧が安全かどうかを判定することができる。高周波数電圧エラー検出器は、供給又は入力電圧を高周波数OV閾値及びUV閾値と比較することができ、低周波数電圧エラー検出器は、供給電圧をフィルタ処理してノイズを除去又は低減することができ、次いで、フィルタ処理された電圧を低周波数OV閾値及びUV閾値と比較することができる。電圧エラーを検出したとき、安全モニタは、少なくとも1つ構成要素の動作状態への変更を引き起こすことができる。【選択図】図1
Description
安全に動作するために、自律及び半自律マシンの安全重視の及び運転上重要なコンピュータ・システムは、これらのコンピュータ・システムがタイムリーで正確な決定を行うこと並びにマシンの安全な動作のための適切なアクションを取ることを確実に行い得るのに役立つある特定の安全要件を満たす必要がある。多数の安全注意事項の中で、これらのコンピュータ・システムに供給される電圧は、適切な電圧レベルが供給されることを確実にするために、監視され得る。たとえば、国際標準化機構(ISO:International Standardization Organization)規格ISO26262などの機能的安全性規格は、少なくともある特定の安全目標のためには、故障の少なくとも99%が検出されることを要求する。
自律及び半自律マシン内のコンピュータ・システムは、複雑性を増し続けているので-たとえば、処理及び電力需要の増加により-、複数の動作モード並びに対応する電力消費率及び/又は要件を切り替えることができる電力供給装置は、ますます一般的になっている。そのような電力供給装置の欠点は、それらが、交流(AC:alternating current)ノイズをコンピュータ・システムに供給される標準的直流(DC:direct current)電圧内に誘導し得るということである。前のシステムでは、障害検出又は診断範囲は、通常は、電力供給装置によってコンピュータ・システムに供給される入力電圧と比較するために、単一の過電圧(OV:over-voltage)閾値及び単一の不足電圧(UV:under-voltage)閾値のみを提供する。しかしながら、この診断範囲は、非常に低い、検出されない故障率を要求する厳しい安全要件を満たすには不十分であることがある。たとえば、単一のOV閾値が、比較的高い値(広い範囲の許容電圧を示す、比較的低い値に設定された対応する単一のUV閾値を有する)に設定される場合、誤検出は低減されることになるが、低周波数故障は、検出されないことになり、それによって、許容限度未満に診断範囲を低減することになる。もう1つの実例として、単一のOV閾値が、比較的低い値(狭い範囲の許容電圧を示す、比較的高い値に設定された対応する単一のUV閾値を有する)に設定された場合、誤検出が、供給電圧におけるACノイズにより蔓延することになり、それによって、システムの性能が制限される-たとえば、入力電圧がコンピュータ・システムにとって許容可能である場合でも、システム状態変更が行われることが原因による。ACノイズが、狭い範囲の閾値を適用する前にフィルタ処理される場合、障害検出は、低周波数障害のみに限定されることになり、高周波数障害は検出されず、それにより、システム故障が検出されないことになる可能性がある。
本開示の実施例は、自律マシン・アプリケーション、たとえば、自律若しくは半自律型車両、ロボット、及び/又はロボット・プラットフォーム、のための包括的電圧モニタに関する。電圧モニタを介して低周波数アプリケーションと高周波数アプリケーションとの両方において電圧エラーを識別する、システム及び方法が、開示される。識別された電圧エラーに基づいて、安全マネージャは、電圧が供給される電子デバイスの動作状態を変更することができる。
従来のシステム、たとえば、前述のもの、とは対照的に、本システム及び方法は、電子システムに供給される電圧が安全かどうかを判定するために複数のセットの閾値を使用する-例示的な、非限定的な実施例では、これらのセットの閾値は、高周波数過電圧(OV)閾値、高周波数不足電圧(UV)閾値、低周波数OV閾値、及び低周波数UV閾値を含み得る。本開示の実施例は、供給又は入力電圧を高周波数OV閾値及びUV閾値と比較することができる高周波数電圧エラー検出器と、任意のACノイズを除去又は低減するために供給電圧をフィルタ処理することができ、次いで、フィルタ処理された電圧を低周波数OV閾値及びUV閾値と比較することができる、低周波数電圧エラー検出器とを含む。そのような配置では、誤検出の率を低く保ちながら、低周波数エラーと高周波数エラーとの両方を検出することができ、それによって、少なくとも供給電圧に関して、システムの性能を増強又は最適化しながら、コンピュータ・システムの診断範囲要件を満たすことができる。
自律マシン・アプリケーションのための包括的電圧モニタのための本システム及び方法について、添付の図面を参照して、以下に詳しく説明する。
自律マシン・アプリケーションの包括的電圧監視に関するシステム及び方法について、開示する。本開示は、例示的自律型車両700(本明細書で別法として「車両700」又は「エゴマシン700」と称され、その実例は図7A~7Dを参照して説明される)に関して説明されることがあるが、これは限定を意図していない。たとえば、本明細書に記載のシステム及び方法は、制限なしに、非自律型車両、半自律型車両(たとえば、1つ又は複数の適応型運転者支援システム(ADAS:adaptive driver assistance system)における)、操縦される若しくは操縦されないロボット若しくはロボット・プラットフォーム、倉庫車両、オフロード車両、1つ又は複数のトレーラに連結された車両、飛行船舶、ボート、シャトル、緊急対応車両、オートバイ、電気若しくは原動機付自転車、航空機、建設車両、潜水艦、ドローン、及び/又は他の車両タイプによって使用され得る。加えて、本開示は、安全アプリケーションにおいてコンピュータ・システムに提供される電圧を監視することに関して説明されることがあるが、これは限定を意図しておらず、本明細書に記載のシステム及び方法は、拡張現実、仮想現実、複合現実、ロボット工学、セキュリティ及び監視、自律若しくは半自律マシン・アプリケーション、及び/又は、安全アプリケーションが使用され得る任意の他の技術空間において使用され得る。
本開示の実施例は、安全重視のアプリケーション-たとえば、自律又は半自律マシン・アプリケーション-において電圧エラーを検出するように構成されたコンピュータ・システムに関する。いくつかの実施例において、コンピュータ・システムは、電圧モニタ及び/又は安全マネージャを含み得る通信可能に及び/又は電気的に連結された安全システムに関連し得る。電圧モニタは、コンピュータ・システムの1つ又は複数の電子的構成要素に電力供給装置によって供給される入力電圧において障害を検出することができ、一方、安全マネージャは、電圧モニタからの検出された障害を使用して様々な救済アクション-たとえば、コンピュータ・システムをセーフ・モード、低電力モード、シャットオフ・モードにすること、及び/又はコンピュータ・システムの動作モードを他の方法で変更すること-のいずれかを行うことができる。
本開示の実施例において、コンピュータ・システムは、電子的構成要素、電力供給装置、電圧モニタ、及び/又は安全マネージャを広く含み得る。電子的構成要素は、電力が供給される様々なハードウェア構成要素のいずれか、たとえば、限定せずに、プロセッサ、システム・オン・チップ(SoC)、マイクロコントローラ、センサ、及び/又は類似のもの、でもよい。電子的構成要素はまた、個々の構成要素、集積回路、又は他の電力レセプタのセット又は群を含むことができ、そこで、電力供給装置は、1つ又は複数の母線を介して電子的構成要素に電力を供給することができる(たとえば、異なる構成要素は、異なる入力電圧を必要とすることがあり、電力供給装置は、任意の数の母線にわたって様々な入力電圧を供給することができる)。電子的構成要素は、1つ又は複数の動作モード、たとえば、完全自律動作モード、半自律動作モード、運転者制御モード、運転者警告モード、セーフ・モード、低電力モード、及び/又は電力オフ・モード、を有し得る。障害が、電圧モニタを使用して、検出された後は、安全マネージャは、(たとえば、メッセージ又は信号を介して電子的構成要素に)指示することができる、又は直接電子的構成要素を別の動作モードにすることができる。そのようなものとして、安全マネージャは、電子的構成要素(誤った電圧を供給されている)による潜在的に問題のある計算(又は他の動作)がシステムの安全性の問題を引き起こすのを防ぐことができる。たとえば、電子的構成要素が完全自律動作モードにある場合に、誤った電圧が検出されたとき、電子的構成要素は、誤った電圧による誤った決定を行っている可能性があるので、安全マネージャは、電子的構成要素を運転者制御モードに変更することができる。運転者制御モードは、運転者が適切な制御決定を行うことができる-少なくとも電圧の問題が対処されるまで-ように、運転者によるマシンの制御を行うことができる。
電力供給装置は、電力を電子的構成要素に提供するように構成され得る。電力は、バッテリ、交流機、及び/又は他の電源によって供給され得る。いくつかの実施例において、電力供給装置は、切り替えモード電力供給装置、線形電力供給装置、又はその組合せでもよい。たとえば、いくつかの実施例において、同タイプ又は異なるタイプの第1の電力供給装置及び第2の電力供給装置-たとえば、切り替えモード電力供給装置及び線形電力供給装置-を含む1セットの電力供給装置が存在し得る。他の組合せ及び/又はタイプの電力供給装置が、本開示の範囲を逸脱せずに、使用され得る。
安全マネージャは、電圧モニタによって電圧障害を検出したときに電子的構成要素の動作モードを変更するように構成され得る。実施例において、安全マネージャは、電圧モニタ及び電子的構成要素に通信可能に及び/又は電気的に連結され得る。安全マネージャは、電圧モニタから電圧障害の指示を受信することができ、応答して電子的構成要素の動作状態の変更を引き起こすことができる。たとえば、電圧モニタが、電力供給装置からの入力電圧が高周波数OV閾値より大きい電圧又は低周波数OV閾値未満の電圧のうちの少なくとも1つであること、或いはフィルタ処理された入力電圧が低周波数OV閾値より大きい電圧又は低周波数UV閾値未満の電圧のうちの少なくとも1つであることを検出したとき、安全マネージャは、1つ又は複数の動作-たとえば、電子的構成要素の現在の動作状態の変化を引き起こすこと-を実行することができる。
本開示の実施例は、電力供給装置から電子的構成要素への入力又は供給電圧における電圧障害を検出するように構成された電圧モニタに関する。電圧モニタは、電力供給装置と電子的構成要素との間に電気的に配置された電圧メーター(たとえば、電圧計)を含み得る。実施例において、電圧モニタは、電力供給装置及び電子的構成要素とは別個の構成要素に含まれ得る、及び/又は、電力供給装置、電子的構成要素、及び/又は安全マネージャの構成要素として-たとえば、電子的構成要素を有する集積回路上に-含まれ得る。
実施例において、電圧モニタは、制限なしに、同じ供給電圧において低周波数及び/又は高周波数障害を検出するように並行して動作することができる、低周波数電圧エラー検出器及び高周波数電圧エラー検出器を含み得る。
低周波数電圧エラー検出器は、入力電圧をフィルタ処理してフィルタ処理された入力電圧を生み出すためにフィルタ(たとえば、ローパス・フィルタ)を含み得る。基礎電圧におけるドリフトが、フィルタ処理された入力電圧の分析において識別され得るように、フィルタは、供給電圧におけるACノイズの少なくとも一部分を取り除くことができる。フィルタ処理された入力電圧は、次いで、フィルタ処理された入力電圧を低周波数UV閾値及び低周波数OV閾値と比較することができる低周波数電圧エラー検出器の比較器を通過し得る。高周波数電圧エラー検出器は、高周波数OV閾値及び高周波数UV閾値と入力電圧(たとえば、フィルタ処理を有する又はフィルタ処理を有さない)を比較するように構成された比較器を含み得る。
電圧モニタは、安全マネージャと通信可能に連結され得る。電圧障害を検出したとき、電圧モニタは、安全マネージャが電子的構成要素の動作モードを変更することができるように、安全マネージャに警告する(たとえば、信号、メッセージなどを送る)ことができる。電圧モニタは、検出された障害を示す情報、たとえば、検出された電圧、超過された閾値、タイム・スタンプ、他の動作状態、関連する電力供給装置、及び/又は他の情報、を送信することができる。安全マネージャは、この受信した情報を記憶する及び/又はどの救済アクションを取るべきか(たとえば、電子的構成要素をどの動作モードにすべきか)を決定するためにその情報を使用することができる。
本開示のいくつかの実施例において、低周波数OV閾値、低周波数UV閾値、高周波数OV閾値、又は高周波数UV閾値のうちの少なくとも1つは、それぞれの閾値がある特定の構成、ハードウェア、レイアウト、及び/又は状態に基づいて変更されることを可能にするために、プログラマブル又は他の方法で可変になり得る。
そのようなものとして、本システム及び方法は、電力供給装置によって供給される入力電圧を高周波数閾値と並びに、フィルタ処理してフィルタ処理された入力信号を生成した後に、低周波数閾値と比較するように構成され得る。たとえば、電圧モニタは、入力電圧を高周波数OV閾値、高周波数UV閾値、低周波数OV閾値(フィルタ処理後)、及び低周波数UV閾値(フィルタ処理後)と比較することができる。入力電圧を過電圧閾値及び不足電圧閾値の両方、並びに高周波数及び低周波数閾値と比較することによって、様々な障害タイプのそれぞれが、入力電圧におけるACノイズを説明しつつ、検出され得る。加えて、閾値は、フィルタ処理された入力電圧レベルとフィルタ処理されていない入力電圧レベルとの両方を説明する電圧モニタの能力により、制限されなくてもよいので、システムの性能は、高められ得る。
図1を参照すると、図1は、本開示のいくつかの実施例による、例示的電圧監視システム100(或いは「システム100」と称される)である。本明細書に記載のこの及び他の配置は、単に実例として説明されていることを理解されたい。他の構成及び要素(たとえば、マシン、インターフェース、機能、順番、機能のグループ化など)が、図示されたものに加えて又はそれらの代わりに使用され得、いくつかの要素は、完全に省略され得る。さらに、本明細書に記載の要素の多数は、個別の若しくは分散された構成要素として又は他の構成要素と併せて、並びに任意の適切な組合せ及び場所において実装され得る機能エンティティである。エンティティによって実行されるものとして本明細書に記載された様々な機能は、ハードウェア、ファームウェア、及び/又はソフトウェアによって実施され得る。たとえば、様々な機能は、メモリに記憶された命令を実行するプロセッサによって実施され得る。たとえば、いくつかの実施例において、システム100は、図7A~7Dの例示的自律型車両700、図8の例示的計算デバイス800、及び/又は図9の例示的データ・センタ900のそれらと類似の特徴、機能性、及び/又は構成要素を含み得る。
図1に示すように、システム100は、コンピュータ・システム102、電力供給装置104、電圧モニタ106、及び安全マネージャ108を広く含み得る。電力供給装置104は、1つ又は複数の線110(たとえば、母線)に沿ってコンピュータ・システム102の様々な電子的構成要素112に電力を提供することができる。提供された電力は、関連電圧を有することができ、電力の電圧は、電圧がそれぞれの電子的構成要素112について高すぎる及び/又は低すぎるかを判定するために、電圧モニタ106によって試験され得る。電圧が、本明細書に記載のような、許容閾値外である場合、電圧モニタ106は、安全マネージャ108にメッセージを送信する又は他の方法で警告することができる。安全マネージャ108は、次いで、コンピュータ・システム102及び/又は電子的構成要素112の動作状態を変更することを含む、様々な救済アクションのいずれかを取ることができる。これは、誤った電圧が、コンピュータ・システム102によって実行されている計算及び他の機能に、これらの計算及び他の機能を安全状況において信頼することができないように、影響を及ぼし得るためである。コンピュータ・システム102の動作状態を変更することは、コンピュータ・システム102と車両700との間の通信を妨げて1つ又は複数の計算、演算、及び他の機能の実行を阻むことを含み得る。したがって、コンピュータ・システム102及び/又は電子的構成要素112の動作状態を変更することは、この潜在的に安全でない状況を阻むことができる。
本開示の実施例において、システムは、以下のうちの少なくとも1つの構成要素でもよく、又はこれに他の方法で関連し得る:自律又は半自律マシンのための制御システム、自律又は半自律マシンのための知覚システム、シミュレーション動作を実行するためのシステム、深層学習動作を実行するためのシステム、エッジ・デバイスを使用して実装されるシステム、ロボットを使用して実装されるシステム、1つ又は複数の仮想マシン(VM:virtual machine)を組み込むシステム、データ・センタにおいて少なくとも部分的に実装されるシステム、或いはクラウド計算資源を使用して少なくとも部分的に実装されるシステム。
コンピュータ・システム102は、たとえば図7A~7Dに関して図示及び説明される、自律型車両700内の計算システム800でもよい。コンピュータ・システム102は、様々な安全関連機能、たとえば、マシンの安全な動作が依存する機能、方法、又はプロセス、のいずれかを制御することができる。たとえば、自律して動作している自律型車両700は、障害物の周りの多くの観測を行っている及びそれらの障害物を回避するために車両が実行する多数のアクションを決定しているコンピュータ・システム102を含み得る。車両及びあらゆる乗客の安全は、障害物の正しい識別及び回避に依存するので、この自律制御は、安全関連機能の実例である。
コンピュータ・システム102は、1つ又は複数の電子的構成要素112を含み得る。非限定的な実例として、図1は、4つの電子的構成要素112を示す。しかしながら、本開示の実施例は、より多数又は少数の電子的構成要素112を含み得る。電子的構成要素112は、システム100又はコンピュータ・システム102の1つ又は複数の安全関連機能を実行することができる。実施例において、電子的構成要素112は、コンピュータ・システム102から独立していてもよく、コンピュータ・システム102の構成要素でもよく、及び/又はコンピュータ・システム102全体でもよい。
電子的構成要素112は、電力供給装置104から電力を受信する様々なハードウェア構成要素のいずれかでもよい。たとえば、本開示のいくつかの実施例では、図7C及び8に関して説明されるように、電子的構成要素112は、プロセッサ又はシステム・オン・チップ(SoC)のうちの少なくとも1つ、たとえば、CPU706、CPU718、CPU806、GPU708、GPU720、GPU808、SoC704A、SoC704B、データ処理ユニット(DPU)、テンソル処理ユニット(TPU)、ベクトル処理ユニット(VPU)、及び/又は類似のもの、を含み得る。もう1つの実例として、本開示のいくつかの実施例において、電子的構成要素112は、図7A~7D、8、及び/又は9に示す構成要素のいずれか、或いはそのような構成要素の任意の組合せでもよい。
電力供給装置104は、電子的構成要素112を直接的に又は間接的に含む、電気負荷に電気的に連結され得る。電力供給装置104は、本明細書で論じる電力供給装置816又は別の電力供給装置タイプでもよく、電力供給装置104は、必要とされる電圧、電流、周波数、又は電気負荷の他の特徴にソースを変換又は他の方法で変更することができる。ソースは、バッテリ、内部燃焼エンジン、及び/又は別のソース・タイプでもよい。いくつかの実施例において、電力供給装置104は、別個の構成要素を含むことができ(図1に示すように)、一方、他の実施例では、電力供給装置104は、コンピュータ・システム102の構成要素でもよい-たとえば、同じ集積回路に組み込まれてもよい。電力供給装置104は、電力(たとえば、電子の形の)が電力供給装置104から電子的構成要素112に流れることができるように、1つ又は複数の線110によって電子的構成要素112に接続され得る。
いくつかの実施例において、電力供給装置104は、切り替えモード電力供給装置114(SMPS:switching mode power supply)及び/又は線形電力供給装置116(LPS:linear power supply)を含み得る。実施例において、第1の電力供給装置は、切り替えモード電力供給装置114であり、第2の電力供給装置は、線形電力供給装置116である。電力供給装置は、他の構成、たとえば、複数のSMPS114、複数のLPS116、又は他の組合せ、でもよい。実施例において、システム100は、第1の電子的構成要素112に電気的に連結された第1の電力供給装置104と、第2の電子的構成要素112に電気的に連結された第2の電力供給装置104とを-たとえば、別の入力電圧を第2の電子的構成要素112に提供するために-含む。いくつかの実施例において、第2の電力供給装置104から第2の電子的構成要素112への入力電圧は、第1の入力電圧と同じであっても又は異なってもよい。
切り替えモード電力供給装置114は、ON/OFFスイッチ(連続可変抵抗器ではなくて)として半導体を使用して電圧を提供する電力供給装置104のタイプである。SMPS114は、運転者/コントローラ118、外部補償ネットワーク120、インダクタ122、コンデンサ124、及び/又は他の構成要素を含み得る。運転者/コントローラ118は、理想的には無損失の記憶素子、たとえば、インダクタ122及びコンデンサ124、を切り替える。インダクタ122及びコンデンサ124は、損失を有し得るが、損失は、本明細書で論じるようにLPS116と比較して低減され得る。外部補償ネットワーク120は、出力電圧を調節することができ、外部補償ネットワーク120は、実例として、TypeI、TypeII、又はTypeIIIフィードバック増幅器ネットワークでもよい。
線形電力供給装置116は、超過電力の散逸、たとえば、抵抗器における又は熱として、を介して出力電圧を提供するために線形調整器を使用することができる。超過電圧(たとえば、電源からLPS116への電圧入力と電圧出力との差)は、失われ得る又は消耗され得る。
