數據中心該如何與自動駕駛汽車中的人工智慧系統聯繫起來

以數據為中心的架構模式正在成為自動駕駛車輛的新標準。數據中心能夠實現和控制複雜的數據流，它極大地簡化了組件的交互，減少了ECU中的代碼行數，而且可以直接支持AI模塊。

自動駕駛汽車集合了視覺、雷達、LIDAR、感測器、GPS、測繪、導航、規劃和控制等眾多技術，這些組件必須組合成一個可靠，安全，安全的系統，實時分析複雜的環境並對未知環境進行交互。與普通的汽車不同，自動駕駛汽車正演變成為具有人工智慧（AI）能力的計算機。

圖1：資料庫與數據匯流排

在以數據為中心的體系結構中，應用程序只與數據基礎架構通信，而不是彼此通信。資料庫實現以數據為中心的存儲，通過搜索找到正確的過往數據。數據匯流排實現以數據為中心的共享，通過過濾找到正確的未來數據。這兩種技術都使得系統集成更容易，支持更大規模，更好的可靠性和應用程序的互操作性。

誠然，今天的汽車中也有數百萬行軟體代碼，大多數被嵌入在電子控制單元（ECU）中。ECU可以執行複雜的功能，但是它們的相互作用及聯繫較小。這種設計，乃至整個供應鏈模式並不會擴展到自動駕駛。自動駕駛技術需要組件之間更豐富的連接，而如果沒有全新的架構，只靠增加現有設計的連接性是不切實際的。

新一代自動駕駛汽車也需要分散式計算。即使使用速度極快的處理器，分散式計算也具有比集中設計更多的優勢。最重要的是，分散式系統更加模塊化，這有助於優化設計。例如，將計算與感測器配對，軟體與硬體匹配，並簡化調整。另外，分散式系統可以更容易地支持冗餘，增加可靠性。這些優勢在更高的自主性水平上變得至關重要。

為了應對這些挑戰，以數據為中心的架構模式正在成為自動駕駛車輛的新標準。數據中心能夠實現和控制複雜的數據流，它極大地簡化了組件的交互，減少了ECU中的代碼行數，而且可以直接支持AI模塊。

以數據為中心

數據中心是由與數據基礎架構進行通信的參與者形成的架構。以數據為中心的通信系統與面向對象的系統（對象通信），面向消息的系統（參與者向對方發送消息）和面向服務的體系結構（參與者連接到服務）形成對比。以數據為中心的系統的參與者在時間、空間和流量方面與所有其他參與者分離，並且以數據為中心的連接被稱為「數據匯流排」，由對象管理組織（OMG）數據分配服務（DDS）標準定義。

資料庫也是以數據為中心的，可以實現以數據為中心的存儲，而數據匯流排實現以數據為中心的通信。關鍵的區別是：資料庫通過關聯存儲數據的屬性來搜索舊信息。數據匯流排通過過濾傳入數據的屬性來查找未來的信息。

DDS實現了「全局數據空間」的虛擬抽象——所有數據似乎在任何地方都可用，而實際上，這是不可能的。但是，數據匯流排通過要求每個應用程序指定其本身具有或所需要的內容、數據的數量以及生成或使用它的頻率，可以讓其呈現出來。因此，每個應用程序只是簡單地向空間提供以及獲取所需的數據，這自然是平行的。無論何時所需，所有的數據都能找到。

數據匯流排優雅而且強大。應用程序可以自主發現任何數據，以及時間戳、類型和單位等元數據。任何應用程序都可以隨時加入、保留、添加數據或刪除數據。數據匯流排保證數據傳送速率和最大允許延遲。應用程序可以請求在指定的時間幀中通知更改。歷史記錄也可按要求提供。所有通信都是對等的，可以全速運行。所有的通信都是對等的，允許以全線速度運行。它不需要伺服器，因此沒有伺服器來定位、配置、提供、重啟、阻塞或失敗。並且它具有良好的擴展性，添加新流是並不會影響當前流。而且，它包含細粒度的安全性，只允許對特定數據流具有特定許可權的應用程序才能參與。正如資料庫支持複雜的企業應用程序一樣，數據匯流排支持複雜的智能系統。這兩種方法基本上都是通過數據管理簡化應用程序來實現的。