電力供給装置104は、特定の電子的構成要素112によって必要とされるレベルで電子的構成要素112への入力電圧を提供することができる。入力電圧は、電子的構成要素112において提供される電圧としての電圧ドレイン(VD:voltage drain)として図1には示されている。実施例において、様々な電子的構成要素112が、固有の入力電圧を必要とすることがあり、そのような入力電圧の固有の許容閾値を有し得る。したがって、電力供給装置104は、それぞれの電子的構成要素112への多数の異なる入力電圧を-たとえば、別個の電子的構成要素112への別個の線110(たとえば、母線)で図1に示されるように-提供することができる。線110は、電圧試験のために電圧モニタ106に入力電圧を向けるスプリット126を含み得る。線110はまた、超過電荷を蓄えるためにスプリット126の後に1つ又は複数のコンデンサ128を含み得る。
電圧モニタ106は、入力130において入力電圧を受信するためにスプリット126に沿って配置され得る。実施例において、電圧モニタ106は、電力供給装置104と電子的構成要素112との間に配置され得、検出された電圧エラーを安全マネージャ108に報告するように構成された出力132を含み得る。安全マネージャ108はまた、たとえば、外部通信を無効にすること及び/又はコンピュータ・システム100の能力を弱めることによってコンピュータ・システム100全体を安全な状態にすることによって、本明細書で論じるように、検出された電圧エラーに応答して電子的構成要素112の動作状態を変更する(コンピュータ・システム100全体の動作状態の変更を含み得る)ように構成された出力134も含み得る。
電圧モニタ106は、自律又は半自律マシンのための制御システム、自律又は半自律マシンのための知覚システム、シミュレーション動作を実行するためのシステム、深層学習動作を実行するためのシステム、エッジ・デバイスを使用して実装されるシステム、ロボットを使用して実装されるシステム、1つ又は複数の仮想マシン(VM)を組み込むシステム、データ・センタにおいて少なくとも部分的に実装されるシステム、或いはクラウド計算資源を使用して少なくとも部分的に実装されるシステムの構成要素でもよく、或いは他の方法でこれと関連し得る。そのようなシステムのいくつかの実例が、図7A~9に示されており、本明細書で論じられる。
図2を見ると、電圧モニタ106は、1つ又は複数の入力線202(たとえば、母線)において入力電圧を受信するように構成された電圧モニタ・チップ200と、検出された電圧エラーを処理する及び安全マネージャ108(図1に示すような)に警告するためのコントローラ204とを含み得る。電圧モニタ106は、低周波数電圧エラー検出器206及び高周波数電圧エラー検出器208を含むことができ、入力電圧は、低周波数電圧エラー検出器206及び高周波数電圧エラー検出器208へと分割され得る。
電圧モニタ106は、電子的構成要素112に電気的に連結された電力供給装置104から入力電圧を受信するための並びに低周波数電圧エラー検出器と高周波数電圧エラー検出器との両方を使用して入力電圧を1つ又は複数の閾値と比較するための様々な回路(たとえば、本明細書に記載の)を含み得る。さらに具体的には、電圧モニタ106は、高周波数電圧エラー検出器を使用して、高周波数過電圧(OV)閾値又は高周波数不足電圧(UV)閾値のうちの少なくとも1つと入力電圧を比較することと、低周波数電圧エラー検出器を使用して、入力電圧をフィルタ処理してフィルタ処理された入力電圧を生成することと、フィルタ処理された電圧を低周波数OV閾値又は低周波数UV閾値のうちの少なくとも1つと、低周波数電圧エラー検出器を使用して、比較することとを行うことができる。
低周波数電圧エラー検出器は、ローパス・フィルタ210と、不足電圧(UV)閾値214及び過電圧(OV)閾値216に関連する比較器212とを含み得る。ローパス・フィルタ210は、入力電圧の少なくとも一部分をフィルタ処理してフィルタ処理された入力電圧を生成することができる。たとえば、ローパス・フィルタ210は、ノイズの少なくとも一部分を入力電圧から(たとえば、入力電圧内の交流電流ノイズから)取り除いて、フィルタ処理された入力電圧を生成することができる。ローパス・フィルタ210は、ある特定のカットオフ周波数よりも低い周波数を有する信号の通過を許可する及び/又はカットオフ周波数よりも高い周波数を有する信号を弱めることができる。ローパス・フィルタの実例は、抵抗器-コンデンサ・フィルタ(RCフィルタ:resistor-capacitor filter)、抵抗器-インダクタ・フィルタ(RLフィルタ:resistor-indoctor filter)、抵抗器-インダクタ-コンデンサ・フィルタ(RLCフィルタ:resistor-indoctor-capacitor filter)、高次受動フィルタ、能動ローパス・フィルタ、及び/又は他のタイプのフィルタを含み得る。ローパス・フィルタ210を通過した後、比較器212は、フィルタ処理された入力電圧を低周波数UV閾値214及び低周波数OV閾値216と比較することができる。
低周波数電圧エラー検出器のグラフィック表現が、図3Aに示されている。図3Aは、電圧軸(y軸として)及び時間軸(x軸として)を含む。調整器公称電圧(Vnom)線が、ある特定の電圧レベル(たとえば、図3Aでは水平)に配置されており、Vnomプラス調整器許容差ラインが、Vnomラインの上に配置されている。Vnomプラス調整器許容差ラインに関連するのは、低周波数OV閾値である。Vnomラインの下に配置されたのは、Vnomマイナス調整器許容差ラインである。Vnomマイナス調整器許容差ラインに関連するのは、低周波数UV閾値である。いくつかの実施例において、低周波数OV閾値は、図3Aに示すようにVnomプラス調整器許容差と関連していないことがあり、低周波数閾値は、Vnomマイナス調整器許容差と関連していないことがある。2つの例示的なフィルタ処理されていない電圧測定値(OV閾値に近い1つ及びUV閾値に近い1つ)が、例示的電圧測定値として示されている。ローパス・フィルタなしで、低周波数電圧エラー検出器は、誤検出結果を返すことができ、上昇又は下降電圧ドリフトが、変動にかかわらず、検出され得るように、ローパス・フィルタは、図3Aに示す変動を取り除く。
高周波数電圧エラー検出器は、入力電圧(たとえば、フィルタ処理を有する又は有さない)を高周波数UV閾値220及び高周波数OV閾値222と比較するように構成された比較器218を含み得る。比較器218は、低周波数電圧エラー検出器の比較器212のように、入力電圧をそれぞれの閾値と比較するデバイスでもよい。比較器218は、基本的に、アナログ・デジタル・コンバータとして1ビット量子化を実行している。したがって、入力電圧の比較は、第1の比較器を使用して実行されてもよく、フィルタ処理された入力電圧の比較は、第2の比較器を使用して実行されてもよく、それぞれの比較器は、別個の閾値に関連付けられ得る。
本開示のいくつかの実施例において、高周波数OV閾値222、高周波数UV閾値220、低周波数OV閾値216、及び低周波数UV閾値214のうちの少なくとも1つは、プログラマブルであり得る。それぞれの閾値は、コントローラ204又は他の外部コンピュータ・システムによってプログラマブルであり得る。本開示のさらに他の実施例において、閾値のうちの1つ又は複数は、静的であり得る。
高周波数電圧エラー検出器のグラフィック表現が、図3Bに示されている。図3Bは、電圧軸(y軸として)及び時間軸(x軸として)を含む。1つ又は複数の実施例において、調整器公称電圧(Vnom)ラインは、ある特定の電圧レベル(たとえば、図3Aでは水平)に配置される。図示するように、Vnomプラス調整器許容差ラインは、Vnomラインの上に配置され、高周波数OV閾値はVnomプラス調整器許容差ラインの上に配置されている。図示するように、Vnomマイナス調整器許容差ラインは、Vnomラインの下に配置され、高周波数UV閾値はVnomラインの下に配置されている。2つの例示的電圧測定値(OV閾値に近い1つ及びUV閾値に近い1つ)は、例示的電圧測定値として示されている。OV閾値及びUV閾値は、供給電圧における自然及び許容ノイズがそれぞれの閾値を乗り越えないように、設定される。
電圧モニタ106は、検出された電圧エラー(たとえば、記載の閾値のうちの1つを超える電圧)をコントローラ204に渡すORゲート224を含み得る。ORゲート224は物理ハードウェア構成要素及び/又は論理回路として実装され得ることを理解されたい。同様に、低周波数電圧エラー検出器206及び高周波数電圧エラー検出器208は、物理ハードウェア構成要素及び/又は論理回路としてやはり実装され得る、UV閾値及びOV閾値(図示せず)のそれぞれに由来するORゲートをそれぞれ含み得る。
高周波数電圧エラー検出器又は低周波数電圧エラー検出器のいずれかを介して電圧エラーを識別するORゲート224のグラフィック表現が、図4に示されている。図4は、図3A及び3Bのように、電圧軸(y軸として)及び時間軸(x軸として)を含む。1つ又は複数の実施例において、調整器公称電圧(Vnom)ラインは、ある特定の電圧レベル(たとえば、図3Aでは水平)において配置される。図示するように、Vnomプラス調整器許容差ラインは、Vnomラインの上に配置されており、Vnomマイナス調整器許容差ラインは、Vnomラインの下に配置されている。4つの総合的閾線も図示されている。図4に示すように、上から下へ、これらの閾線は、高周波数OV閾値、低周波数OV閾値、低周波数UV閾値、及び高周波数UV閾値である。
2つの例示的なフィルタ処理されていない電圧測定値(Vnomプラス調整器許容差ラインの近くの1つ及びVnomマイナス調整器許容差ラインの近くの1つ)は、例示的電圧測定値として示されている。フィルタ処理されていない電圧測定値は、高周波数OV閾値及び高周波数UV閾値と比較される。フィルタ処理された電圧(図示せず)は、低周波数OV閾値及び低周波数UV閾値と比較される。したがって、高周波数OV閾値及び高周波数UV閾値は、変動するフィルタ処理されていない電圧における一時的障害を識別することができ、低周波数OV閾値及び低周波数UV閾値は、フィルタ処理された電圧における漸進的障害を識別し、その安定性は高まる。
電圧モニタ106は、電圧エラー指示を安全マネージャ108に送るように構成された出力226を含み得る。入力電圧が高周波数OV閾値より大きい又は高周波数UV閾値未満であること或いはフィルタ処理された入力電圧が低周波数OV閾値より大きい又は低周波数UV閾値未満であることのうちの少なくとも1つに基づいて電圧エラーを検出したとき、電圧モニタ106は、電圧エラーをシステム100の安全マネージャ108に指示することができる。他の実施例において、電圧モニタ106は、安全マネージャ108の1つ又は複数の機能、たとえば、電子的構成要素112の動作状態を変更すること、を実行することができる。
図1に戻ると、安全マネージャ108は、マイクロコントローラ又は他の処理要素、たとえば、論理ユニット820、でもよい。実施例において、安全マネージャ108は、それが、誤っている可能性のある電圧のいずれかによって影響されることなくコンピュータ・システム102の動作を監視及び制御することができるように、コンピュータ・システム102とは別個の構成要素でもよい。安全マネージャ108は、たとえば、本明細書で論じる閾値のうちの1つ又は複数の設定及び/又は再プログラミングによって、電圧モニタ106を構成することができる。安全マネージャ108は、たとえば、集積回路間(I2C:inter-integrated circuit)などのインターフェース(たとえば、実施例において、安全マネージャ108及び電圧モニタ106内に配置されてもよく、或いは安全マネージャ108及び/又は電圧モニタ106の構成要素でもよい)を介して発見された障害を読み取ることによって、電圧モニタ106を監視することができる。他の実施例において、安全マネージャ108は、コンピュータ・システム102の構成要素、SoCの構成要素、電力供給装置104の構成要素、及び/又は類似のものでもよい。安全マネージャ108は、直接的に又は間接的に、電圧モニタ106及び/又は電子的構成要素112に通信可能に連結され得る。いくつかの実施例において、安全マネージャ108は、電圧モニタ106からの直接通信なしに電圧モニタ106において電圧エラーを検出する。これらの実施例において、電圧モニタ106は、受動電圧モニタと称され得る。他の実施例において、安全マネージャ108は、電圧エラーを示す電圧モニタ106からのメッセージを受信し得る。メッセージは、電圧エラーに関連する電子的構成要素112、超過された特定の閾値、現在の電圧レベル、それぞれの閾値を上回る又は下回る量、電圧エラーの存続期間、電圧エラーのタイム・スタンプ、臨界レベル、又は他の情報に関連する又は他の方法でこれを示す情報を含み得る。これらの実施例において、電圧モニタ106は、能動電圧モニタと称され得る。いずれの実施例でも、電圧エラーの指示は、安全マネージャ108に通信可能に連結された少なくとも1つ電子的構成要素112への変更を引き起こし得る。
安全マネージャ108は、電力供給装置104からの入力電圧が高周波数OV閾値より大きい又は低周波数OV閾値未満のうちの少なくとも1つであること或いはフィルタ処理された入力電圧が低周波数OV閾値より大きい又は低周波数UV閾値未満のうちの少なくとも1つであることを電圧モニタ106が検出したときに電子的構成要素112の動作状態への変更を引き起こすように構成され得る。動作状態は、電子的構成要素112、コンピュータ・システム102、又は車両700(若しくは他のマシン)に特有でもよい。
ここで図5及び6を参照すると、本明細書に記載される、方法500及び600の各ブロックは、任意の組合せのハードウェア、ファームウェア、及び/又はソフトウェアを使用して実行することができる計算プロセスを含む。たとえば、様々な機能が、メモリに記憶された命令を実行するプロセッサによって実施され得る。方法500及び600はまた、コンピュータ記憶媒体に記憶されたコンピュータ使用可能命令として実施され得る。方法500及び600は、いくつか例を挙げると、独立型アプリケーション、サービス若しくはホスト型サービス(独立型の若しくは別のホスト型サービスと組み合わせた)、又は別の製品へのプラグインによって、提供され得る。加えて、方法500及び600は、例として、図1のシステム100及び/又は図2の電圧モニタ106に関して説明されている。しかしながら、これらの方法は、追加で又は別法として、本明細書に記載のものを含むがこれらに限定されない、任意の1つのシステム、又は任意の組合せのシステムによって実行され得る。
ここで図5を参照すると、図5は、本開示のいくつかの実施例による、電子的構成要素112に供給される電圧を監視するための方法500を示す流れ図である。方法500は、ブロックB502において、入力電圧を電子的構成要素112に、電力供給装置104を使用して、提供することを含む。電子的構成要素112は、プロセッサ又はシステム・オン・チップ(SoC)のうちの少なくとも1つを含み得る。電力供給装置104は、入力電圧にいくつかの交流電流(AC)ノイズ及び/又は変動を含む切り替えモード電力供給装置114でもよい。
方法500は、ブロックB504において、高周波数電圧エラー検出器を使用して、入力電圧を高周波数過電圧(OV)閾値又は高周波数不足電圧(UV)閾値のうちの少なくとも1つと比較することを含む。高周波数電圧エラー検出器は、ACノイズ変動における電圧エラーを検出する。
方法500は、ブロック506において、入力電圧を、低周波数電圧エラー検出器のローパス・フィルタを使用して、フィルタ処理して、フィルタ処理された入力電圧を生成することを含む。ローパス・フィルタは、ACノイズの少なくとも一部分を入力電圧から取り除いて、フィルタ処理された入力電圧を生成することができる。
方法500は、ブロック508において、低周波数電圧エラー検出器を使用して、フィルタ処理された電圧を低周波数OV閾値又は低周波数UV閾値のうちの少なくとも1つと比較することを含む。低周波数電圧エラー検出器は、基礎フィルタ処理済み電圧のより安定したドリフトにおける電圧エラーを検出する。いくつかの実施例において、高周波数電圧エラー検出器及び低周波数エラー検出器は、並行して配置され得る。これらの実施例において、高周波数電圧エラー検出器を使用して比較する動作及び低周波数電圧エラー検出器を使用して比較する動作は、少なくとも部分的に同時に実行され得る。
方法500は、ブロック510において、安全マネージャ108を使用して、入力電圧が高周波数OV閾値より大きいこと又は高周波数UV閾値未満であること或いはフィルタ処理された入力電圧が低周波数OV閾値より大きい又は低周波数UV閾値未満であることのうちの少なくとも1つに基づいて電圧エラーを判定することを含む。
方法500は、ブロック512において、電圧エラーを判定することに少なくとも部分的に基づいて電子的構成要素112の動作モードへの変更を引き起こすことを含む。そのような変更は、電圧エラーが車両又は他のマシンで安全でない状況を引き起こす可能性が低くなるように、安全プログラムを終了することができる。
図6を参照すると、図6は、本開示のいくつかの実施例による、電子的構成要素112に供給される電圧を監視するための方法600を示す流れ図である。方法600は、ブロック602において、電子的構成要素112に電気的に連結された電力供給装置104から入力電圧を受信することを含む。電力供給装置104はまた、入力電圧を電子的構成要素112に提供する。
方法600は、ブロック604において、高周波数電圧エラー検出器を使用して、入力電圧を高周波数過電圧(OV)閾値又は高周波数不足電圧(UV)閾値のうちの少なくとも1つと比較することを含む。
方法600は、ブロック606において、入力電圧を、低周波数電圧エラー検出器を使用して、フィルタ処理してフィルタ処理された入力電圧を生成することを含む。
方法600は、ブロック608において、低周波数電圧エラー検出器を使用して、フィルタ処理された電圧を低周波数OV閾値又は低周波数UV閾値のうちの少なくとも1つと比較することを含む。
方法600は、ブロック610において、電圧エラーを安全マネージャに指示することを含む。たとえば、入力電圧が高周波数OV閾値より大きい又は高周波数UV閾値未満であること或いはフィルタ処理された入力電圧が低周波数OV閾値より大きい又は低周波数UV閾値未満であることのうちの少なくとも1つに基づいて電圧エラーを検出したとき、安全マネージャ108が、入力電圧が供給される電子的構成要素112の動作状態を変更することなど、任意の様々な救済アクションを取ることができるように、電圧エラーが、システム100の安全マネージャ108に指示され得る。
例示的自律型車両
図7Aは、本開示のいくつかの実施例による、例示的自律型車両700の図である。自律型車両700(本明細書で別法として「車両700」と称する)は、旅客車両、たとえば、乗用車、トラック、バス、ファースト・レスポンダ車両、シャトル、電気若しくは原動機付自転車、オートバイ、消防車、警察車両、救急車、ボート、建設車両、潜水艦、ドローン、トレーラに連結された車両、及び/又は別のタイプの車両(たとえば、無人の及び/又は1人若しくは複数の乗客を乗せた)、を含み得るが、これらに限定されない。自律型車両は、一般に、米国運輸省道路交通安全局(NHTSA:National Highway Traffic Safety Administration)、米国運輸省の部署、及び自動車技術者協会(SAE:Society of Automotive Engineers)「Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicle」(2018年6月15日に公開された規格番号J3016-201806、2016年9月30日に公開された規格番号J3016-201609、及びこの規格の前の及び未来のバージョン)によって定義される、自動化レベルに関して記述される。車両700は、自律運転レベルのレベル3~レベル5のうちの1つ又は複数による機能の能力を有し得る。たとえば、車両700は、実施例に応じて、条件付き自動化(レベル3)、高度自動化(レベル4)、及び/又は完全自動化(レベル5)の能力を有し得る。
図7Aは、本開示のいくつかの実施例による、例示的自律型車両700の図である。自律型車両700(本明細書で別法として「車両700」と称する)は、旅客車両、たとえば、乗用車、トラック、バス、ファースト・レスポンダ車両、シャトル、電気若しくは原動機付自転車、オートバイ、消防車、警察車両、救急車、ボート、建設車両、潜水艦、ドローン、トレーラに連結された車両、及び/又は別のタイプの車両(たとえば、無人の及び/又は1人若しくは複数の乗客を乗せた)、を含み得るが、これらに限定されない。自律型車両は、一般に、米国運輸省道路交通安全局(NHTSA:National Highway Traffic Safety Administration)、米国運輸省の部署、及び自動車技術者協会(SAE:Society of Automotive Engineers)「Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicle」(2018年6月15日に公開された規格番号J3016-201806、2016年9月30日に公開された規格番号J3016-201609、及びこの規格の前の及び未来のバージョン)によって定義される、自動化レベルに関して記述される。車両700は、自律運転レベルのレベル3~レベル5のうちの1つ又は複数による機能の能力を有し得る。たとえば、車両700は、実施例に応じて、条件付き自動化(レベル3)、高度自動化(レベル4)、及び/又は完全自動化(レベル5)の能力を有し得る。
車両700は、車両のシャシ、車体、車輪(たとえば、2、4、6、8、18など)、タイヤ、車軸、及び他の構成要素などの構成要素を含み得る。車両700は、内部燃焼エンジン、ハイブリッド動力装置、完全な電気式エンジン、及び/又は別の推進システム・タイプなど、推進システム750を含み得る。推進システム750は、車両700の推進力を有効にするために、トランスミッションを含み得る、車両700のドライブ・トレインに接続され得る。推進システム750は、スロットル/加速装置752からの信号の受信に応答して制御され得る。
ハンドルを含み得る、ステアリング・システム754は、推進システム750が動作しているときに(たとえば、車両が移動中のときに)車両700のかじを取る(たとえば、所望の進路又はルートに沿って)ために使用され得る。ステアリング・システム754は、ステアリング・アクチュエータ756から信号を受信することができる。ハンドルは、完全自動化(レベル5)機能のオプションでもよい。
ブレーキ・センサ・システム746は、ブレーキ・アクチュエータ748及び/又はブレーキ・センサからの信号の受信に応答して車両ブレーキを動作させるために使用され得る。
1つ又は複数のシステム・オン・チップ(SoC:system on Chip)704(図7C)及び/又はGPUを含み得る、コントローラ736は、車両700の1つ若しくは複数の構成要素及び/又はシステムに信号(たとえば、コマンドの表現)を提供することができる。たとえば、コントローラは、1つ又は複数のブレーキ・アクチュエータ748を介して車両ブレーキを動作させて、1つ又は複数のステアリング・アクチュエータ756を介してステアリング・システム754を動作させて、1つ又は複数のスロットル/加速装置752を介して推進システム750を動作させるために、信号を送ることができる。コントローラ736は、センサ信号を処理する、並びに律的運転を可能にするために及び/又は運転者の車両700の運転を支援するために動作コマンド(たとえば、コマンドを表す信号)を出力する、1つ又は複数の搭載された(たとえば、統合された)計算デバイス(たとえば、スーパーコンピュータ)を含み得る。コントローラ736は、自律運転機能のための第1のコントローラ736、機能的安全性機能のための第2のコントローラ736、人工知能機能(たとえば、コンピュータ・ビジョン)のための第3のコントローラ736、インフォテインメント機能のための第4のコントローラ736、緊急状態における冗長性のための第5のコントローラ736、及び/又は他のコントローラを含み得る。いくつかの実例では、単一のコントローラ736が、前述の機能のうちの2個以上を処理することができ、2個以上のコントローラ736が、単一の機能、及び/又はその任意の組合せを処理することができる。
コントローラ736は、1つ又は複数のセンサから受信したセンサ・データ(たとえば、センサ入力)に応答して車両700の1つ若しくは複数の構成要素及び/又はシステムを制御するための信号を提供することができる。センサ・データは、たとえば、そして制限なしに、全地球的航法衛星システム・センサ758(たとえば、グローバル・ポジショニング・システム・センサ)、RADARセンサ760、超音波センサ762、LIDARセンサ764、慣性計測装置(IMU:inertial measurement unit)センサ766(たとえば、加速度計、ジャイロスコープ、磁気コンパス、磁力計など)、マイクロフォン796、ステレオ・カメラ768、ワイドビュー・カメラ770(たとえば、魚眼カメラ)、赤外線カメラ772、サラウンド・カメラ774(たとえば、360度カメラ)、長距離及び/又は中距離カメラ798、スピード・センサ744(たとえば、車両700のスピードを測定するための)、振動センサ742、ステアリング・センサ740、ブレーキ・センサ(たとえば、ブレーキ・センサ・システム746の一部としての)、及び/又は他のセンサ・タイプから受信され得る。
コントローラ736のうちの1つ又は複数のコントローラは、車両700の計器群732から入力(たとえば、入力データによって表される)を受信し、出力(たとえば、出力データ、表示データなどによって表される)をヒューマン・マシン・インターフェース(HMI:human-machine interface)ディスプレイ734、可聴式アナンシエータ、ラウドスピーカ、及び/又は車両700の他の構成要素を介して提供することができる。出力は、車両ベロシティ、スピード、時間、マップ・データ(たとえば、図7CのHDマップ722)、位置データ(たとえば、マップ上などの、車両700の位置)、方向、他の車両の位置(たとえば、占有グリッド)、コントローラ736によって把握されるものとしての物体及び物体の状況に関する情報などの、情報を含み得る。たとえば、HMIディスプレイ734は、1つ又は複数の物体(たとえば、道路標識、警告標識、交通信号の変化など)の存在、及び/又は車両が行った、行っている、又は行うであろう運転操作(たとえば、今、車線変更をしていること、3.22km(2マイル)内の出口34Bを出ることなど)に関する情報を表示することができる。
車両700はさらに、1つ若しくは複数のワイヤレス・アンテナ726及び/又はモデムを使用して1つ若しくは複数のネットワークを介して通信することができるネットワーク・インターフェース724を含む。たとえば、ネットワーク・インターフェース724は、LTE、WCDMA(登録商標)、UMTS、GSM、CDMA2000などを介する通信の能力を有し得る。ワイヤレス・アンテナ726はまた、ブルートゥース(登録商標)、ブルートゥース(登録商標)LE、Z-Wave、ZigBeeなどのローカル・エリア・ネットワーク、及び/又はLoRaWAN、SigFoxなどのロー・パワー・ワイドエリア・ネットワーク(LPWAN:low power wide-area network)を使用し、環境内の物体(たとえば、車両、モバイル・デバイスなど)の間の通信を可能にすることができる。
図7Bは、本開示のいくつかの実施例による、図7Aの例示的自律型車両700のカメラ位置及び視野の実例である。カメラ及びそれぞれの視野は、1つの例示的実施例であり、制限することは意図されていない。たとえば、追加の及び/又は代替カメラが含まれ得る、及び/又はカメラは車両700の異なる位置に置かれ得る。
カメラのカメラ・タイプは、車両700の構成要素及び/又はシステムと使用するようになされ得るデジタル・カメラを含み得るが、これに限定されない。カメラは、自動車安全整合性レベル(ASIL:automotive safety integrity level)Bにおいて及び/又は別のASILにおいて動作することができる。カメラ・タイプは、実施例に応じて、60フレーム/秒(fps)、120fps、240fpsなど、任意の画像キャプチャ・レートの能力を有し得る。カメラは、ロール・シャッタ、グローバル・シャッタ、別のタイプのシャッタ、又はその組合せを使用する能力を有し得る。いくつかの実例では、カラー・フィルタ・アレイは、RCCC(red clear clear clear)カラー・フィルタ・アレイ、RCCB(red clear clear blue)カラー・フィルタ・アレイ、RBGC(red blue green clear)カラー・フィルタ・アレイ、Foveon X3カラー・フィルタ・アレイ、Bayerセンサ(RGGB)カラー・フィルタ・アレイ、モノクロ・センサ・カラー・フィルタ・アレイ、及び/又は別のタイプのカラー・フィルタ・アレイを含み得る。一部の実施例では、RCCC、RCCB、及び/又はRBGCカラー・フィルタ・アレイを有するカメラなどのクリア画素カメラは、光感度を上げるための取り組みにおいて使用され得る。
いくつかの実例では、カメラのうちの1つ又は複数が、高度運転者支援システム(ADAS:advanced driver assistance system)機能(たとえば、冗長又はフェイルセーフ設計の一部として)を実行するために使用され得る。たとえば、多機能モノ・カメラは、車線逸脱警報、交通標識アシスト及びインテリジェント・ヘッドランプ制御を含む機能を提供するために設置され得る。カメラのうちの1つ又は複数(たとえば、すべてのカメラ)が、画像データ(たとえば、ビデオ)を同時に記録及び提供することができる。
カメラのうちの1つ又は複数は、カメラの画像データ・キャプチャ能力を妨げることがある自動車内からの迷光及び反射(たとえば、フロントガラスのミラーにおいて反射されたダッシュボードからの反射)を取り除くために、カスタム設計された(3D印刷された)部品などの取付部品において取り付けられ得る。サイドミラー取付部品を参照すると、サイドミラー部品は、カメラ取付板がサイドミラーの形状に合うように、カスタム3D印刷され得る。いくつかの実例では、カメラは、サイドミラー内に統合され得る。サイドビュー・カメラについては、カメラはまた、キャビンの各角にある4個の支柱内に統合され得る。
車両700の前の環境の部分を含む視野を有するカメラ(たとえば、前向きのカメラ)は、前向きの進路及び障害物の識別を助け、1つ若しくは複数のコントローラ736及び/又は制御SoCの助けにより、占有グリッドの生成及び/又は好ましい車両進路の決定に不可欠な情報の提供の提供を助けるための、サラウンド・ビューのために使用され得る。前向きのカメラは、緊急ブレーキ、歩行者検出、及び衝突回避を含む、LIDARと同じADAS機能の多くを実行するために使用され得る。前向きのカメラはまた、車線逸脱警報(「LDW(Lane Departure Warning)」)、自律的クルーズ制御(「ACC(Autonomous Cruise Control)」)、及び/又は交通標識認識などの他の機能を含むADAS機能及びシステムのために使用され得る。
様々なカメラが、たとえば、CMOS(complementary metal oxide semiconductor)カラー画像化装置を含む単眼カメラ・プラットフォームを含む、前向きの構成において使用され得る。別の実例は、周辺(たとえば、歩行者、交差する交通又は自転車)からのビューに入る物体を把握するために使用され得るワイドビュー・カメラ770でもよい。図7Bにはワイドビュー・カメラは1つだけ示されているが、車両700には任意の数のワイドビュー・カメラ770が存在し得る。加えて、長距離カメラ798(たとえば、ロングビュー・ステレオ・カメラ・ペア)が、特に、ニューラル・ネットワークがまだトレーニングされていない物体について、深度ベースの物体検出のために使用され得る。長距離カメラ798はまた、物体検出及び分類、並びに基本物体追跡のために使用され得る。
1つ又は複数のステレオ・カメラ768もまた、前向きの構成に含まれ得る。ステレオ・カメラ768は、単一のチップ上に統合されたCAN又はイーサネット(登録商標)・インターフェースを有するプログラマブル論理(FPGA)及びマルチコア・マイクロプロセッサを提供し得る、拡張可能な処理ユニットを備えた統合された制御ユニットを含み得る。そのようなユニットは、画像内のすべてのポイントの距離推定値を含む、車両の環境の3Dマップを生成するために使用され得る。代替ステレオ・カメラ768は、2個のカメラ・レンズ(左と右に1つずつ)と、車両から対象物体までの距離を測定する及び生成された情報(たとえば、メタデータ)を使用して自律的緊急ブレーキ及び車線逸脱警報機能をアクティブにすることができる画像処理チップとを含み得る、コンパクト・ステレオ・ビジョン・センサを含み得る。他のタイプのステレオ・カメラ768が、本明細書に記載のものに加えて、又はそれらの代わりに、使用されてもよい。
車両700の側面に対する環境の部分を含む視野を有するカメラ(たとえば、サイドビュー・カメラ)が、占有グリッドを作成及び更新するために並びに側面衝撃衝突警報を生成するために使用される情報を提供する、サラウンド・ビューのために使用され得る。たとえば、サラウンド・カメラ774(たとえば、図7Bに示されるような4個のサラウンド・カメラ774)は、車両700上に位置付けられ得る。サラウンド・カメラ774は、ワイドビュー・カメラ770、魚眼カメラ、360度カメラ、及び/又は同類のものを含み得る。たとえば、4個の魚眼カメラが、車両の前、後ろ、及び側面に配置され得る。代替配置において、車両は、3個のサラウンド・カメラ774(たとえば、左、右、及び後部)を使用してもよく、第4のサラウンド・ビュー・カメラとして1つ又は複数の他のカメラ(たとえば、前向きのカメラ)を活用してもよい。
車両700の後ろに対する環境の部分を含む視野を有するカメラ(たとえば、後方確認カメラ)が、駐車支援、サラウンド・ビュー、後部衝突警報、並びに占有グリッドの作成及び更新のために使用され得る。本明細書に記載のように、前向きのカメラ(たとえば、長距離及び/又は中距離カメラ798、ステレオ・カメラ768)、赤外線カメラ772など)としても適したカメラを含むがこれらに限定されない、多種多様なカメラが使用され得る。
図7Cは、本開示のいくつかの実施例による、図7Aの例示的自律型車両700の例示的システム・アーキテクチャのブロック図である。本明細書に記載されているこの及び他の配置は単に実例として説明されていることを理解されたい。他の配置及び要素(たとえば、マシン、インターフェース、機能、順番、機能のグループ分けなど)が、示されたものに加えて又はこれらに代わって使用されてもよく、いくつかの要素はともに除外されてもよい。さらに、本明細書に記載の要素の多くは、個別の又は分散された構成要素として又は他の構成要素と併せて、並びに任意の適切な組合せ及び場所において、実装され得る機能エンティティである。エンティティによって実行されるものとして本明細書に記載された様々な機能は、ハードウェア、ファームウェア、及び/又はソフトウェアによって実施され得る。たとえば、様々な機能が、メモリに記憶された命令を実行するプロセッサによって実施され得る。
図7Cの車両700の構成要素、特徴、及びシステムのそれぞれは、バス702を介して接続されるものとして図示されている。バス702は、コントローラ・エリア・ネットワーク(CAN)データ・インターフェース(或いは、「CANバス」と称される)を含み得る。CANは、ブレーキ、加速度、ブレーキ、ステアリング、フロント・ガラス・ワイパなどの作動など、車両700の様々な特徴及び機能の制御を助けるために使用される車両700内のネットワークでもよい。CANバスは、それぞれが独自の一意の識別子(たとえば、CAN ID)を有する、数ダース又は数百ものノードを有するように構成され得る。CANバスは、ハンドル角度、対地速度、1分間のエンジン回転(RPM:revolutions per minute)、ボタン位置、及び/又は他の車両状況指標を見つけるために読み取られ得る。CANバスは、ASIL B準拠でもよい。
バス702は、CANバスであるものとして本明細書に記載されているが、これは制限することを意図されていない。たとえば、CANバスに加えて、又はこのその代替として、FlexRay及び/又はイーサネット(登録商標)が使用されてもよい。加えて、単一の線が、バス702を表すために使用されているが、これは制限することを意図されていない。たとえば、1つ若しくは複数のCANバス、1つ若しくは複数のFlexRayバス、1つ若しくは複数のイーサネット(登録商標)・バス、及び/又は異なるプロトコルを使用する1つ若しくは複数の他のタイプのバスを含み得る、任意の数のバス702が存在し得る。いくつかの実例では、2個以上のバス702が、異なる機能を実行するために使用され得る、及び/又は冗長性のために使用され得る。たとえば、第1のバス702は衝突回避機能のために使用されてもよく、第2のバス702は作動制御のために使用されてもよい。任意の実例において、各バス702は、車両700の構成要素のいずれかと通信し得、2個以上のバス702が同じ構成要素と通信し得る。いくつかの実例では、車両内の各SoC704、各コントローラ736、及び/又は各コンピュータは、同じ入力データ(たとえば、車両700のセンサからの入力)へのアクセスを有し得、CANバスなどの共通バスに接続され得る。
車両700は、図7Aに関して本明細書で説明されるものなど、1つ又は複数のコントローラ736を含み得る。コントローラ736は、様々な機能のために使用され得る。コントローラ736は、車両700の様々な他の構成要素及びシステムのいずれかに連結されてもよく、車両700、車両700の人工知能、車両700のためのインフォテインメント、及び/又は同類のものの制御のために使用され得る。
車両700は、システム・オン・チップ(SoC)704を含み得る。SoC704は、CPU706、GPU708、プロセッサ710、キャッシュ712、加速装置714、データ・ストア716、及び/又は図示されていない他の構成要素及び特徴を含み得る。SoC704は、様々なプラットフォーム及びシステム内の車両700を制御するために使用され得る。たとえば、SoC704は、1つ又は複数のサーバ(たとえば、図7Dのサーバ778)からネットワーク・インターフェース724を介してマップのリフレッシュ及び/又は更新を取得することができるHDマップ722を有するシステム(たとえば、車両700のシステム)において結合され得る。
CPU706は、CPUクラスタ又はCPU複合体(或いは、「CCPLEX」とも称される)を含み得る。CPU706は、複数のコア及び/又はL2キャッシュを含み得る。たとえば、一部の実施例では、CPU706は、コヒーレント・マルチプロセッサ構成内の8個のコアを含み得る。一部の実施例では、CPU706は、4個のデュアルコア・クラスタを含むことができ、各クラスタが専用のL2キャッシュ(たとえば、2MBL2キャッシュ)を有する。CPU706(たとえば、CCPLEX)は、CPU706のクラスタの任意の組合せが任意の所与の時間にアクティブになることを可能にする同時クラスタ動作をサポートするように構成され得る。
CPU706は、以下の特徴のうちの1つ又は複数を含む電力管理能力を実装することができる:個別ハードウェア・ブロックが、動的電力を節約するためにアイドル状態のときに自動的にクロック・ゲーティングされ得る、各コア・クロックは、WFI/WFE命令の実行により命令をコアがアクティブに実行していないときにゲーティングされ得る、各コアは、独立してパワー・ゲーティングされ得る、各コア・クラスタは、すべてのコアがクロック・ゲーティングされる若しくはパワー・ゲーティングされるときに、独立してクロック・ゲーティングされ得る、及び/又は、各コア・クラスタは、すべてのコアがパワー・ゲーティングされるときに、独立してパワー・ゲーティングされ得る。CPU706は、電力状態を管理するための強化されたアルゴリズムをさらに実装することができ、そこでは、許容される電力状態及び予想されるウェイクアップ時間が指定され、ハードウェア/マイクロ・コードが、コア、クラスタ、及びCCPLEXに入力するための最良の電力状態を決定する。処理コアは、作業がマイクロ・コードにオフロードされたソフトウェアにおける簡略化された電力状態入力シーケンスをサポートすることができる。
GPU708は、統合されたGPU(或いは本明細書において「iGPU」と称される)を含み得る。GPU708は、プログラマブルになり得、並行のワークロードに効率的になり得る。一部の実例では、GPU708は、強化されたテンソル命令セットを使用することができる。GPU708は、1つ又は複数のストリーミング・マイクロプロセッサを含み得、そこで、各ストリーミング・マイクロプロセッサは、L1キャッシュ(たとえば、少なくとも96KB記憶容量を有するL1キャッシュ)を含み得、ストリーミング・マイクロプロセッサのうちの2個以上が、キャッシュ(たとえば、512KB記憶容量を有するL2キャッシュ)を共用し得る。一部の実施例では、GPU708は、少なくとも8個のストリーミング・マイクロプロセッサを含み得る。GPU708は、計算アプリケーション・プログラミング・インターフェース(API)を使用することができる。加えて、GPU708は、1つ若しくは複数の並行のコンピューティング・プラットフォーム及び/又はプログラミング・モデル(たとえば、NVIDIAのCUDA)を使用することができる。
GPU708は、自動車の及び組み込まれた使用事例における最高のパフォーマンスのために電力最適化され得る。たとえば、GPU708は、FinFET(Fin field-effect transistor)上に製造され得る。しかしながら、これは制限することを意図されておらず、GPU708は、他の半導体製造プロセスを使用し、製造され得る。各ストリーミング・マイクロプロセッサは、複数のブロックに区切られたいくつかの混合精度処理コアを組み込むことができる。限定ではなく、たとえば、64 PF32コア及び32 PF64コアは、4個の処理ブロックに区切られてもよい。そのような実例では、各処理ブロックは、16 FP32コア、8 FP64コア、16 INT32コア、深層学習行列演算のための2個の混合精度NVIDIAテンソル・コア、L0命令キャッシュ、ワープ・スケジューラ、発送ユニット、及び/又は64KBレジスタ・ファイルを割り当てられ得る。加えて、ストリーミング・マイクロプロセッサは、計算及びアドレス指定演算の混合を有するワークロードの効率的な実行を提供するための独立した並行の整数及び浮動小数点データ進路を含み得る。ストリーミング・マイクロプロセッサは、並行スレッドの間のより高い細粒度の同期及び連携を可能にするために、独立したスレッド・スケジューリング能力を含み得る。ストリーミング・マイクロプロセッサは、プログラミングを単純化しつつ性能を向上させるために、結合されたL1データ・キャッシュ及び共用メモリ・ユニットを含み得る。
GPU708は、一部の実例では、900GB/秒のピーク・メモリ帯域幅に関して、提供するための高帯域幅メモリ(HBM:high bandwidth memory)及び/又は16GBHBM2メモリ・サブシステムを含み得る。いくつかの実例では、HBMメモリに加えて、又はこれの代わりに、グラフィックス・ダブル・データ・レート・タイプ5同期ランダム・アクセス・メモリ(GDDR5:graphics double data rate type five synchronous random-access memory)などの同期グラフィックス・ランダム・アクセス・メモリ(SGRAM:synchronous graphics random-access memory)が使用され得る。
GPU708は、メモリ・ページに最も頻繁にアクセスするプロセッサへのそれらのメモリ・ページのより正確な移動を可能にするためにアクセス・カウンタを含む統一されたメモリ技術を含むことができ、それにより、プロセッサ間で共用される記憶範囲の効率を向上させる。いくつかの実例では、アドレス変換サービス(ATS:address translation service)サポートが、GPU708がCPU706ページ・テーブルに直接アクセスすることを可能にするために使用され得る。そのような実例では、GPU708メモリ管理ユニット(MMU:memory management unit)がミスを経験するとき、アドレス変換要求が、CPU706に送信され得る。応答して、CPU706は、アドレスの仮想対現実マッピングのためのそのページ・テーブルを調べることができ、GPU708に変換を送り返す。そのようなものとして、統一されたメモリ技術は、CPU706とGPU708との両方のメモリの単一統一仮想アドレス空間を可能にすることができ、それによりGPU708へのアプリケーションのGPU708プログラミング及び移植を単純化する。
加えて、GPU708は、他のプロセッサのメモリへのGPU708のアクセスの頻度を記録することができるアクセス・カウンタを含み得る。アクセス・カウンタは、メモリ・ページが最も頻繁にそのページにアクセスしているプロセッサの物理メモリに移動されることを確実にするのを助けることができる。