表1：自主性挑戰。自主性系統對系統架構提出了獨特的要求。數據匯流排概念直接針對這個應用程序，因此對每個需求都有獨特的方法。

數據中心和人工智慧

DDS「所有數據無處不在」抽象簡化了人工智慧集成。事實上，數據匯流排概念是從斯坦福太空機器人實驗室的自主系統開始的。它具有獨特的屬性，能夠很好地應對挑戰。表1總結了挑戰和方法。

也許最重要的是，數據匯流排支持抽象的數據流。大多數早期的設計都需要對每個流程提供單獨的技術，例如，舊的系統通過流協議傳輸極高數據吞吐量的視頻，但是對於小而頻繁的控制信號可以使用專用的實時匯流排。比硬體更糟糕的是，這也導致了抽象的改變，使得編寫融合感測器集的軟體變得困難。

圖2:複雜的數據流。一個複雜的系統必須支持許多數據類型和數據源。有些體積很大，有的很快。DDS支持22個服務質量(QoS)設置。每個模塊都可以精確地指定需要操作的數據關係。Qos包括更新率、可靠性、數據可用性保證等。在正確的時間將正確的信息準確地發送到正確的位置的基礎架構使系統開發更加容易。

高度自主性的系統使這一點更具挑戰性。車體結合了許多直接和派生的感測器、感知模塊、智能、反饋控制和車外通信。通過傳統設計將所有這些數據結合起來是很麻煩的。

DDS擅長數據流控制。通過將正確的數據交付給每個模塊，分散式架構要容易得多。

較低的自主性，可以使用集中設計的方式，將所有數據發送到中央計算機。以感知系統為例，一個關鍵的需求是將來自許多感測器的數據「融合」成對情況的共同理解。訪問所有數據的一種簡單方法是將它們都放在同一個地方進行處理。因此，如果車輛有一系列的攝像機和近距離感測器，每個感測器都會將原始的視頻和數據流發送到中央處理器。這簡化了計算，然而，處理器會成為瓶頸和單點故障。更糟糕的是，它需要大量的數據傳輸和專用的視頻線路。

圖3:感測器融合。該感測模塊必須融合多個感測器，以更好地模擬世界。3級自動駕駛系統可以將所有數據發送到強大的中央計算機。然而，這一設計打破了複雜的感測器架構，要求在4級和5級需要更高的自主性。這些系統得益於一種分散式設計，該設計處理更靠近感測器的數據，從而分散了工作負載，減少了連接，並允許了冗餘。

為了獲得更高的自主性，這種設計被破壞了。與將所有原始數據發送到一個中央處理器相比，更有效的方法是在感測器附近預處理數據。這通常被稱為「早期」或「混合」融合理論。這個資料庫很適合於此設計，其以數據為中心的虛擬「全局數據空間」抽象實際上將所有數據發送給中心節點的有力替代品。

自主系統的未來

自動駕駛要求在車輛中進行複雜的軟體集成。這很難通過合併ECU來實現。因此，設備製造商越來越傾向於尋找內部軟體團隊。DDS為實現這一目標提供了強大的標準。大多數carbot設計直接使用DDS。然而，它也是其他體系結構的基礎，例如ROS2和不久之後的AUTOSAR。

圖4:自動車輛系統架構。DDS將所有組件集成到一個典型的汽車設計中。以數據為中心的介面控制所有模塊的交互、模式、速率、可靠性和系統健康。強大的系統集成支持使團隊能夠獨立工作，確保基礎設施直接支持系統範圍操作所需的數據交互。

當然，DDS不只是應用於汽車系統的車載技術。在其他眾多領域也有廣泛應用，例如，Rti connext DDS在工業互聯網上有超過1000個設計，包括醫療、石油和天然氣、海軍、航空電子設備、空中交通管制、hyperloop、地鐵運輸和機器人應用。因此，DDS也很適合自動駕駛系統的off-board需求。它在智能機器應用領域的廣泛應用，將使其在未來成為一個很好的決策選擇。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！