SoC704は、本明細書に記載のものを含む任意の数のキャッシュ712を含み得る。たとえば、キャッシュ712は、CPU706とGPU708との両方に利用可能な(たとえば、CPU706とGPU708との両方に接続された)L3キャッシュを含み得る。キャッシュ712は、キャッシュ・コヒーレンス・プロトコル(たとえば、MEI、MESI、MSIなど)を使用することなどによって、線の状態を記録することができるライトバック・キャッシュを含み得る。L3キャッシュは、より小さいキャッシュ・サイズが使用されてもよいが、実施例に応じて、4MB以上を含み得る。
SoC704は、車両700の様々なタスク又は動作のいずれか(たとえば、処理DNN)に関して処理を実行する際に活用され得る論理演算ユニット(ALU:arithmetic logic unit)を含み得る。加えて、SoC704は、システム内で数学演算を実行するための浮動小数点演算ユニット(FPU:floating point unit)(又は他のマス・コプロセッサ又は数値演算コプロセッサ・タイプ)を含み得る。たとえば、SoC104は、CPU706及び/又はGPU708内の実行ユニットとして統合された1つ又は複数のFPUを含み得る。
SoC704は、1つ又は複数の加速装置714(たとえば、ハードウェア・加速装置、ソフトウェア・加速装置、又はその組合せ)を含み得る。たとえば、SoC704は、最適化されたハードウェア加速装置及び/又は大きなオンチップ・メモリを含み得る、ハードウェア加速クラスタを含み得る。大きなオンチップメモリ(たとえば、4MBのSRAM)は、ハードウェア加速クラスタがニューラル・ネットワーク及び他の演算を加速することを可能にし得る。ハードウェア加速クラスタは、GPU708を補完するために及びGPU708のタスクの一部をオフロードするために(たとえば、他のタスクを実行するためのGPU708のより多くのサイクルを解放するために)使用され得る。一実例として、加速装置714は、加速に適するように十分に安定している対象ワークロード(たとえば、知覚、畳み込みニューラル・ネットワーク(CNN:convolutional neural network)など)のために使用され得る。本明細書では、「CNN」という用語は、領域ベースの又は領域的畳み込みニューラル・ネットワーク(RCNN:regional convolutional neural network)及び高速RCNN(たとえば、物体検出のために使用されるものとしての)を含む、すべてのタイプのCNNを含み得る。
加速装置714(たとえば、ハードウェア加速クラスタ)は、深層学習加速装置(DLA:deep learning accelerator)を含み得る。DLAは、深層学習アプリケーション及び推論のために1秒あたり追加の10兆の動作を提供するように構成することができる1つ又は複数のテンソル処理ユニット(TPU:Tensor processing unit)を含み得る。TPUは、画像処理機能(たとえば、CNN、RCNNなどの)を実行するように構成及び最適化された加速装置でもよい。DLAはさらに、特定のセットのニューラル・ネットワーク・タイプ及び浮動小数点演算、並びに推論のために最適化され得る。DLAの設計は、汎用GPUよりも1ミリメートルあたりより多くのパフォーマンスを提供することができ、CPUのパフォーマンスを大きく超える。TPUは、たとえば、特徴と重みとの両方についてINT8、INT16、及びFP16データ・タイプをサポートする、単一インスタンス畳み込み機能、並びにポストプロセッサ機能を含む、いくつかの機能を実行することができる。
DLAは、以下を含むがこれらに限定されない、様々な機能のいずれかのために処理済み又は未処理のデータでニューラル・ネットワーク、特にCNN、を迅速に及び効率的に実行することができる:カメラ・センサからのデータを使用する物体識別及び検出のためのCNN、カメラ・センサからのデータを使用する距離推定のためのCNN、マイクロフォンからのデータを使用する緊急車両検出及び識別及び検出のためのCNN、カメラ・センサからのデータを使用する顔認識及び車両所有者識別のためのCNN、及び/又は、セキュリティ及び/又は安全性関連イベントのためのCNN。
DLAは、GPU708の任意の機能を実行することができ、そして、推論加速装置を使用することによって、たとえば、設計者は、任意の機能のためにDLA又はGPU708のいずれかを対象にすることができる。たとえば、設計者は、DLA上のCNN及び浮動小数点演算の処理に重点的に取り組み、他の機能をGPU708及び/又は他の加速装置714に任せることができる。
加速装置714(たとえば、ハードウェア加速クラスタ)は、或いはコンピュータ・ビジョン加速装置と本明細書で称され得るプログラマブル・ビジョン加速装置(PVA:programmable vision accelerator)を含み得る。PVAは、高度運転者支援システム(ADAS:advanced driver assistance system)、自律運転、及び/又は拡張現実(AR:augmented reality)及び/又は仮想現実(VR:virtual reality)アプリケーションのためのコンピュータ・ビジョン・アルゴリズムを加速するように設計及び構成され得る。PVAは、パフォーマンスと柔軟性との間のバランスをもたらすことができる。たとえば、各PVAは、たとえば、任意の数の縮小命令セット・コンピュータ(RISC:reduced instruction set computer)コア、直接メモリ・アクセス(DMA:direct memory access)、及び/又は任意の数のベクトル・プロセッサを含み得るが、これらに限定されない。
RISCコアは、画像センサ(たとえば、本明細書に記載のカメラのうちのいずれかのカメラの画像センサ)、画像信号プロセッサ、及び/又は同類のものと相互作用することができる。それぞれのRISCコアは、任意の量のメモリを含み得る。RISCコアは、実施例に応じて、いくつかのプロトコルのいずれかを使用することができる。いくつかの実例では、RISCコアは、リアルタイム・オペレーティング・システム(RTOS:real-time operating system)を実行することができる。RISCコアは、1つ若しくは複数の集積回路デバイス、特定用途向け集積回路(ASIC)、及び/又はメモリ・デバイスを使用して、実装され得る。たとえば、RISCコアは、命令キャッシュ及び/又はしっかりと結合されたRAMを含み得る。
DMAは、CPU706から独立したシステム・メモリにPVAの構成要素がアクセスすることを可能にし得る。DMAは、多次元アドレス指定及び/又は循環アドレス指定をサポートすることを含むがこれに限定されないPVAに最適化をもたらすために使用される任意の数の特徴をサポートすることができる。いくつかの実例では、DMAは、ブロック幅、ブロック高さ、ブロック深度、水平ブロック・ステッピング、垂直ブロック・ステッピング、及び/又は深度ステッピングを含み得る、6次元まで又はそれ以上のアドレス指定をサポートすることができる。
ベクトル・プロセッサは、コンピュータ・ビジョン・アルゴリズムのプログラミングを効率的に柔軟に実行する及び信号処理能力を提供するように設計され得るプログラマブル・プロセッサでもよい。いくつかの実例では、PVAは、PVAコア及び2個のベクトル処理サブシステム・パーティションを含み得る。PVAコアは、プロセッサ・サブシステム、DMAエンジン(たとえば、2個のDMAエンジン)、及び/又は他の周辺装置を含み得る。ベクトル処理サブシステムは、PVAの1次的処理エンジンとして動作することができ、ベクトル処理ユニット(VPU:vector processing unit)、命令キャッシュ、及び/又はベクトル・メモリ(たとえば、VMEM)を含み得る。VPUコアは、たとえば、単一の命令、複数のデータ(SIMD)、超長命令語(VLIW:very long instruction word)デジタル信号プロセッサなど、デジタル信号プロセッサを含み得る。SIMD及びVLIWの組合せは、スループット及びスピードを高めることができる。
それぞれのベクトル・プロセッサは、命令キャッシュを含み得、専用のメモリに連結され得る。結果として、一部の実例では、それぞれのベクトル・プロセッサは、他のベクトル・プロセッサから独立して実行するように構成され得る。他の実例において、特定のPVAに含まれるベクトル・プロセッサは、データ並列処理を用いるように構成され得る。たとえば、一部の実施例では、単一のPVAに含まれる複数のベクトル・プロセッサは、同じコンピュータ・ビジョン・アルゴリズムを、しかし画像の異なる領域上で、実行することができる。他の実例において、特定のPVAに含まれるベクトル・プロセッサは、異なるコンピュータ・ビジョン・アルゴリズムを、同じ画像上で、同時に実行することができ、或いは順次画像又は画像の部分で異なるアルゴリズムを実行することさえできる。特に、任意の数のPVAは、ハードウェア加速クラスタに含まれ得、任意の数のベクトル・プロセッサは、それぞれのPVAに含まれ得る。加えて、PVAは、全体的システム安全性を高めるために、追加のエラー訂正コード(ECC:error correcting code)メモリを含み得る。
加速装置714(たとえば、ハードウェア加速クラスタ)は、加速装置714のための高帯域幅、低レイテンシSRAMを提供するための、コンピュータ・ビジョン・ネットワーク・オンチップ及びSRAMを含み得る。いくつかの実例では、オンチップ・メモリは、たとえば、そして制限ではなく、PVAとDLAとの両方によってアクセス可能でもよい、8個のフィールド構成可能なメモリ・ブロックから成る、少なくとも4MBのSRAMを含み得る。各ペアのメモリ・ブロックは、高度周辺バス(APB:advanced peripheral bus)インターフェース、構成回路、コントローラ、及びマルチプレクサを含み得る。任意のタイプのメモリが、使用され得る。PVA及びDLAは、メモリへの高速アクセスを有するPVA及びDLAを提供するバックボーンを介してメモリにアクセスすることができる。バックボーンは、(たとえば、APBを使用して)PVA及びDLAをメモリに相互接続するコンピュータ・ビジョン・ネットワーク・オンチップを含み得る。
コンピュータ・ビジョン・ネットワーク・オンチップは、PVAとDLAとの両方が作動可能及び有効信号を提供することを、任意の制御信号/アドレス/データの送信の前に、決定するインターフェースを含み得る。そのようなインターフェースは、制御信号/アドレス/データを送信するための別個のフェーズ及び別個のチャネル、並びに連続的データ転送のためのバーストタイプの通信を提供することができる。このタイプのインターフェースは、ISO26262又はIEC61508規格に従うことができるが、他の規格及びプロトコルが使用されてもよい。
いくつかの実例では、SoC704は、特許文献1に記載されるような、リアルタイム・レイトレーシング・ハードウェア加速装置を含み得る。リアルタイム・レイトレーシング・ハードウェア加速装置は、RADAR信号解釈のための、音響伝播合成及び/又は分析のための、SONARシステムのシミュレーションのための、一般波伝播シミュレーションのための、ローカリゼーション及び/又は他の機能を目的とするLIDARデータに対する比較のための、及び/又は他の使用のための、リアルタイム視覚化シミュレーションを生成するために、(たとえば、世界モデル内の)物体の位置及び規模を迅速に効率的に決定するために使用され得る。一部の実施例では、1つ又は複数の木の走査ユニット(TTU:tree traversal unit)が、1つ又は複数のレイトレーシング関連動作を実行するために使用され得る。
加速装置714(たとえば、ハードウェア加速装置クラスタ)は、自律運転のための多様な用途を有する。PVAは、ADAS及び自律型車両における極めて重要な処理段階に使用され得るプログラマブル・ビジョン加速装置でもよい。PVAの能力は、低電力及び低レイテンシにおいて、予測可能な処理を必要とするアルゴリズムの領域にふさわしい。言い換えれば、PVAは、低レイテンシ及び低電力とともに予測可能な実行時間を必要とする、小さなデータ集合上でも、半高密度の又は高密度の通常の計算で上手く機能する。それ故に、PVAは、物体検出及び整数計算での動作において効率的であるので、自律型車両のためのプラットフォームとの関連で、PVAは、クラシック・コンピュータ・ビジョン・アルゴリズムを実行するように設計される。
たとえば、本技術の1つの実施例によれば、PVAは、コンピュータ・ステレオ・ビジョンを実行するために使用される。半グローバルなマッチングベースのアルゴリズムが、一部の実例では使用され得るが、これは制限することを意図されていない。レベル3~5の自律運転のための多数のアプリケーションは、動き推定/ステレオ・マッチング・オンザフライ(たとえば、SFM(structure from motion)、歩行者認識、レーン検出など)を必要とする。PVAは、2個の単眼カメラからの入力でコンピュータ・ステレオ・ビジョン機能を実行することができる。
いくつかの実例では、PVAは、高密度のオプティカル・フローを実行するために使用され得る。処理されたRADARを提供するために未加工のRADARデータを処理する(たとえば、4D高速フーリエ変換を使用して)ことによる。他の実例において、PVAは、たとえば、飛行データの未加工の時間を処理して飛行データの処理済み時間を提供することにより、飛行深度処理の時間に使用される。
DLAは、たとえば、各物体検出の信頼性の測定値を出力するニューラル・ネットワークを含む、制御及び運転安全性を強化するために任意のタイプのネットワークを実行するために使用され得る。そのような信頼性値は、確率として、又は他の検出と比較した各検出の相対的「重み」を提供するものとして、解釈され得る。この信頼性値は、どの検出が誤判定検出ではなくて真陽性検出と考えられるべきであるかに関するさらなる決定をシステムが行うことを可能にする。たとえば、システムは、信頼性の閾値を設定し、真陽性検出としての閾値を超える検出のみを考慮することができる。自動非常ブレーキ(AEB:automatic emergency braking)システムにおいて、誤判定検出は、車両に非常ブレーキを自動で実行させることになり、これは明らかに望ましくない。したがって、最も確信のある検出のみが、AEBのトリガとして考えられるべきである。DLAは、信頼性値を回帰するニューラル・ネットワークを実行し得る。ニューラル・ネットワークは、境界ボックス次元、(たとえば、別のサブシステムから)取得されたグラウンド・プレーン推定、ニューラル・ネットワーク及び/又は他のセンサ(たとえば、LIDARセンサ764又はRADARセンサ760)から取得された物体の車両700方位、距離、3D位置推定と相関する慣性計測装置(IMU:inertial measurement unit)センサ766出力、その他など、少なくともいくつかのサブセットのパラメータをその入力として受け取ることができる。
SoC704は、データ・ストア716(たとえば、メモリ)を含み得る。データ・ストア716は、SoC704のオンチップ・メモリでもよく、GPU及び/又はDLAで実行されることになるニューラル・ネットワークを記憶することができる。いくつかの実例では、データ・ストア716は、冗長性及び安全性のためにニューラル・ネットワークの複数のインスタンスを記憶するのに十分な大きさの容量を有し得る。データ・ストア712は、L2又はL3キャッシュ712を備え得る。データ・ストア716の参照は、本明細書に記載のような、PVA、DLA、及び/又は他の加速装置714に関連するメモリの参照を含み得る。
SoC704は、1つ又は複数のプロセッサ710(たとえば、組み込まれたプロセッサ)を含み得る。プロセッサ710は、ブート電力及び管理能力及び関連するセキュリティ施行を処理するための専用のプロセッサ及びサブシステムでもよいブート及び電力管理プロセッサを含み得る。ブート及び電力管理プロセッサは、SoC704ブート・シーケンスの一部でもよく、実行時間電力管理サービスを提供することができる。ブート電力及び管理プロセッサは、クロック及び電圧プログラミング、システム低電力状態移行の支援、SoC704熱及び温度センサの管理、及び/又はSoC704電力状態の管理を提供することができる。各温度センサは、その出力頻度が温度に比例するリング発振器として実装されてもよく、SoC704は、リング発振器を使用してCPU706、GPU708、及び/又は加速装置714の温度を検出することができる。温度が、閾値を超えたと判定された場合、ブート及び電力管理プロセッサは、温度障害ルーティンに入り、SoC704をより低い電力状態に置く及び/又は車両700をショーファーの安全停止モードにする(たとえば、車両700を安全停止させる)ことができる。
プロセッサ710は、オーディオ処理エンジンの機能を果たし得る1セットの組み込まれたプロセッサをさらに含み得る。オーディオ処理エンジンは、複数のインターフェースを介するマルチチャネル・オーディオの完全なハードウェア・サポートとオーディオI/Oインターフェースの広く柔軟な範囲とを可能にするオーディオ・サブシステムでもよい。いくつかの実例では、オーディオ処理エンジンは、専用のRAMを有するデジタル信号プロセッサを有する専用のプロセッサ・コアである。
プロセッサ710は、低電力センサ管理及びウェイク使用事例をサポートするための必要なハードウェア特徴を提供することができる常時オンのプロセッサ・エンジンをさらに含み得る。常時オンのプロセッサ・エンジンは、プロセッサ・コア、しっかりと結合されたRAM、支援周辺装置(たとえば、タイマ及び割り込みコントローラ)、様々なI/Oコントローラ周辺装置、及びルーティング論理を含み得る。
プロセッサ710は、自動車のアプリケーションの安全性管理を処理するために専用のプロセッサ・サブシステムを含む安全性クラスタ・エンジンをさらに含み得る。安全性クラスタ・エンジンは、2個以上のプロセッサ・コア、しっかりと結合されたRAM、サポート周辺装置(たとえば、タイマ、割り込みコントローラなど)、及び/又はルーティング論理を含み得る。安全性モードにおいて、2個以上のコアは、ロックステップ・モードにおいて動作し、それらの動作の間の何らかの差を検出するための比較論理を有する単一のコアとして機能することができる。
プロセッサ710は、リアルタイム・カメラ管理を処理するための専用のプロセッサ・サブシステムを含み得るリアルタイム・カメラ・エンジンをさらに含み得る。
プロセッサ710は、カメラ処理パイプラインの一部であるハードウェア・エンジンである画像信号プロセッサを含み得る高ダイナミック・レンジ信号プロセッサをさらに含み得る。
プロセッサ710は、プレイヤ・ウインドウのための最終的画像を生み出すためにビデオ再生アプリケーションによって必要とされるビデオ処理後機能を実装する処理ブロック(たとえば、マイクロプロセッサに実装された)でもよいビデオ画像合成器を含み得る。ビデオ画像合成器は、ワイドビュー・カメラ770で、サラウンド・カメラ774で、及び/又はキャビン内監視カメラ・センサでレンズ歪み補正を実行することができる。キャビン内監視カメラ・センサは好ましくは、キャビン内イベントを識別し、適切に応答するように構成された、高度SoCの別のインスタンス上で実行するニューラル・ネットワークによって監視される。キャビン内システムは、セルラ・サービスをアクティブにする及び電話をかける、電子メールを書き取らせる、車両の目的地を変更する、車両のインフォテインメント・システム及び設定をアクティブにする又は変更する、或いは音声起動型ウェブ・サーフィンを提供するために、読唇術を実行することができる。ある特定の機能は、自律モードで動作しているときにのみ運転者に利用可能であり、そうでない場合には無効にされる。
ビデオ画像合成器は、空間的ノイズ低減及び時間的ノイズ低減の両方のための強化された時間的ノイズ低減を含み得る。たとえば、動きがビデオ内で生じた場合、ノイズ低減は、隣接するフレームによって提供される情報の重みを減らし、空間的情報に適切に重みを加える。画像又は画像の一部が動きを含まない場合、ビデオ画像合成器によって実行される時間的ノイズ低減は、前の画像からの情報を使用して現在の画像におけるノイズを減らすことができる。
ビデオ画像合成器はまた、入力ステレオ・レンズ・フレーム上でステレオ・レクティフィケーションを実行するように構成され得る。ビデオ画像合成器はさらに、オペレーティング・システム・デスクトップが使用中であるときにユーザ・インターフェース合成のために使用することができ、GPU708は、新しい表面を連続してレンダリングために必要とされない。GPU708の電源が入れられ、3Dレンダリングをアクティブに行っているときでも、ビデオ画像合成器は、GPU708をオフロードしてパフォーマンス及び反応性を向上させるために使用され得る。
SoC704は、カメラからビデオ及び入力を受信するためのモバイル・インダストリ・プロセッサ・インターフェース(MIPI:mobile industry processor interface)カメラ・シリアル・インターフェース、高速インターフェース、及び/又は、カメラ及び関連画素入力機能のために使用され得るビデオ入力ブロックをさらに含み得る。SoC704は、ソフトウェアによって制御され得る、及び特定の役割にコミットされていないI/O信号を受信するために使用され得る、入力/出力コントローラをさらに含み得る。
SoC704は、周辺装置、オーディオ・コーデック、電力管理、及び/又は他のデバイスとの通信を可能にするために、広範囲の周辺インターフェースをさらに含み得る。SoC704は、(たとえば、ギガビット・マルチメディア・シリアル・リンク及びイーサネット(登録商標)を介して接続された)カメラからのデータ、センサ(たとえば、イーサネット(登録商標)を介して接続され得るLIDARセンサ764、RADARセンサ760など)、バス702からのデータ(たとえば、車両700のスピード、ハンドル位置など)、(たとえば、イーサネット(登録商標)又はCANバスを介して接続された)GNSSセンサ758からのデータを処理するために使用され得る。SoC704は、独自のDMAエンジンを含み得る及びルーティン・データ管理タスクからCPU706を解放するために使用され得る専用の高性能大容量記憶コントローラをさらに含み得る。
SoC704は、自動化レベル3~5に広がる柔軟なアーキテクチャを有する終端間プラットフォームでもよく、それによって、多様性及び冗長性のためにコンピュータ・ビジョン及びADAS技法を活用し、効率的に使用し、深層学習ツールとともに、柔軟な、信頼できる運転ソフトウェア・スタックのためのプラットフォームを提供する、総合的機能的安全性アーキテクチャを提供する。SoC704は、従来のシステムよりも高速で、信頼でき、さらにエネルギ効率がよく、空間効率がよくなり得る。たとえば、加速装置714が、CPU706と結合されるとき、GPU708、及びデータ・ストア716は、レベル3~5の自律型車両のための高速で効率的なプラットフォームを提供することができる。
したがって、本技術は、従来のシステムによって達成することができない能力及び機能性をもたらす。たとえば、コンピュータ・ビジョン・アルゴリズムは、多種多様な視覚的データにわたり多種多様な処理アルゴリズムを実行するために、Cプログラミング言語などの高レベルのプログラミング言語を使用して構成され得る、CPUで実行され得る。しかしながら、CPUは、しばしば、たとえば、実行時間及び電力消費に関連するものなど、多数のコンピュータ・ビジョン・アプリケーションの性能要件を満たすことができない。具体的には、多数のCPUは、車両内ADASアプリケーションの要件及び実際のレベル3~5の自律型車両の要件である、リアルタイムでの複合物体検出アルゴリズムを実行することができない。
従来のシステムとは対照的に、CPU複合体、GPU複合体、及びハードウェア加速クラスタを提供することによって、本明細書に記載の技術は、複数のニューラル・ネットワークが同時に及び/又は連続して実行されることと、レベル3~5の自律運転機能を可能にするために結果が結合されることとを可能にする。たとえば、DLA又はdGPU(たとえば、GPU720)で実行するCNNは、ニューラル・ネットワークが具体的にトレーニングされていない標識を含む、交通標識をスーパーコンピュータが読み取る及び理解することを可能にする、テキスト及び単語認識を含み得る。DLAは、標識の意味論的理解を識別、解釈、及び提供することと、CPU複合体で実行する進路計画立案モジュールに意味論的理解を渡すこととを行うことができる、ニューラル・ネットワークをさらに含み得る。
別の実例として、複数のニューラル・ネットワークは、レベル3、4、又は5の運転に必要とされるように、同時に実行され得る。たとえば、電光とともに、「注意:点滅光は、凍った状態を示す」から成る警告標識は、いくつかのニューラル・ネットワークによって独立して又は集合的に解釈され得る。標識自体は、第1の配備されたニューラル・ネットワーク(たとえば、トレーニングされてあるニューラル・ネットワーク)によって交通標識として識別され得、テキスト「点滅光は、凍った状態を示す」は、点滅光が検出されるときには凍った状態が存在することを車両の進路計画立案ソフトウェア(好ましくはCPU複合体上で実行する)に知らせる、第2の配備されたニューラル・ネットワークによって解釈され得る。点滅光は、点滅光の存在(又は無いこと)を車両の進路計画立案ソフトウェアに知らせ、複数のフレームを介して第3の配備されたニューラル・ネットワークを動作させることによって識別され得る。すべての3個のニューラル・ネットワークは、DLA内及び/又はGPU708上などで、同時に実行することができる。
いくつかの実例では、顔認識及び車両所有者識別のためのCNNは、カメラ・センサからのデータを使用して車両700の正規の運転者及び/又は所有者の存在を識別することができる。常時オンのセンサ処理エンジンは、所有者が運転席側のドアに近づくときに車両を解錠する及び明かりをつけるために、並びに、セキュリティ・モードにおいて、所有者が車両を離れるときに車両の動作を停止させるために、使用され得る。このようにして、SoC704は、盗難及び/又は車の乗っ取りに対するセキュリティをもたらす。
別の実例では、緊急車両検出及び識別のためのCNNは、マイクロフォン796からのデータを使用して緊急車両サイレンを検出及び識別することができる。一般分類子を使用してサイレンを検出する及び特徴を手動で抽出する従来のシステムとは対照的に、SoC704は、環境の及び都市の音の分類、並びに視覚的データの分類のためにCNNを使用する。好ましい一実施例では、DLA上で実行するCNNは、(たとえば、ドップラー効果を使用することによって)緊急車両の相対的終速度を識別するようにトレーニングされる。CNNはまた、GNSSセンサ758によって識別されるように、車両が稼働しているローカル・エリアに特有の緊急車両を識別するようにトレーニングされ得る。それ故に、たとえば、欧州で稼働しているとき、CNNは、欧州のサイレンを検出しようとすることになり、そして、米国にあるとき、CNNは、北米のサイレンのみを識別しようとすることになる。緊急車両が検出された後は、制御プログラムが、緊急車両が通過するまで、超音波センサ762の支援を受けて、車両を減速する、道の端に停止させる、車両を駐車する、及び/又は車両をアイドリングさせる、緊急車両安全性ルーティンを実行するために使用され得る。
車両は、高速相互接続(たとえば、PCIe)を介してSoC704に連結され得るCPU718(たとえば、個別のCPU、又はdCPU)を含み得る。CPU718は、たとえば、X86プロセッサを含み得る。CPU718は、たとえば、ADASセンサとSoC704との間の潜在的に不整合の結果を調停すること、及び/又はコントローラ736及び/又はインフォテインメントSoC730の状況及び調子を監視することを含む、様々な機能のいずれかを実行するために使用され得る。
車両700は、高速相互接続(たとえば、NVIDIAのNVLINK)を介してSoC704に連結され得るGPU720(たとえば、個別のGPU、又はdGPU)を含み得る。GPU720は、冗長及び/又は異なるニューラル・ネットワークを実行することなどによって、付加的人工知能機能をもたらすことができ、車両700のセンサからの入力(たとえば、センサ・データ)に基づいてニューラル・ネットワークをトレーニング及び/又は更新するために使用され得る。
車両700は、1つ又は複数のワイヤレス・アンテナ726(たとえば、セルラ・アンテナ、ブルートゥース(登録商標)・アンテナなど、異なる通信プロトコルのための1つ又は複数のワイヤレス・アンテナ)を含み得るネットワーク・インターフェース724をさらに含み得る。ネットワーク・インターフェース724は、インターネットを介するクラウドとの(たとえば、サーバ778及び/又は他のネットワーク・デバイスとの)、他の車両との、及び/又は計算デバイス(たとえば、乗客のクライアント・デバイス)とのワイヤレス接続を使用可能にするために使用され得る。他の車両と通信するために、直接リンクが2個の車両の間に確立され得る、及び/又は、間接リンクが(たとえば、ネットワークを通じて及びインターネットを介して)確立され得る。直接リンクは、車両対車両通信リンクを使用し、提供され得る。車両対車両通信リンクは、車両700に近接する車両(たとえば、車両700の前の、横の、及び/又は後ろの車両)に関する車両700情報を提供することができる。この機能は、車両700の共同適応クルーズ制御機能の一部でもよい。
ネットワーク・インターフェース724は、変調及び復調機能を提供する及びコントローラ736がワイヤレス・ネットワークを介して通信することを可能にする、SoCを含み得る。ネットワーク・インターフェース724は、ベースバンドから無線周波数へのアップコンバージョン、及び無線周波数からベースバンドへのダウンコンバージョンのための無線周波数フロントエンドを含み得る。周波数コンバージョンは、よく知られているプロセスを通して実行することができ、及び/又はスーパーヘテロダイン・プロセスを用いて実行することができる。いくつかの実例では、無線周波数フロントエンド機能は、別個のチップによって提供され得る。ネットワーク・インターフェースは、LTE、WCDMA(登録商標)、UMTS、GSM、CDMA2000、ブルートゥース(登録商標)、ブルートゥース(登録商標)LE、Wi-Fi、Z-Wave、ZigBee、LoRaWAN、及び/又は他のワイヤレス・プロトコルを介して通信するためのワイヤレス機能を含み得る。
車両700は、チップ外の(たとえば、SoC704外の)ストレージを含み得るデータ・ストア728をさらに含み得る。データ・ストア728は、RAM、SRAM、DRAM、VRAM、フラッシュ、ハードディスク、及び/又は、少なくとも1ビットのデータを記憶することができる他の構成要素及び/又はデバイスを含む、1つ又は複数の記憶素子を含み得る。
車両700は、GNSSセンサ758をさらに含み得る。GNSSセンサ758(たとえば、GPS、支援されたGPSセンサ、ディファレンシャルGPS(DGPS)センサなど)は、マッピング、知覚、占有グリッド生成、及び/又は進路計画策定機能を支援する。たとえば、シリアル(RS-232)ブリッジへのイーサネット(登録商標)を有するUSBコネクタを使用するGPSを含むが、これに限定されない、任意の数のGNSSセンサ758が、使用され得る。
車両700は、RADARセンサ760をさらに含み得る。RADARセンサ760は、暗闇及び/又は厳しい気象条件においても、長距離車両検出のために車両700によって使用され得る。RADAR機能安全性レベルは、ASIL Bでもよい。一部の実例では、RADARセンサ760は、未加工のデータにアクセスするためのイーサネット(登録商標)へのアクセスを用いて、制御のために及び物体追跡データにアクセスするために(たとえば、RADARセンサ760によって生成されたデータを送信するために)CAN及び/又はバス702を使用することができる。多種多様なRADARセンサ・タイプが、使用され得る。たとえば、そして制限なしに、RADARセンサ760は、前部、後部、及び側部RADAR使用に適し得る。一部の実例では、パルス・ドップラーRADARセンサが使用される。
RADARセンサ760は、狭い視野を有する長距離、広い視野を有する短距離、短距離側部カバレッジなど、異なる構成を含み得る。いくつかの実例では、長距離RADARは、適応クルーズ制御機能のために使用され得る。長距離RADARシステムは、250mの範囲内など、2個以上の独立したスキャンによって実現される広い視野を提供することができる。RADARセンサ760は、静的物体と動く物体との区別を助けることができ、緊急ブレーキ・アシスト及び前方衝突警報のためのADASシステムによって使用され得る。長距離RADARセンサは、複数の(たとえば、6つ以上の)固定RADARアンテナと高速CAN及びFlexRayインターフェースとを有するモノスタティック・マルチモーダルRADARを含み得る。6つのアンテナを有する一実例では、中央の4個のアンテナは、隣接レーン内の交通からの干渉を最小限にして高速で車両700の周囲を記録するように設計された、集束ビーム・パターンを作成し得る。他の2個のアンテナは、視野を広げることができ、車両700のレーンに入る又はこれを去る車両を迅速に検出することを可能にする。
一実例として、中距離RADARシステムは、760m(前)又は80m(後)までの範囲、及び42度(前)又は750度(後)までの視野を含み得る。短距離RADARシステムは、後部バンパの両端に設置されるように設計されたRADARセンサを含み得るが、これに限定されない。後部バンパの両端に設置されるとき、そのようなRADARセンサ・システムは、車両の後ろ及び隣の死角を常に監視する2個のビームを作成することができる。
短距離RADARシステムは、死角検出及び/又はレーン変更アシストのためにADASシステムにおいて使用され得る。
車両700は、超音波センサ762をさらに含み得る。車両700の前部、後部、及び/又は側部に位置付けられ得る、超音波センサ762は、駐車アシストのために及び/又は占有グリッドの作成及び更新のために使用され得る。多種多様な超音波センサ762が使用され得、異なる超音波センサ762が、異なる範囲の検出(たとえば、2.5m、4m)のために使用され得る。超音波センサ762は、ASIL Bの機能的安全性レベルにおいて動作することができる。
車両700はLIDARセンサ764を含み得る。LIDARセンサ764は、物体及び歩行者検出、緊急ブレーキ、衝突回避、及び/又は他の機能のために使用され得る。LIDARセンサ764は、機能的安全性レベルASIL Bでもよい。いくつかの実例では、車両700は、(たとえば、ギガビット・イーサネット(登録商標)・スイッチにデータを提供するために)イーサネット(登録商標)を使用することができる複数の(たとえば、2個、4個、6個などの)LIDARセンサ764を含み得る。
いくつかの実例では、LIDARセンサ764は、物体及び360度視野のそれらの距離のリストを提供する能力を有し得る。市販のLIDARセンサ764は、たとえば、2cm~3cmの精度を有し、700Mbpsイーサネット(登録商標)接続のサポートを有して、約700mの広告された範囲を有し得る。いくつかの実例では、1つ又は複数の非突出したLIDARセンサ764が、使用され得る。そのような実例では、LIDARセンサ764は、車両700の前部、後部、側部、及び/又は角に組み込まれ得る小さいデバイスとして実装され得る。そのような実例では、LIDARセンサ764は、低反射物体についても200mの範囲を有し、120度水平及び35度垂直視野まで提供することができる。前部に取り付けられたLIDARセンサ764は、45度と135度との間の水平視野向けに構成され得る。
いくつかの実例では、3DフラッシュLIDARなどのLIDAR技術もまた使用され得る。3DフラッシュLIDARは、約200mまで車両の周囲を照らすために、送信元としてレーザーのフラッシュを使用する。フラッシュLIDARユニットは、車両から物体までの範囲に順番に対応する、レーザー・パルス走行時間及び各画素上の反射光を記録する、レセプタを含む。フラッシュLIDARは、周囲の高精度の及び歪みのない画像があらゆるレーザー・フラッシュで生成されることを可能にし得る。いくつかの実例では、4個のフラッシュLIDARセンサが、車両700の各側面に1つずつ、配備され得る。利用可能な3DフラッシュLIDARシステムは、送風機以外に動く部分を有さないソリッドステート3Dステアリング・アレイLIDARカメラ(たとえば、非スキャン型LIDARデバイス)を含む。フラッシュLIDARデバイスは、1フレームにつき5ナノ秒クラスI(目に安全な)レーザー・パルスを使用することができ、3D範囲点群及び共記載された強度データの形で反射レーザー光をキャプチャし得る。フラッシュLIDARを使用することによって、また、フラッシュLIDARは、動く部分を有さないソリッドステート・デバイスであるので、LIDARセンサ764は、モーション・ブラー、振動、及び/又は衝撃の影響を受けにくくなり得る。
車両は、IMUセンサ766をさらに含み得る。一部の実例では、IMUセンサ766は、車両700の後部車軸の中央に位置付けられ得る。IMUセンサ766は、たとえば、加速度計、磁力計、ジャイロスコープ、磁気コンパス、及び/又は他のセンサ・タイプを含み得るが、これらに限定されない。いくつかの実例では、6軸アプリケーションなどにおいて、IMUセンサ766は、加速度計及びジャイロスコープを含み得るが、9軸アプリケーションにおいて、IMUセンサ766は、加速度計、ジャイロスコープ、及び磁力計を含み得る。
一部の実施例では、IMUセンサ766は、マイクロ電気機械システム(MEMS:micro-electro-mechanical system)慣性センサ、高感度GPSレシーバ、及び高度カルマン・フィルタリング・アルゴリズムを結合して位置、ベロシティ、及び姿勢の推定値を提供するミニチュア、高性能GPS支援型慣性航行システム(GPS/INS:GPS-Aided Inertial Navigation System)として実装され得る。そのようなものとして、一部の実例では、IMUセンサ766は、GPSからIMUセンサ766までのベロシティの変化を直接観測すること及び関連付けることによって、磁気センサからの入力を必要とせずに進行方向を車両700が推定することを可能にし得る。いくつかの実例では、IMUセンサ766及びGNSSセンサ758は、単一の統合されたユニットにおいて結合され得る。
車両は、車両700内及び/又は周囲に置かれたマイクロフォン796を含み得る。マイクロフォン796は、中でも、緊急車両検出及び識別のために使用され得る。
車両は、ステレオ・カメラ768、ワイドビュー・カメラ770、赤外線カメラ772、サラウンド・カメラ774、長距離及び/又は中距離カメラ798、及び/又は他のカメラ・タイプを含む、任意の数のカメラ・タイプをさらに含み得る。カメラは、車両700の全外面の周りの画像データをキャプチャするために使用され得る。使用されるカメラのタイプは、車両700の実施例及び要件に応じて決まり、任意の組合せのカメラ・タイプが、車両700の周りの必要なカバレッジを実現するために使用され得る。加えて、カメラの数は、実施例に応じて異なり得る。たとえば、車両は、6個のカメラ、7個のカメラ、10個のカメラ、12個のカメラ、及び/又は別の数のカメラを含み得る。カメラは、一実例として、ギガビット・マルチメディア・シリアル・リンク(GMSL:Gigabit Multimedia Serial Link)及び/又はギガビット・イーサネット(登録商標)をサポートし得るが、これに限定されない。それぞれのカメラは、図7A及び図7Bに関連して本明細書においてさらに詳しく説明される。
車両700は、振動センサ742をさらに含み得る。振動センサ742は、車軸など、車両の構成要素の振動を測定することができる。たとえば、振動の変化は、道路の表面の変化を示し得る。別の実例では、2個以上の振動センサ742が使用されるとき、振動の差は、道路表面の摩擦又は滑りを判定するために使用され得る(たとえば、振動の差が電力駆動車軸と自由回転車軸との間であるとき)。
車両700は、ADASシステム738を含み得る。一部の実例では、ADASシステム738は、SoCを含み得る。ADASシステム738は、自律/適応/自動クルーズ制御(ACC:autonomous/adaptive/automatic cruise control)、共同適応クルーズ制御(CACC:cooperative adaptive cruise control)、前方衝突警報(FCW:forward crash warning)、自動緊急ブレーキ(AEB:automatic emergency braking)、車線逸脱警報(LDW:lane departure warning)、レーン・キープ・アシスト(LKA:lane keep assist)、死角警報(BSW:blind spot warning)、後部交差交通警報(RCTW:rear cross-traffic warning)、衝突警報システム(CWS:collision warning system)、レーン・センタリング(LC:lane centering)、及び/又は他の特徴及び機能を含み得る。
ACCシステムは、RADARセンサ760、LIDARセンサ764、及び/又はカメラを使用し得る。ACCシステムは、縦ACC及び/又は横ACCを含み得る。縦ACCは、車両700の直ぐ前の車両までの距離を監視及び制御し、前方の車両からの安全距離を維持するために車両速度を自動的に調整する。横ACCは、距離の保持を実行し、必要なときにレーンを変更するように車両700にアドバイスする。横ACCは、LCA及びCWSなどの他のADASアプリケーションに関連する。
CACCは、ワイヤレス・リンクを介して他の車両からネットワーク・インターフェース724及び/又はワイヤレス・アンテナ726を介して、或いは間接的にネットワーク接続を介して(たとえば、インターネットを介して)、受信することができる、他の車両からの情報を使用する。直接リンクは、車両対車両(V2V:vehicle-to-vehicle)通信リンクによって提供され得、一方、間接リンクは、インフラストラクチャ対車両(I2V:infrastructure-to-vehicle)通信リンクでもよい。一般に、V2V通信概念は、直前の車両(たとえば、車両700と同じレーン内にある、車両700の直ぐ前の車両)に関する情報を提供し、一方、I2V通信概念は、さらに前の交通に関する情報を提供する。CACCシステムは、I2V情報ソースとV2V情報ソースとのいずれか又は両方を含み得る。車両700の前方の車両の情報を所与として、CACCは、より高信頼になり得、CACCは、交通の流れをよりスムーズにし、道路の渋滞を減らす可能性を有する。
運転者が修正行動を取ることができるように、FCWシステムは、危険を運転者に警告するように設計される。FCWシステムは、ディスプレイ、スピーカ、及び/又は振動部品など、運転者フィードバックに電気的に連結された、専用のプロセッサ、DSP、FPGA、及び/又はASICに連結された、前向きのカメラ及び/又はRADARセンサ760を使用する。FCWシステムは、音響、視覚的警報、振動及び/又はクイック・ブレーキ・パルスなどの形で、警報を提供することができる。
AEBシステムは、別の車両又は他の物体との差し迫った前方衝突を検出し、運転者が指定された時間又は距離パラメータ内に修正行動を取らない場合に、ブレーキを自動的に適用することができる。AEBシステムは、専用のプロセッサ、DSP、FPGA、及び/又はASICに連結された、前向きのカメラ及び/又はRADARセンサ760を使用することができる。AEBシステムが危険を検出するとき、AEBシステムは通常は、先ず、衝突を回避するための修正行動を取るように運転者に警告し、運転者が修正行動を取らない場合、AEBシステムは、予測される衝突の影響を防ぐ、又は少なくとも軽減するための努力の一環としてブレーキを自動的に適用することができる。AEBシステムは、ダイナミック・ブレーキ・サポート及び/又は衝突切迫ブレーキなどの技法を含み得る。
LDWシステムは、ハンドル又はシートの振動など、視覚的、可聴式、及び/又は触覚的警報を提供して、車両700が車線区分線を越えたときに運転者に警告する。LDWシステムは、運転者が、方向指示器を起動することによって、意図的な車線逸脱を指示するときには、起動しない。LDWシステムは、ディスプレイ、スピーカ、及び/又は振動部品など、運転者フィードバックに電気的に連結された、専用のプロセッサ、DSP、FPGA、及び/又はASICに連結された、前側を向いたカメラを使用することができる。
LKAシステムは、LDWシステムの変更形態である。LKAシステムは、車両700が車線をはみ出し始めた場合に車両700を修正するためにステアリング入力又はブレーキを提供する。
BSWシステムは、自動車の死角において車両の運転者に検出及び警告する。BSWシステムは、合流又はレーンの変更が安全ではないことを指示するために視覚的、可聴式、及び/又は触覚的警告を提供することができる。システムは、運転者が方向指示器を使用するとき、付加的警報を提供し得る。BSWシステムは、運転者フィードバック、たとえば、ディスプレイ、スピーカ、及び/又は振動部品、に電気的に連結された、専用プロセッサ、DSP、FPGA、及び/又はASICに連結された、後ろ側を向いたカメラ及び/又はRADARセンサ760を使用し得る。
RCTWシステムは、車両700がバックしているときにリアカメラの範囲外で物体が検出されると視覚的、可聴式、及び/又は触覚的通知を提供することができる。いくつかのRCTWシステムは、衝突を回避するために車両ブレーキが適用されることを確実にするために、AEBを含む。RCTWシステムは、運転者フィードバック、たとえば、ディスプレイ、スピーカ、及び/又は振動部品、に電気的に連結された、専用プロセッサ、DSP、FPGA、及び/又はASICに連結された、1つ又は複数の後ろを向いたRADARセンサ760を使用することができる。
従来のADASシステムは、運転者に警告し、安全状態が本当に存在するかどうかを運転者が判定し、それに応じて行動することを可能にするので、従来のADASシステムは、通常は壊滅的ではないが、運転者を悩ませている及び気を散らせていることがある誤判定結果を生み出す傾向にあることがあった。しかしながら、自律型車両700では、結果が矛盾する場合には、車両700自体が、1次的コンピュータ又は2次的コンピュータ(たとえば、第1のコントローラ736又は第2のコントローラ736)からの結果を聞き入れるかどうかを決定しなければならない。たとえば、一部の実施例では、ADASシステム738は、知覚情報をバックアップ・コンピュータ合理性モジュールに提供するためのバックアップ及び/又は2次的コンピュータでもよい。バックアップ・コンピュータ合理性モニタは、ハードウェア構成要素で冗長な多様なソフトウェアを実行して、知覚及び動的運転タスクにおいて障害を検出することができる。ADASシステム738からの出力は、監督MCUに提供され得る。1次的コンピュータ及び2次的コンピュータからの出力が矛盾する場合、監督MCUは、安全な動作を確実にするためにその矛盾をどのように調整するかを決定する必要がある。
いくつかの実例では、1次的コンピュータは、選択された結果における1次的コンピュータの信頼性を指示する、信頼性スコアを監督MCUに提供するように構成され得る。信頼性スコアが閾値を超えた場合、監督MCUは、2次的コンピュータが矛盾する又は不整合の結果を与えるかどうかにかかわらず、1次的コンピュータの指示に従い得る。信頼性スコアが閾値を満たさない場合、及び1次的及び2次的コンピュータが異なる結果を示す(たとえば、矛盾する)場合、監督MCUは、コンピュータの間で調停して適切な結果を決定することができる。
監督MCUは、2次的コンピュータが誤ったアラームを提供する状態を、1次的コンピュータ及び2次的コンピュータからの出力に基づいて、判定するようにトレーニング及び構成されたニューラル・ネットワークを実行するように構成され得る。したがって、監督MCU内のニューラル・ネットワークは、2次的コンピュータの出力が信頼され得るとき、及びそれが信頼され得ないときを学習することができる。たとえば、2次的コンピュータがRADARベースのFCWシステムであるとき、監督MCU内のニューラル・ネットワークは、アラームをトリガする下水溝の鉄格子又はマンホールの蓋など、実際には危険ではない金属製の物をいつFCWが識別しているかを学習することができる。同様に、2次的コンピュータがカメラベースのLDWシステムであるとき、監督MCU内のニューラル・ネットワークは、自転車に乗った人又は歩行者が存在し、車線逸脱が、実際には、最も安全な操作であるときに、LDWを無視することを学習することができる。監督MCU上で実行中のニューラル・ネットワークを含む実施例では、監督MCUは、関連メモリを有するニューラル・ネットワークを実行するのに適したDLA又はGPUのうちの少なくとも1つを含み得る。好ましい実施例において、監督MCUは、SoC704の構成要素を備え得る、及び/又はSoC704の構成要素として含まれ得る。
他の実例において、ADASシステム738は、コンピュータ・ビジョンの従来のルールを使用するADAS機能を実行する2次的コンピュータを含み得る。そのようなものとして、2次的コンピュータは、古典的コンピュータ・ビジョン・ルール(if-then)を使用することができ、監督MCU内のニューラル・ネットワークの存在は、信頼性、安全性及び性能を向上させることができる。たとえば、多様な実装形態及び意図的な非同一性は、特にソフトウェア(又はソフトウェア-ハードウェア・インターフェース)機能によって引き起こされる障害に対して、システム全体をよりフォールトトレラントにする。たとえば、1次的コンピュータで実行中のソフトウェア内にソフトウェア・バグ又はエラーが存在し、2次的コンピュータで実行中の同一でないソフトウェア・コードが同じ総合的結果を提供する場合、監督MCUは、総合的結果は正しく、1次的コンピュータ上のソフトウェア又はハードウェア内のバグは重大なエラーを引き起こしていないというより大きな確信を有し得る。
いくつかの実例では、ADASシステム738の出力は、1次的コンピュータの知覚ブロック及び/又は1次的コンピュータの動的運転タスク・ブロックに供給され得る。たとえば、ADASシステム738が、直ぐ前の物体が原因で、前方衝突警報を示した場合、知覚ブロックは、物体を識別するときに、この情報を使用することができる。他の実例において、2次的コンピュータは、本明細書に記載のように、トレーニングされ、それ故に誤判定のリスクを減らす、独自のニューラル・ネットワークを有し得る。
車両700は、インフォテインメントSoC730(たとえば、車両内のインフォテインメント・システム(IVI:in-vehicle infotainment system))をさらに含み得る。SoCとして図示及び記述されているが、インフォテインメント・システムは、SoCでなくてもよく、2個以上の個別の構成要素を含み得る。インフォテインメントSoC730は、オーディオ(たとえば、音楽、携帯情報端末、ナビゲーション命令、ニュース、無線など)、ビデオ(たとえば、TV、映画、ストリーミングなど)、電話(たとえば、ハンズフリー通話)、ネットワーク接続(たとえば、LTE、Wi-Fiなど)、及び/又は情報サービス(たとえば、ナビゲーション・システム、後方駐車支援、無線データシステム、燃料レベル、総移動距離、ブレーキ燃料レベル、オイル・レベル、ドアを開ける/閉じる、エア・フィルタ情報などの車両関連情報)を車両700に提供するために使用され得るハードウェア及びソフトウェアの組合せを含み得る。たとえば、インフォテインメントSoC730は、無線、ディスク・プレイヤ、ナビゲーション・システム、ビデオ・プレイヤ、USB及びブルートゥース(登録商標)接続、カーピュータ、車内エンターテインメント、Wi-Fi、ハンドル・オーディオ制御装置、ハンズ・フリー音声制御、ヘッドアップ・ディスプレイ(HUD:heads-up display)、HMIディスプレイ734、テレマティックス・デバイス、制御パネル(たとえば、様々な構成要素、特徴、及び/又はシステムを制御する及び/又はこれと相互に作用するための)、及び/又は他の構成要素でもよい。インフォテインメントSoC730は、ADASシステム738からの情報、計画された車両操作などの自律運転情報、軌道、周囲環境情報(たとえば、交差点情報、車両情報、道路情報など)、及び/又は他の情報など、車両のユーザへの情報(たとえば、視覚的及び/又は可聴式の)を提供するためにさらに使用され得る。
インフォテインメントSoC730は、GPU機能性を含み得る。インフォテインメントSoC730は、バス702(たとえば、CANバス、イーサネット(登録商標)など)を介して、車両700の他のデバイス、システム、及び/又は構成要素と通信することができる。いくつかの実例では、インフォテインメント・システムのGPUが、1次的コントローラ736(たとえば、車両700の1次的及び/又はバックアップ・コンピュータ)が故障した場合に、いくつかのセルフドライブ機能を実行することができるように、インフォテインメントSoC730は、監督MCUに連結され得る。そのような実例では、インフォテインメントSoC730は、本明細書に記載のように、車両700をショーファーの安全停止モードにすることができる。
車両700は、計器群732(たとえば、デジタル・ダッシュ、電子計器群、デジタル計器パネルなど)をさらに含み得る。計器群732は、コントローラ及び/又はスーパーコンピュータ(たとえば、個別のコントローラ又はスーパーコンピュータ)を含み得る。計器群732は、スピードメーター、燃料レベル、油圧、タコメーター、オドメーター、方向指示器、ギアシフト位置インジケータ、シート・ベルト警告灯、パーキングブレーキ警告灯、エンジン故障灯、エアバッグ(SRS)システム情報、照明制御装置、安全システム制御装置、ナビゲーション情報など、1セットの器具類を含み得る。いくつかの実例では、情報は、インフォテインメントSoC730及び計器群732の間で表示及び/又は共有され得る。言い換えれば、計器群732は、インフォテインメントSoC730の一部として含まれてもよく、逆もまた同様である。
図7Dは、本開示のいくつかの実施例による、図7Aのクラウドベースのサーバと例示的自律型車両700との間の通信のシステム図である。システム776は、サーバ778、ネットワーク790、及び、車両700を含む車両を含み得る。サーバ778は、複数のGPU784(A)~784(H)(本明細書でGPU784と総称される)、PCIeスイッチ782(A)~782(H)(本明細書でPCIeスイッチ782と総称される)、及び/又はCPU780(A)~780(B)(本明細書でCPU780と総称される)を含み得る。GPU784、CPU780、及びPCIeスイッチは、たとえば、NVIDIAによって開発されたNVLinkインターフェース788及び/又はPCIe接続786などの、これらに限定されない、高速相互接続で相互に接続され得る。いくつかの実例では、GPU784は、NVLink及び/又はNVSwitch SoCを介して接続され、GPU784及びPCIeスイッチ782は、PCIe相互接続を介して接続される。8個のGPU784、2個のCPU780、及び2個のPCIeスイッチが図示されているが、これは制限を意図されていない。実施例に応じて、それぞれのサーバ778は、任意の数のGPU784、CPU780、及び/又はPCIeスイッチを含み得る。たとえば、サーバ778は、それぞれ、8個、16個、32個、及び/又はそれ以上のGPU784を含み得る。
サーバ778は、最近開始された道路工事など、予想外の又は変更された道路状態を示す画像を表す画像データを、ネットワーク790を介して、車両から、受信することができる。サーバ778は、ニューラル・ネットワーク792、更新されたニューラル・ネットワーク792、及び/又は、交通及び道路状態に関する情報を含むマップ情報794をネットワーク790を介して車両に送信することができる。マップ情報794の更新は、建設現場、くぼみ、迂回路、洪水、及び/又は他の障害物に関する情報など、HDマップ722の更新を含み得る。いくつかの実例では、ニューラル・ネットワーク792、更新されたニューラル・ネットワーク792、及び/又はマップ情報794は、環境において任意の数の車両から受信されたデータにおいて表された新しいトレーニング及び/又は経験から、及び/又は(たとえば、サーバ778及び/又は他のサーバを使用する)データ・センタにおいて実行されたトレーニングに基づいて、生じた可能性がある。
サーバ778は、トレーニング・データに基づいてマシン学習モデル(たとえば、ニューラル・ネットワーク)をトレーニングするために使用され得る。トレーニング・データは、車両によって生成され得る、及び/又は(たとえば、ゲーム・エンジンを使用して)シミュレーションにおいて生成され得る。いくつかの実例では、トレーニング・データは、タグ付けされる(たとえば、ニューラル・ネットワークが、監督された学習の恩恵を受ける場合)及び/又は他の事前処理を受けるが、他の実例において、トレーニング・データは、タグ付け及び/又は事前処理されない(たとえば、ニューラル・ネットワークが、監督された学習を必要としない場合)。トレーニングは、たとえば以下のクラスを含むがこれらに限定されない、任意の1つ又は複数のクラスのマシン学習技法に従って、実行され得る:監視されたトレーニング、半監視されたトレーニング、監視されていないトレーニング、自己学習、強化学習、連合型学習、転移学習、特徴学習(主要構成要素及びクラスタ分析を含む)、マルチ線形部分空間学習、多様体学習、表現学習(予備辞書学習を含む)、ルールに基づくマシン学習、異常検出、及びそれらの変更形態若しくは組合せ。マシン学習モデルがトレーシングされた後は、マシン学習モデルは、車両によって使用され得(たとえば、ネットワーク790を介して車両に送信される)、及び/又は、マシン学習モデルは、車両を遠隔監視するために、サーバ778によって使用され得る。
いくつかの実例では、サーバ778は、車両からデータを受信し、リアルタイムのインテリジェント推論のために最新のリアルタイムのニューラル・ネットワークにデータを適用することができる。サーバ778は、NVIDIAによって開発されたDGX及びDGXステーション・マシンなど、GPU784によって電力供給される深層学習スーパーコンピュータ及び/又は専用のAIコンピュータを含み得る。しかしながら、一部の実例では、サーバ778は、CPU電源式データ・センタのみを使用する深層学習インフラストラクチャを含み得る。
サーバ778の深層学習インフラストラクチャは、高速のリアルタイム推論の能力を有することでき、その能力を使用して車両700内のプロセッサ、ソフトウェア、及び/又は関連ハードウェアの調子を評価及び検証することができる。たとえば、深層学習インフラストラクチャは、車両700がそのシーケンスの画像内に位置したシーケンスの画像及び/又は物体など、車両700からの定期的更新を受信することができる(たとえば、コンピュータ・ビジョン及び/又は他のマシン学習物体分類技法を介して)。深層学習インフラストラクチャは、物体を識別し、車両700によって識別された物体とそれらを比較するために、独自のニューラル・ネットワークを実行することができ、結果が一致せず、インフラストラクチャが、車両700内のAIは正常に機能していないという結論を下した場合、サーバ778は、制御を推測し、乗客に通知し、安全な駐車操作を完了するように車両700のフェイルセーフ・コンピュータに命じる車両700への信号を送信することができる。
推論のために、サーバ778は、GPU784及び1つ又は複数のプログラマブル推論加速装置(たとえば、NVIDIAのTensorRT)を含み得る。GPU電源式サーバ及び推論加速の組合せは、リアルタイムの反応性を可能にすることができる。パフォーマンスがさほど必要とされない場合など、他の実例では、CPU、FPGA、及び他のプロセッサによって電力供給されるサーバが、推論のために使用され得る。
例示的計算デバイス
図8は、本開示のいくつかの実施例の実装に使用するのに適した計算デバイス800の一実例のブロック図である。計算デバイス800は、以下のデバイスを間接的に又は直接的につなぐ相互接続システム802を含み得る:メモリ804、1つ又は複数の中央処理装置(CPU)806、1つ又は複数のグラフィック処理ユニット(GPU)808、通信インターフェース810、入力/出力(I/O)ポート812、入力/出力構成要素814、電力供給装置816、1つ又は複数の提示構成要素818(たとえば、ディスプレイ)、及び1つ又は複数の論理ユニット820。少なくとも1つの実施例において、計算デバイス800は、1つ又は複数の仮想マシン(VM)を含み得る、及び/又は、その構成要素のいずれかは、仮想構成要素(たとえば、仮想ハードウェア構成要素)を含み得る。非限定的実例として、GPU808のうちの1つ又は複数は、1つ又は複数のvGPUを含み得、CPU806のうちの1つ又は複数は、1つ又は複数のvCPUを含み得、及び/又は、論理ユニット820のうちの1つ又は複数は、1つ又は複数の仮想論理ユニットを含み得る。そのようなものとして、計算デバイス800は、個別の構成要素(たとえば、計算デバイス800専用の全GPU)、仮想構成要素(たとえば、計算デバイス800専用のGPUの一部分)、又はその組合せを含み得る。
図8は、本開示のいくつかの実施例の実装に使用するのに適した計算デバイス800の一実例のブロック図である。計算デバイス800は、以下のデバイスを間接的に又は直接的につなぐ相互接続システム802を含み得る:メモリ804、1つ又は複数の中央処理装置(CPU)806、1つ又は複数のグラフィック処理ユニット(GPU)808、通信インターフェース810、入力/出力(I/O)ポート812、入力/出力構成要素814、電力供給装置816、1つ又は複数の提示構成要素818(たとえば、ディスプレイ)、及び1つ又は複数の論理ユニット820。少なくとも1つの実施例において、計算デバイス800は、1つ又は複数の仮想マシン(VM)を含み得る、及び/又は、その構成要素のいずれかは、仮想構成要素(たとえば、仮想ハードウェア構成要素)を含み得る。非限定的実例として、GPU808のうちの1つ又は複数は、1つ又は複数のvGPUを含み得、CPU806のうちの1つ又は複数は、1つ又は複数のvCPUを含み得、及び/又は、論理ユニット820のうちの1つ又は複数は、1つ又は複数の仮想論理ユニットを含み得る。そのようなものとして、計算デバイス800は、個別の構成要素(たとえば、計算デバイス800専用の全GPU)、仮想構成要素(たとえば、計算デバイス800専用のGPUの一部分)、又はその組合せを含み得る。
図8の様々なブロックは、線で相互接続システム802を介して接続しているように示されているが、これは制限することを意図されておらず、単に分かりやすくするためである。たとえば、一部の実施例では、表示デバイスなどの提示構成要素818は、I/O構成要素814と考えられ得る(たとえば、ディスプレイがタッチ・スクリーンである場合)。別の実例として、CPU806及び/又はGPU808はメモリを含み得る(たとえば、メモリ804は、GPU808、CPU806、及び/又は他の構成要素のメモリに加えた記憶デバイスを表し得る)。言い換えれば、図8の計算デバイスは、単に例示である。「ワークステーション」、「サーバ」、「ラップトップ」、「デスクトップ」、「タブレット」、「クライアント・デバイス」、「モバイル・デバイス」、「ハンドヘルド・デバイス」、「ゲーム機」、「電子制御ユニット(ECU:electronic control unit)」、「仮想現実システム」、及び/又は他のデバイス若しくはシステム・タイプなどのカテゴリはすべて、図8の計算デバイスの範囲内にあることが意図されているので、これらは区別されない。
相互接続システム802は、1つ又は複数のリンク又はバス、たとえば、アドレス・バス、データ・バス、制御バス、又はその組合せ、を表し得る。相互接続システム802は、1つ又は複数のバス又はリンク・タイプ、たとえば、業界標準アーキテクチャ(ISA:industry standard architecture)バス、拡張業界標準アーキテクチャ(EISA:extended industry standard architecture)バス、VESA(video electronics standards association)バス、周辺構成要素相互接続(PCI:peripheral component interconnect)バス、周辺構成要素相互接続エクスプレス(PCIe:peripheral component interconnect express)バス、及び/又は別のタイプのバス若しくはリンク、を含み得る。一部の実施例では、構成要素の間に直接接続が存在する。一実例として、CPU806は、メモリ804に直接接続され得る。さらに、CPU806は、GPU808に直接接続され得る。構成要素の間に直接、又はポイント対ポイント接続が存在する場合、相互接続システム802は、接続を実施するためのPCIeリンクを含み得る。これらの実例では、PCIバスは、計算デバイス800に含まれる必要はない。
メモリ804は、様々なコンピュータ可読媒体のいずれかを含み得る。コンピュータ可読媒体は、計算デバイス800によってアクセスすることができる任意の利用可能な媒体でもよい。コンピュータ可読媒体は、揮発性及び不揮発性媒体の両方、及び取り外し可能な及び取り外し不可能な媒体を含み得る。例として、しかし限定ではなく、コンピュータ可読媒体は、コンピュータ記憶媒体及び通信媒体を備え得る。
コンピュータ記憶媒体は、コンピュータ可読命令、データ構造体、プログラム・モジュール、及び/又は他のデータ・タイプなどの情報の記憶のための任意の方法又は技術において実装された揮発性及び不揮発性媒体及び/又は取り外し可能な及び取り外し不可能な媒体の両方を含み得る。たとえば、メモリ804は、オペレーティング・システムなど、(たとえば、プログラム及び/又はプログラム要素を表す)コンピュータ可読命令を記憶することができる。コンピュータ記憶媒体は、RAM、ROM、EEPROM、フラッシュメモリ又は他のメモリ技術、CD-ROM、デジタル多用途ディスク(DVD:digital versatile disk)又は他の光ディスク・ストレージ、磁気カセット、磁気テープ、磁気ディスク・ストレージ又は他の磁気記憶デバイス、或いは、所望の情報を記憶するために使用し得る及び計算デバイス800によってアクセスし得る任意の他の媒体を含み得るが、これらに限定されない。本明細書では、コンピュータ記憶媒体は、信号自体を含まない。
コンピュータ記憶媒体は、搬送波などの変調データ信号又は他の移送機構においてコンピュータ可読命令、データ構造体、プログラム・モジュール、及び/又は他のデータ・タイプを実施することができ、任意の情報配信媒体を含む。「変調データ信号」という用語は、その特性セットのうちの1つ又は複数を有する或いは信号内の情報をエンコードするような方式で変化した信号を指し得る。例として、しかし限定せず、コンピュータ記憶媒体は、ワイヤード・ネットワーク又は直接ワイヤード接続などのワイヤード媒体と、音響、RF、赤外線及び他のワイヤレス媒体などのワイヤレス媒体とを含み得る。前述のいずれかの組合せもまた、コンピュータ可読媒体の範囲に含まれるべきである。
CPU806は、コンピュータ可読命令のうちの少なくともいくつかを実行して計算デバイス800の1つ又は複数の構成要素を制御して本明細書に記載の方法及び/又はプロセスのうちの1つ又は複数を実行するように構成され得る。CPU806は、多数のソフトウェア・スレッドを同時に処理する能力を有する1つ又は複数の(たとえば、1個、2個、4個、8個、28個、72個などの)コアをそれぞれ含み得る。CPU806は、任意のタイプのプロセッサを含み得、実装された計算デバイス800のタイプに応じて、異なるタイプのプロセッサを含み得る(たとえば、モバイル・デバイスのためのより少数のコアを有するプロセッサ、及びサーバのためのより多数のコアを有するプロセッサ)。たとえば、計算デバイス800のタイプに応じて、プロセッサは、縮小命令セット計算(RISC:Reduced Instruction Set Computing)を使用して実装されたAdvanced RISC Machines(ARM)プロセッサ、又は複合命令セット計算(CISC:Complex Instruction Set Computing)を使用して実装されたx86プロセッサでもよい。計算デバイス800は、計算コプロセッサなど、1つ又は複数のマイクロプロセッサ又は補助コプロセッサ内の1つ又は複数のCPU806を含み得る。
CPU806に加えて又はその代わりに、GPU808は、コンピュータ可読命令のうちの少なくともいくつかを実行して計算デバイス800の1つ又は複数の構成要素を制御して本明細書に記載の方法及び/又はプロセスのうちの1つ又は複数を実行するように構成され得る。GPU808のうちの1つ若しくは複数は、統合されたGPU(たとえば、CPU806のうちの1つ又は複数とでもよく、及び/又はGPU808のうちの1つ若しくは複数は、離散GPUでもよい。実施例では、GPU808のうちの1つ又は複数は、CPU806のうちの1つ又は複数のコプロセッサでもよい。GPU808は、グラフィックス(たとえば、3Dグラフィックス)をレンダリングする又は汎用計算を実行するために、計算デバイス800によって使用され得る。たとえば、GPU808は、GPUによる汎用計算(GPGPU:General-Purpose computing on GPU)のために使用され得る。GPU808は、同時に数百又は数千のソフトウェア・スレッドを処理する能力を有する数百又は数千のコアを含み得る。GPU808は、レンダリング・コマンド(たとえば、ホスト・インターフェースを介して受信されたCPU806からのレンダリング・コマンド)に応答して、出力画像のための画素データを生成することができる。GPU808は、画素データ又は任意の他の適切なデータ、たとえばGPGPUデータ、を記憶するためのグラフィックス・メモリ、たとえば表示メモリ、を含み得る。表示メモリは、メモリ804の一部として含まれ得る。GPU808は、並行して動作する(たとえば、リンクを介して)2個以上のGPUを含み得る。リンクは、GPUに直接接続することができ(たとえば、NVLINKを使用して)、又はスイッチを介して(たとえば、NVSwitchを使用して)GPUを接続することができる。ともに結合されるとき、各GPU808は、出力の異なる部分の又は異なる出力の画素データ又はGPGPUデータ(たとえば、第1の画像の第1のGPU及び第2の画像の第2のGPU)を生成することができる。各GPUは、独自のメモリを含むことができ、又は他のGPUとメモリを共有することができる。
CPU806及び/又はGPU808に加えて又はその代わりに、論理ユニット820は、コンピュータ可読命令のうちの少なくともいくつかを実行して計算デバイス800のうちの1つ又は複数を制御して本明細書に記載の方法及び/又はプロセスのうちの1つ又は複数を実行するように構成され得る。実施例では、CPU806、GPU808、及び/又は論理ユニット820は、方法、プロセス及び/又はその部分の任意の組合せを離散的に又は合同で実行することができる。論理ユニット820のうちの1つ若しくは複数は、CPU806及び/若しくはGPU808のうちの1つ若しくは複数の一部でもよく及び/又はそこで統合されてもよく、及び/又は、論理ユニット820のうちの1つ若しくは複数は、CPU806及び/若しくはGPU808に対する離散構成要素であっても若しくは他の方法でそれらの外部にあってもよい。実施例では、論理ユニット820のうちの1つ又は複数は、CPU806のうちの1つ若しくは複数及び/又はGPU808のうちの1つ若しくは複数のコプロセッサでもよい。
論理ユニット820の実例は、1つ又は複数の処理コア及び/又はその構成要素、たとえば、データ処理ユニット(DPU:Data Processing Unit)、テンソル・コア(TC:Tensor Core)、テンソル処理ユニット(TPU:Tensor Processing Unit)、画素ビジュアル・コア(PVC:Pixel Visual Core)、ビジョン処理ユニット(VPU:Vision Processing Unit)、グラフィックス処理クラスタ(GPC:Graphics Processing Cluster)、テクスチャ処理クラスタ(TPC:Texture Processing Cluster)、ストリーミング・マルチプロセッサ(SM:Streaming Multiprocessor)、木の走査ユニット(TTU:Tree Traversal Unit)、人工知能加速装置(AIA:Artificial Intelligence Accelerator)、深層学習加速装置(DLA:Deep Learning Accelerator)、論理演算ユニット(ALU)、特定用途向け集積回路(ASIC)、浮動小数点演算ユニット(FPU)、入力/出力(I/O)エレメント、周辺構成要素相互接続(PCI)又は周辺構成要素相互接続エクスプレス(PCIe)エレメント、及び/又は同類のもの、を含む。
通信インターフェース810は、ワイヤード及び/又はワイヤレス通信を含む、電子通信ネットワークを介して計算デバイス800が他の計算デバイスと通信することを可能にする、1つ又は複数のレシーバ、トランスミッタ、及び/又はトランシーバを含み得る。通信インターフェース810は、ワイヤレス・ネットワーク(たとえば、Wi-Fi、Z-Wave、W(登録商標)、ブルートゥース(登録商標)LE、ZigBeeなど)、ワイヤード・ネットワーク(たとえば、イーサネット(登録商標)又はInfiniBandを介して通信すること)、低電力ワイド・エリア・ネットワーク(たとえば、LoRaWAN、SigFoxなど)、及び/又はインターネットなどの、いくつかの異なるネットワークのうちのいずれかを介する通信を可能にするための構成要素及び機能を含み得る。1つ又は複数の実施例において、論理ユニット820及び/又は通信インターフェース810は、ネットワークを介して及び/又は相互接続システム802を介して受信されたデータを1つ又は複数のGPU808(たとえば、そのメモリ)に直接的に送信するために、1つ又は複数のデータ処理ユニット(DPU)を含み得る。
I/Oポート812は、そのうちのいくつかは計算デバイス800に内蔵(たとえば、統合)され得る、I/O構成要素814、提示構成要素818、及び/又は他の構成要素を含む、他のデバイスに計算デバイス800が論理的に連結されることを可能にすることができる。例示的なI/O構成要素814は、マイクロフォン、マウス、キーボード、ジョイスティック、ゲーム・パッド、ゲーム・コントローラ、サテライト・ディッシュ、スキャナ、プリンタ、ワイヤレス・デバイスなどを含む。I/O構成要素814は、エア・ジェスチャ、音声、又は、ユーザによって生成される他の生理的入力を処理する自然ユーザ・インターフェース(NUI:natural user interface)を提供することができる。場合によっては、入力は、さらなる処理のための適切なネットワーク要素に送信され得る。NUIは、音声認識、スタイラス認識、顔認識、生体認識、画面上での及び画面の隣でのジェスチャ認識、エア・ジェスチャ、頭部及び視標追跡、並びに計算デバイス800のディスプレイに関連するタッチ認識(さらに詳しく後述するような)の任意の組合せを実装し得る。計算デバイス800は、ジェスチャ検出及び認識のための、ステレオスコープ・カメラ・システム、赤外線カメラ・システム、RGBカメラ・システム、タッチ画面技術、及びこれらの組合せなど、深度カメラを含み得る。追加で、計算デバイス800は、動きの検出を可能にする加速度計又はジャイロスコープを含み得る(たとえば、慣性測定ユニット(IMU:inertia measurement unit)の一部として)。いくつかの実例では、加速度計又はジャイロスコープの出力は、没入型拡張現実又は仮想現実をレンダリングするために、計算デバイス800によって使用され得る。
電力供給装置816は、ハードワイヤード電力供給装置、バッテリ電力供給装置、又はその組合せを含み得る。電力供給装置816は、計算デバイス800の構成要素が動作することを可能にするために計算デバイス800に電力を提供することができる。
提示構成要素818は、ディスプレイ(たとえば、モニタ、タッチ画面、テレビジョン画面、ヘッドアップ表示装置(HUD)、他のディスプレイタイプ、又はその組合せ)、スピーカ、及び/又は他の提示構成要素を含み得る。提示構成要素818は、他の構成要素(たとえば、GPU808、CPU806など)からデータを受信し、データを(たとえば、画像、ビデオ、音響などとして)出力することができる。
例示的データ・センタ
図9は、本開示の少なくとも1つの実施例において使用され得る例示的データ・センタ900を示す。データ・センタ900は、データ・センタ・インフラストラクチャ層910、フレームワーク層920、ソフトウェア層930、及び/又はアプリケーション層940を含み得る。
図9は、本開示の少なくとも1つの実施例において使用され得る例示的データ・センタ900を示す。データ・センタ900は、データ・センタ・インフラストラクチャ層910、フレームワーク層920、ソフトウェア層930、及び/又はアプリケーション層940を含み得る。
図9に示すように、データ・センタ・インフラストラクチャ層910は、資源オーケストレータ912、グループ化された計算資源914、及びノード計算資源(「ノードC.R.」)916(1)~916(N)を含み得、そこで、「N」は、任意の整数の、自然数を表す。少なくとも1つの実施例において、ノードC.R.916(1)~916(N)は、任意の数の中央処理装置(CPU)又は他のプロセッサ(DPU、加速装置、フィールド・プログラマブル・ゲート・アレイ(FPGA)、グラフィックス・プロセッサ若しくはグラフィックス・プロセッシング・ユニット(GPU)などを含む)、メモリ・デバイス(たとえば、動的リード・オンリ・メモリ)、記憶デバイス(たとえば、ソリッドステート若しくはディスク・ドライブ)、ネットワーク入力/出力(NW I/O)デバイス、ネットワーク・スイッチ、仮想マシン(VM)、電力モジュール、及び/又は冷却モジュールなどを含み得るが、これらに限定されない。いくつかの実施例において、ノードC.R.916(1)~916(N)のうちの1つ又は複数のノードC.R.は、前述の計算資源のうちの1つ又は複数を有するサーバに対応し得る。加えて、いくつかの実施例において、ノードC.R.916(1)~9161(N)は、1つ若しくは複数の仮想構成要素、たとえば、vGPU、vCPU、及び/若しくは同類のもの、を含み得る、並びに/又は、ノードC.R.916(1)~916(N)のうちの1つ若しくは複数は、仮想マシン(VM)に対応し得る。
少なくとも1つの実施例において、グループ化された計算資源914は、1つ又は複数のラック(図示せず)内に収容された別個のグループのノードC.R.916、或いは様々な地理的場所(やはり図示せず)にあるデータ・センタに収容された多数のラックを含み得る。グループ化された計算資源914内の別個のグループのノードC.R.916は、1つ又は複数のワークロードをサポートするように構成する又は割り当てることができる、グループ化された計算、ネットワーク、メモリ又はストレージ資源を含み得る。少なくとも1つの実施例において、CPU、GPU、DPU、及び/又は他のプロセッサを含むいくつかのノードC.R.916は、1つ又は複数のワークロードをサポートするための計算資源を提供するために、1つ又は複数のラック内にグループ化され得る。1つ又は複数のラックはまた、任意の組合せで、任意の数の電力モジュール、冷却モジュール、及び/又はネットワーク・スイッチを含み得る。
資源オーケストレータ912は、1つ若しくは複数のノードC.R.916(1)~916(N)及び/又はグループ化された計算資源914を構成又は他の方法で制御することができる。少なくとも1つの実施例において、資源オーケストレータ912は、データ・センタ900のソフトウェア設計インフラストラクチャ(SDI)管理エンティティを含み得る。資源オーケストレータ912は、ハードウェア、ソフトウェア、又はその何らかの組合せを含み得る。
少なくとも1つの実施例において、図9に示すように、フレームワーク層920は、ジョブ・スケジューラ932、構成マネージャ934、資源マネージャ936、及び/又は分散型ファイル・システム938を含み得る。フレームワーク層920は、ソフトウェア層930のソフトウェア932及び/又はアプリケーション層940の1つ若しくは複数のアプリケーション942をサポートするためにフレームワークを含み得る。ソフトウェア932又はアプリケーション942は、ウェブベースのサービス・ソフトウェア又はアプリケーション、たとえば、アマゾン・ウェブ・サービス、グーグル・クラウド及びMicrosoft Azureによって提供されるもの、をそれぞれ含み得る。フレームワーク層920は、大規模データ処理(たとえば、「ビッグ・データ」)のための分散型ファイル・システム938を使用し得るApache Spark(商標)(以下「Spark」)などのフリー及びオープン・ソース・ソフトウェア・ウェブ・アプリケーション・フレームワークのタイプでもよいが、これに限定されない。少なくとも1つの実施例において、ジョブ・スケジューラ932は、データ・センタ900の様々な層によってサポートされるワークロードのスケジューリングを容易にするために、Sparkドライバを含み得る。構成マネージャ934は、異なる層、たとえば、ソフトウェア層930と、大規模データ処理をサポートするためのSpark及び分散型ファイル・システム938を含むフレームワーク層920、を構成する能力を有し得る。資源マネージャ936は、分散型ファイル・システム938及びジョブ・スケジューラ932のサポートのためにマップされた又は割り当てられたクラスタ化された又はグループ化された計算資源を管理する能力を有し得る。少なくとも1つの実施例において、クラスタ化された又はグループ化された計算資源は、データ・センタ・インフラストラクチャ層910にグループ化された計算資源914を含み得る。資源マネージャ936は、資源オーケストレータ912と調整して、これらのマップされた又は割り当てられた計算資源を管理することができる。
少なくとも1つの実施例において、ソフトウェア層930に含まれるソフトウェア932は、ノードC.R.916(1)~916(N)の少なくとも部分、グループ化された計算資源914、及び/又はフレームワーク層920の分散型ファイル・システム938によって使用されるソフトウェアを含み得る。1つ又は複数のタイプのソフトウェアは、インターネット・ウェブ・ページ検索ソフトウェア、電子メール・ウイルス・スキャン・ソフトウェア、データベース・ソフトウェア、及びストリーミング・ビデオ・コンテンツ・ソフトウェアを含み得るが、これらに限定されない。
少なくとも1つの実施例において、アプリケーション層940に含まれるアプリケーション942は、ノードC.R.916(1)~916(N)の少なくとも部分、グループ化された計算資源914、及び/又はフレームワーク層920の分散型ファイル・システム938によって使用される1つ又は複数のタイプのアプリケーションを含み得る。1つ又は複数のタイプのアプリケーションは、任意の数のゲノミクス・アプリケーション、認知計算、並びに、トレーニング若しくは推論ソフトウェア、マシン学習フレームワーク・ソフトウェア(たとえば、PyTorch、TensorFlow、Caffeなど)、及び/又は1つ若しくは複数の実施例と併せて使用される他のマシン学習アプリケーションを含む、マシン学習アプリケーションを含み得るが、これらに限定されない。
少なくとも1つの実施例において、構成マネージャ934、資源マネージャ936、及び資源オーケストレータ912のうちのいずれかは、任意の技術的に可能な方式で取得される任意の量及びタイプのデータに基づいて任意の数及びタイプの自己書換え型アクションを実装することができる。自己書換え型アクションは、よくない可能性のある構成決定を行うこと並びにデータ・センタの十分に活用されていない及び/又は実行の不十分な部分を恐らく回避することからデータ・センタ900のデータ・センタ・オペレータを解放し得る。
データ・センタ900は、1つ又は複数のマシン学習モデルをトレーニングする或いは本明細書に記載の1つ又は複数の実施例による1つ又は複数のマシン学習モデルを使用して情報を予測する又は推論するために、ツール、サービス、ソフトウェア或いは他の資源を含み得る。たとえば、マシン学習モデルは、データ・センタ900に関して前述されたソフトウェア及び/又は計算資源を使用するニューラル・ネットワーク・アーキテクチャによる重量パラメータの計算によって、トレーニングされ得る。少なくとも1つの実施例において、1つ又は複数のニューラル・ネットワークに対応するトレーニングされた又は配備されたマシン学習モデルは、たとえば、本明細書に記載のものに限定されない、1つ又は複数のトレーニング技法を介して計算された重量パラメータを使用することによって、データ・センタ900に関して前述された資源を使用して情報を推論又は予測するために使用され得る。
少なくとも1つの実施例において、データ・センタ900は、前述の資源を使用するトレーニング及び/又は推論の実行のために、CPU、特定用途向け集積回路(ASIC)、GPU、FPGA、及び/又は他のハードウェア(若しくはそれに対応する仮想計算資源)を使用することができる。さらに、前述の1つ又は複数のソフトウェア及び/又はハードウェア資源は、情報の推論をユーザがトレーニング又は実行することを可能にするためのサービス、たとえば、画像認識、音声認識、又は他の人工知能サービス、として構成され得る。
例示的ネットワーク環境
本開示の実施例の実装において使用するのに適したネットワーク環境は、1つ若しくは複数のクライアント・デバイス、サーバ、ネットワーク接続型ストレージ(NAS:network attached storage)、他のバックエンド・デバイス、及び/又は他のデバイス・タイプを含み得る。クライアント・デバイス、サーバ、及び/又は他のデバイス・タイプ(たとえば、各デバイス)は、図8の計算デバイス800の1つ又は複数のインスタンスで実装され得、たとえば、各デバイスは、計算デバイス800の類似の構成要素、特徴、及び/又は機能性を含み得る。加えて、バックエンド・デバイス(たとえば、サーバ、NASなど)が、実装される場合、バックエンド・デバイスは、データ・センタ900の一部として含まれ得、その実例は、図9に関して本明細書でさらに詳述される。
本開示の実施例の実装において使用するのに適したネットワーク環境は、1つ若しくは複数のクライアント・デバイス、サーバ、ネットワーク接続型ストレージ(NAS:network attached storage)、他のバックエンド・デバイス、及び/又は他のデバイス・タイプを含み得る。クライアント・デバイス、サーバ、及び/又は他のデバイス・タイプ(たとえば、各デバイス)は、図8の計算デバイス800の1つ又は複数のインスタンスで実装され得、たとえば、各デバイスは、計算デバイス800の類似の構成要素、特徴、及び/又は機能性を含み得る。加えて、バックエンド・デバイス(たとえば、サーバ、NASなど)が、実装される場合、バックエンド・デバイスは、データ・センタ900の一部として含まれ得、その実例は、図9に関して本明細書でさらに詳述される。
ネットワーク環境の構成要素は、ワイヤード、ワイヤレス、又はその両方でもよい、ネットワークを介して互いに通信し得る。ネットワークは、複数のネットワーク、又はネットワークのネットワークを含み得る。実例として、ネットワークは、1つ若しくは複数のワイド・エリア・ネットワーク(WAN)、1つ若しくは複数のローカル・エリア・ネットワーク(LAN)、1つ若しくは複数のパブリック・ネットワーク、たとえば、インターネット及び/若しくは公衆交換電話網(PSTN)、並びに/又は1つ若しくは複数のプライベート・ネットワークを含み得る。ネットワークが、ワイヤレス電気通信ネットワークを含む場合、構成要素、たとえば、基地局、通信塔、或いはアクセス・ポイント(並びに他の構成要素)、は、ワイヤレス接続を提供し得る。
互換性のあるネットワーク環境は、1つ又は複数のピア・ツー・ピア・ネットワーク環境(その場合、サーバはネットワーク環境に含まれないことがある)と、1つ又は複数のクライアント・サーバ・ネットワーク環境(その場合、1つ又は複数のサーバがネットワーク環境に含まれ得る)とを含み得る。ピア・ツー・ピア・ネットワーク環境では、サーバに関して本明細書に記載した機能性は、任意の数のクライアント・デバイスで実装され得る。
少なくとも1つの実施例において、ネットワーク環境は、1つ又は複数のクラウドベースのネットワーク環境、分散型計算環境、その組合せなどを含み得る。クラウドベースのネットワーク環境は、フレームワーク層、ジョブ・スケジューラ、資源マネージャ、並びに、1つ若しくは複数のコア・ネットワーク・サーバ及び/又はエッジ・サーバを含み得る、サーバのうちの1つ又は複数で実装された分散型ファイル・システムを含み得る。フレームワーク層は、ソフトウェア層のソフトウェア及び/又はアプリケーション層の1つ若しくは複数のアプリケーションをサポートするために、フレームワークを含み得る。ソフトウェア又はアプリケーションは、それぞれ、ウェブベースのサービス・ソフトウェア又はアプリケーションを含み得る。実施例において、クライアント・デバイスのうちの1つ又は複数は、ウェブベースのサービス・ソフトウェア又はアプリケーションを使用し得る(たとえば、1つ又は複数のアプリケーション・プログラミング・インターフェース(API)を介してサービス・ソフトウェア及び/又はアプリケーションにアクセスすることによって)。フレームワーク層は、たとえば大規模データ処理(たとえば、「ビッグ・データ」)のための分散型ファイル・システムを使用し得る、フリー及びオープン・ソース・ソフトウェア・ウェブ・アプリケーション・フレームワークのタイプでもよいが、これに限定されない。
クラウドベースのネットワーク環境は、本明細書に記載の計算及び/又はデータ・ストレージ機能(又は1つ若しくは複数のその部分)の任意の組合せを実施するクラウド計算及び/又はクラウド・ストレージを提供し得る。これらの様々な機能のいずれも、セントラル又はコア・サーバ(たとえば、州、領域、国、世界にわたって分散され得る1つ又は複数のデータ・センタなどの)から複数の場所に分散され得る。ユーザ(たとえば、クライアント・デバイス)への接続が、エッジ・サーバに比較的近い場合、コア・サーバは、機能性の少なくとも一部分をエッジ・サーバに任じ得る。クラウドベースのネットワーク環境は、プライベート(たとえば、単一の組織に制限される)でもよく、パブリック(たとえば、多数の組織に利用可能)、及び/又はその組合せ(たとえば、ハイブリッド・クラウド環境)でもよい。
クライアント・デバイスは、図8に関して本明細書に記載の例示的計算デバイス800の構成要素、特徴、及び機能性のうちの少なくともいくつかを含み得る。実例として、及び制限ではなく、クライアント・デバイスは、パーソナル・コンピュータ(PC)、ラップトップ・コンピュータ、モバイル・デバイス、スマートフォン、タブレット・コンピュータ、スマート・ウォッチ、ウェアラブル・コンピュータ、パーソナル・デジタル・アシスタント(PDA)、MP3プレイヤ、仮想現実ヘッドセット、全地球測位システム(GPS)又はデバイス、ビデオ・プレイヤ、ビデオカメラ、監視デバイス又はシステム、車両、ボート、飛行船、仮想マシン、ドローン、ロボット、ハンドヘルド通信デバイス、病院デバイス、ゲーミング・デバイス又はシステム、娯楽システム、車両コンピュータ・システム、組み込み型システム・コントローラ、リモート制御、器具、民生用電子デバイス、ワークステーション、エッジ・デバイス、これらの描写されたデバイスの任意の組合せ、或いは任意の他の適切なデバイスとして実施され得る。
本開示は、コンピュータ又は、携帯情報端末若しくは他のハンドヘルド・デバイスなどの、他のマシンによって実行されている、プログラム・モジュールなどのコンピュータ実行可能命令を含む、コンピュータ・コード又はマシン使用可能命令との一般的関連において説明されることがある。一般に、ルーティン、プログラム、オブジェクト、構成要素、データ構造体などを含むプログラム・モジュールは、特定のタスクを実行する又は特定の抽象データ・タイプを実装するコードを指す。本開示は、ハンドヘルド・デバイス、家電製品、汎用コンピュータ、より特殊な計算デバイスなどを含む、様々な構成で実施され得る。本開示はまた、通信ネットワークを介してリンクされた遠隔処理デバイスによってタスクが実行される分散型コンピューティング環境において実施され得る。
本明細書では、2個以上の要素に関する「及び/又は」の記述は、1つの要素のみ、又は要素の組合せを意味すると解釈されるべきである。たとえば、「要素A、要素B、及び/又は要素C」は、要素Aのみ、要素Bのみ、要素Cのみ、要素A及び要素B、要素A及び要素C、要素B及び要素C、或いは、要素A、B、及びCを含み得る。加えて、「要素A又は要素Bのうちの少なくとも1つ」は、要素Aの少なくとも1つ、要素Bの少なくとも1つ、或いは、要素Aの少なくとも1つ及び要素Bの少なくとも1つを含み得る。さらに、「要素A及び要素Bのうちの少なくとも1つ」は、要素Aのうちの少なくとも1つ、要素Bのうちの少なくとも1つ、或いは、要素Aのうちの少なくとも1つ及び要素Bのうちの少なくとも1つを含み得る。
本開示の主題は、法定の要件を満たすために特異性を有して記述されている。しかしながら、その記述自体が本開示の範囲を制限することは意図されていない。そうではなくて、本発明者は、請求されている主題が、他の現在の又は未来の技術と併せて、異なるステップ又は本文書に記載されたものと類似のステップの組合せを含むように、他の形で実施され得ることを意図している。さらに、「ステップ」及び/又は「ブロック」という用語は、使用される方法の異なる要素を含意するように本明細書で使用され得るが、これらの用語は、個別のステップの順番が明示的に記載されていない限り及びそのように記載されているときを除いて本明細書で開示される様々なステップの間に何らかの特定の順番を暗示するものとして解釈されるべきではない。
Claims (20)
- 電子的構成要素と、
前記電子的構成要素に電気的に連結された電力供給装置であり、入力電圧を前記電子的構成要素に提供するための前記電力供給装置と、
前記電力供給装置と前記電子的構成要素との間に配置された電圧モニタと
を備えるシステムであって、前記電圧モニタが、
前記入力電圧を第1の過電圧(OV)閾値及び第1の不足電圧(UV)閾値と比較するための高周波数電圧エラー検出器と、
前記入力電圧をフィルタ処理してフィルタ処理された入力電圧を生成し、前記フィルタ処理された入力電圧を第2のUV閾値及び第2のOV閾値と比較するための低周波数電圧エラー検出器と、
前記電圧モニタ及び前記電子的構成要素に通信可能に連結された安全マネージャであって、
前記入力電圧が前記第1のOV閾値より大きいこと、
前記入力電圧が前記第1のUV閾値未満であること、
前記フィルタ処理された入力電圧が前記第2のOV閾値より大きいこと、又は
前記フィルタ処理された入力電圧が前記第2のUV閾値未満であること
のうちの少なくとも1つを前記電圧モニタが検出したときに前記電子的構成要素の動作状態への変更を引き起こすための安全マネージャと
を含む、システム。 - 前記電子的構成要素が、プロセッサ又はシステム・オン・チップ(SoC)のうちの少なくとも1つを含み、前記電力供給装置が、切り替えモード電力供給装置又は線形電力供給装置のうちの少なくとも1つを含む、請求項1に記載のシステム。
- 前記低周波数電圧エラー検出器が、
ノイズの少なくとも一部分を前記入力電圧から取り除いて前記フィルタ処理された入力電圧を生成するためのローパス・フィルタと、
前記第1のOV閾値及び前記第1のUV閾値との前記フィルタ処理された入力電圧の前記比較を実行するための第1の比較器と
を含み、
前記高周波数電圧エラー検出器が、前記第2のOV閾値及び前記第2のUV閾値との前記入力電圧の前記比較を実行するための第2の比較器を含む、
請求項1に記載のシステム。 - 前記高周波数電圧エラー検出器が、前記低周波数電圧エラー検出器と並列しており、
前記高周波数電圧エラー検出器が、前記低周波数電圧エラー検出器を使用して実行される前記入力電圧と前記第2のOV閾値又は前記第2のUV閾値のうちの少なくとも1つとの比較と少なくとも部分的に同時に前記入力電圧と前記第1のOV閾値又は前記第1のUV閾値のうちの少なくとも1つとを比較するように構成されている、
請求項1に記載のシステム。 - 前記第1のOV閾値、前記第1のUV閾値、前記第2のOV閾値、又は前記第2のUV閾値のうちの少なくとも1つが、再プログラム可能である、請求項1に記載のシステム。
- 前記電圧モニタが、前記電力供給装置又は前記電子的構成要素のうちの少なくとも1つの外部にある、請求項1に記載のシステム。
- 別の電子的構成要素と、
前記別の電子的構成要素に電気的に連結された別の電力供給装置であって、別の入力電圧を前記第2の電子的構成要素に提供するための別の電力供給装置と
をさらに備え、
前記電圧モニタがさらに、前記別の入力電圧を前記第1のOV閾値、前記第1のUV閾値、前記第2のOV閾値、及び前記第2のUV閾値と比較するように構成され、
前記安全マネージャがさらに、
前記別の入力電圧が前記第1のOV閾値より大きいこと、
前記別の入力電圧が前記第1のUV閾値未満であること、
前記別のフィルタ処理された入力電圧が前記第2のOV閾値より大きいこと、又は
前記フィルタ処理された入力電圧が前記第2のUV閾値未満であること
のうちの少なくとも1つを前記電圧モニタが検出したときに、前記別の電子的構成要素の動作状態への変更を引き起こすように構成されている、
請求項1に記載のシステム。 - 前記第1の電力供給装置が、切り替えモード電力供給装置であり、
前記第2の電力供給装置が、線形電力供給装置である、
請求項7に記載のシステム。 - 前記システムが、
自律若しくは半自律マシンのための制御システム、
自律若しくは半自律マシンのための知覚システム、
シミュレーション動作を実行するためのシステム、
深層学習動作を実行するためのシステム、
エッジ・デバイスを使用して実装されるシステム、
ロボットを使用して実装されるシステム、
1つ若しくは複数の仮想マシン(VM)を組み込むシステム、
データ・センタにおいて少なくとも部分的に実装されるシステム、又は
クラウド計算資源を使用して少なくとも部分的に実装されるシステム
のうちの少なくとも1つに含まれる、請求項1に記載のシステム。 - 電力供給装置を使用して、入力電圧を電子的構成要素に提供するステップと、
高周波数電圧エラー検出器を使用して、前記入力電圧を高周波数過電圧(OV)閾値又は高周波数不足電圧(UV)閾値のうちの少なくとも1つと比較するステップと、
低周波数電圧エラー検出器のローパス・フィルタを使用して、前記入力電圧をフィルタ処理してフィルタ処理された入力電圧を生成するステップと、
前記低周波数電圧エラー検出器を使用して、前記フィルタ処理された電圧を低周波数OV閾値又は低周波数UV閾値のうちの少なくとも1つと比較するステップと、
安全マネージャを使用して、前記入力電圧が前記高周波数OV閾値より大きいこと、前記入力電圧が前記高周波数UV閾値未満であること、前記フィルタ処理された入力電圧が前記低周波数OV閾値より大きいこと、又は前記フィルタ処理された入力電圧が前記低周波数UV閾値未満であることのうちの少なくとも1つに基づいて電圧エラーを判定するステップと、
前記電圧エラーを判定するステップに少なくとも部分的に基づいて、前記電子的構成要素の動作モードへの変更を引き起こすステップと
を含む、方法。 - 前記電子的構成要素が、プロセッサ又はシステム・オン・チップ(SoC)のうちの少なくとも1つを含む、請求項10に記載の方法。
- 前記電力供給装置が、切り替えモード電力供給装置であり、
前記入力電圧が、直流(DC)に対応し、
前記ローパス・フィルタが、交流(AC)ノイズの少なくとも一部分を前記入力電圧から取り除いて前記フィルタ処理された入力電圧を生成する、
請求項10に記載の方法。 - 前記高周波数電圧エラー検出器及び前記低周波数エラー検出器が、並列して配置され、
前記高周波数電圧エラー検出器を使用して比較するステップ及び前記低周波数電圧エラー検出器を使用して比較するステップが、少なくとも部分的に同時に実行される、
請求項10に記載の方法。 - 前記高周波数OV閾値、前記高周波数UV閾値、前記低周波数OV閾値、及び前記低周波数UV閾値のうちの少なくとも1つが、再プログラム可能である、請求項10に記載の方法。
- 入力電圧を、電子的構成要素に電気的に連結された電力供給装置であって、前記入力電圧を前記電子的構成要素に提供する電力供給装置から受信し、
高周波数電圧エラー検出器を使用して、前記入力電圧を高周波数過電圧(OV)閾値又は高周波数不足電圧(UV)閾値のうちの少なくとも1つと比較し、
低周波数電圧エラー検出器を使用して、前記入力電圧をフィルタ処理してフィルタ処理された入力電圧を生成し、
前記低周波数電圧エラー検出器を使用して、前記フィルタ処理された電圧を低周波数OV閾値又は低周波数UV閾値のうちの少なくとも1つと比較し、
前記入力電圧が前記高周波数OV閾値より大きいこと、前記入力電圧が前記高周波数UV閾値未満であること、前記フィルタ処理された入力電圧が前記低周波数OV閾値より大きいこと、又は前記フィルタ処理された入力電圧が前記低周波数UV閾値未満であることのうちの少なくとも1つに基づいて電圧エラーを検出したときに、前記システムの安全マネージャに前記電圧エラーを指示する
ための回路を備える、電圧モニタ。 - 前記電圧エラーの前記指示が、前記安全マネージャに通信可能に連結された電子的構成要素への変更を引き起こす、請求項15に記載の電圧モニタ。
- 前記電力供給装置が、切り替えモード電力供給装置であり、
前記入力電圧が、直流(DC)に対応し、
前記ローパス・フィルタが、交流(AC)ノイズの少なくとも一部分を前記入力電圧から取り除いて、前記フィルタ処理された入力電圧を生成する、
請求項15に記載の電圧モニタ。 - 前記フィルタ処理された入力電圧が、前記低周波数電圧エラー検出器のローパス・フィルタを使用して生成される、請求項15に記載の電圧モニタ。
- 前記入力電圧の前記比較が、第1の比較器を使用して実行され、前記フィルタ処理された入力電圧の前記比較が、第2の比較器を使用して実行される、請求項15に記載の電圧モニタ。
- 前記電圧モニタが、
自律若しくは半自律マシンのための制御システム、
自律若しくは半自律マシンのための知覚システム、
シミュレーション動作を実行するためのシステム、
深層学習動作を実行するためのシステム、
エッジ・デバイスを使用して実装されるシステム、
ロボットを使用して実装されるシステム、
1つ若しくは複数の仮想マシン(VM)を組み込むシステム、
データ・センタにおいて少なくとも部分的に実装されるシステム、又は、
クラウド計算資源を使用して少なくとも部分的に実装されるシステム
のうちの少なくとも1つに含まれる、請求項1に記載の電圧モニタ。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/346,762 | 2021-06-14 | ||
US17/346,762 US11372465B1 (en) | 2021-06-14 | 2021-06-14 | Voltage monitoring over multiple frequency ranges for autonomous machine applications |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022190646A true JP2022190646A (ja) | 2022-12-26 |
Family
ID=82320238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021167137A Pending JP2022190646A (ja) | 2021-06-14 | 2021-10-12 | 自律マシン・アプリケーションのための複数の周波数範囲にわたる電圧監視 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11372465B1 (ja) |
JP (1) | JP2022190646A (ja) |
CN (1) | CN115480092A (ja) |
DE (1) | DE102022114516A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10031523B2 (en) * | 2016-11-07 | 2018-07-24 | Nio Usa, Inc. | Method and system for behavioral sharing in autonomous vehicles |
TWI800365B (zh) * | 2022-04-29 | 2023-04-21 | 華碩電腦股份有限公司 | 電源供應器的健康檢測系統及其檢測方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7630841B2 (en) * | 2007-03-30 | 2009-12-08 | Texas Instruments Incorporated | Supervising and sequencing commonly driven power supplies with digital information |
KR101745704B1 (ko) * | 2009-10-26 | 2017-06-12 | 페어차일드코리아반도체 주식회사 | 역률 보상 회로 및 역률 보상 회로의 구동 방법 |
US9541991B2 (en) * | 2012-12-14 | 2017-01-10 | Intel Corporation | Method and apparatus for managing computing system power |
US9568511B2 (en) * | 2014-03-13 | 2017-02-14 | Applied Micro Circuits Corporation | High frequency voltage supply monitor |
-
2021
- 2021-06-14 US US17/346,762 patent/US11372465B1/en active Active
- 2021-10-12 JP JP2021167137A patent/JP2022190646A/ja active Pending
-
2022
- 2022-04-02 CN CN202210368290.XA patent/CN115480092A/zh active Pending
- 2022-06-09 DE DE102022114516.6A patent/DE102022114516A1/de active Pending
- 2022-06-28 US US17/852,186 patent/US11693470B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11372465B1 (en) | 2022-06-28 |
US20220397952A1 (en) | 2022-12-15 |
DE102022114516A1 (de) | 2022-12-15 |
CN115480092A (zh) | 2022-12-16 |
US11693470B2 (en) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7399164B2 (ja) | 駐車スペース検出に適したスキューされたポリゴンを使用した物体検出 | |
JP2022536030A (ja) | ビデオ分析アプリケーションにおける相関フィルタを使用した複数物体追跡 | |
JP2023531330A (ja) | マシン学習を使用した自律マシン・アプリケーションのためのセンサ融合 | |
JP2022538813A (ja) | 自律マシン・アプリケーションのための交差点領域検出及び分類 | |
JP2023507695A (ja) | 自律運転アプリケーションのための3次元交差点構造予測 | |
JP2023509831A (ja) | 自律マシン・アプリケーションにおける車線変更プランニング及び制御 | |
JP2023503729A (ja) | 自律運転アプリケーションのための曲線適合を使用するランドマーク検出 | |
US20230054759A1 (en) | Object tracking using lidar data for autonomous machine applications | |
US11693470B2 (en) | Voltage monitoring over multiple frequency ranges for autonomous machine applications | |
US20220297706A1 (en) | Combining rule-based and learned sensor fusion for autonomous systems and applications | |
US20240059295A1 (en) | Multi-view geometry-based hazard detection for autonomous systems and applications | |
JP2022132075A (ja) | 自律運転アプリケーションにおけるディープ・ニューラル・ネットワーク知覚のためのグラウンド・トゥルース・データ生成 | |
JP2023021910A (ja) | 自律マシン・アプリケーションにおける距離画像マッピングのための信念伝搬 | |
US20230014569A1 (en) | State suspension for optimizing start-up processes of autonomous vehicles | |
US20220340149A1 (en) | End-to-end evaluation of perception systems for autonomous systems and applications | |
CN117581117A (zh) | 自主机器系统和应用中使用LiDAR数据的动态对象检测 | |
JP2023051713A (ja) | 自律マシン・アプリケーションにおける深層学習を使用する視認距離推定 | |
JP2023087616A (ja) | 自律システム及びアプリケーションのための画像コントラスト分析を使用した眩しさ軽減 | |
JP2022165372A (ja) | 高解像度マップを更新するためのシステム及び方法 | |
US20230142299A1 (en) | Particle-Based Hazard Detection for Autonomous Machine Applications | |
US20240161341A1 (en) | Sensor calibration for autonomous systems and applications | |
US20240132083A1 (en) | Asynchronous in-system testing for autonomous systems and applications | |
US20230376343A1 (en) | Processing interrupt requests for autonomous systems and applications | |
US20230294727A1 (en) | Hazard detection using occupancy grids for autonomous systems and applications | |
JP2022117916A (ja) | 自律マシン・アプリケーションのための配備されたディープ・ニューラル・ネットワークのパッチ |