첨단 자율주행 도메인 컨트롤러의 기능안전 설계에 관한 기사
첨단 자율주행 중앙 도메인 컨트롤러의 설계 과정에서는 보안 설계 원칙에 대한 완전한 이해가 필요합니다. 왜냐하면 초기 설계에서는 아키텍처, 소프트웨어, 하드웨어, 통신 등 모든 부분에서 설계 규칙을 완전히 이해해야 하기 때문입니다. 특정 디자인 문제를 피하면서 해당 장점을 최대한 활용하기 위해.
여기서 이야기하는 하이엔드 도메인 컨트롤러의 기능 안전 설계는 주로 프론트엔드 개발에서 예상되는 기능 안전과 관련된 시나리오 분석과 백엔드 기능 안전과 관련된 모든 하위 항목을 의미합니다. 첫째, 하드웨어의 기본 수준을 연결 기준점으로 사용하고 전체 시스템 아키텍처 통신 및 데이터 스트림 전송은 데이터 통신 끝을 통해 실현되며 하드웨어를 캐리어로 사용하여 소프트웨어가 하드웨어에 구워집니다. 통신 유닛은 서로간의 모듈을 호출하는 역할을 담당합니다. 도메인 컨트롤러의 보안 설계 측면에서는 그렇습니다. 차량 안전 성능 분석 관점에서 볼 때 주요 분석 프로세스에는 시스템 이론 분석 STPA(시스템 이론 프로세스 분석), 고장 모드 및 영향 분석 FMEA, 결함 트리 분석(FTA)의 세 가지 측면도 포함됩니다.
아키텍처의 핵심에 있는 도메인 컨트롤러의 경우 매우 강력한 수준의 기능적 보안이 필요합니다. 일반적으로 데이터 통신 보안, 하드웨어 기본 보안, 소프트웨어 기본 보안의 세 가지 수준으로 나눌 수 있습니다. 구체적인 분석 프로세스에서는 하드웨어 기본 수준의 기능적 안전성, 기본 소프트웨어 수준의 기능적 안전성, 데이터 통신 능력 등 여러 측면을 충분히 고려해야 하며, 각 측면에 대한 분석은 포괄적이어야 합니다.
데이터 통신 보안
연결과 데이터 유입 및 유출이 끝나기 때문에 통신 끝은 전체 시스템 아키텍처 통신에서 결정적인 역할을 합니다. 데이터 통신 수준의 경우 기능 안전 요구 사항은 주로 일반을 참조합니다. 데이터 무결성 메커니즘, 온라인 계산 메커니즘(롤링 카운터), 시스템 진단 데이터 새로 고침, 타임스탬프 정보(Time Stamp), 시간 오버플로(CheckSum), 관리 인증 코드, 데이터 중복성, 게이트웨이 및 기타 주요 측면. 그중 온라인 계산, 진단, 시간 초과 확인 등과 같은 데이터 통신은 기존 지점 간 Canbus 신호와 일치하는 반면 차세대 자율 주행, 데이터 중복성, 중앙 게이트웨이 관리 최적화, 데이터 승인 액세스 등은 집중해야 할 영역입니다.
기능 안전에 대한 전반적인 요구 사항은 다음과 같습니다.
하드웨어 기본 수준
하드웨어 기본 수준의 기능 안전 요구 사항은 주로 마이크로 컨트롤러 모듈, 스토리지 모듈, 전원 공급 장치 지원, 직렬 장치를 참조합니다. 데이터 통신 및 기타 주요 모듈.
마이크로컨트롤러 모듈 안전
여기서 마이크로컨트롤러는 우리가 흔히 말하는 AI칩(SOC), 부동소수점연산칩(GPU), 논리연산칩(MCU)으로 자동차에서 구동되는 주요 컴퓨팅 유닛이다. 최종 도메인 컨트롤러. 기능 안전 설계의 관점에서 볼 때 다양한 유형의 마이크로 컨트롤러 모듈에는 일반 설계 모듈, 잠금 단계 코어 검증(록 단계 코어 비교, 잠금 단계 코어 자체 테스트 포함), 클럭 검증(클럭 비교, 클럭 자체 테스트 포함)이 포함됩니다. 테스트), 프로그램 흐름 모니터링, 하트비트 모니터링, 하드웨어 감시 기능, 인터럽트 보호, 메모리/플래시/레지스터 모니터링/자체 테스트, 전원 공급 장치 모니터링 및 자체 테스트, 통신 보호 등
마이크로 컨트롤러는 하드 와이어를 통해 모니터링 장치에 "활성 하트비트" 주기적인 전환 신호를 제공해야 한다는 점에 유의해야 합니다. 스위칭 신호는 프로그램 흐름 모니터링 기능도 제공하는 보안 감시 장치에 의해 관리되어야 합니다. 보안 감시는 감시 서비스 중에 "활성 하트비트"를 전환하는 것만 허용됩니다. 그런 다음 마이크로 컨트롤러 보안 소프트웨어는 내부 보안 감시가 서비스될 때마다 "활성 하트비트"를 전환해야 합니다. 이는 마이크로 컨트롤러가 실행 중이고 보안 감시 타이머가 실행 중임을 모니터링 장치에 나타냅니다. 시스템 배경은 신호 전환 시간과 높음 및 낮음 상태가 유효한 범위 내에 있는지 확인하여 "활성 하트비트" 전환 신호를 모니터링해야 합니다. "활성 하트비트" 오류가 감지되면 SMU는 안전 다운그레이드를 활성화합니다.
감시 프로그램의 경우 잠재적인 오류를 방지하기 위해 시스템 초기화 중에 테스트해야 합니다. 프로세스 중에 다음 오류 유형을 테스트해야 합니다.
- 잘못된 워치독 트리거 시간(닫힌 창에서 트리거됨)
- 워치독이 트리거되지 않음
스토리지 모듈 보안
전체 도메인 제어의 필수 부분입니다. 전체 칩 작동 프로세스 동안 주로 임시적이고 일반적으로 사용되는 파일 저장과 작동 프로세스 중 데이터 교환에 사용됩니다. 예를 들어 운영 체제 시작 프로그램은 SOC에 저장됩니다. /예를 들어 MCU에 연결된 저장 장치에서 우리의 차세대 자율 주행 제품은 일반적으로 칩에 연결된 저장 장치에 저장되는 주행/주차 고정밀 지도와 일부 진단 및 로그를 사용해야 합니다. 기본 소프트웨어의 클래스 파일도 플러그인 칩에 저장됩니다. 그렇다면 적절한 기능 안전 조건을 보장하려면 전체 저장 장치에 대해 어떤 조건을 충족해야 할까요? 자세한 설명은 아래 그림을 참조하세요.
전체 저장 장치의 보안에는 주로 레지스터 모니터링, 일반 저장 장치, RAM/메모리 ECC, ECC 자체 테스트, 플래시 중복성, 레지스터 쓰기 보호, 범위 보호, 레지스터 자체 테스트 및 기타 측면이 포함됩니다.
전원 공급 장치 무결성
전원 공급 장치의 무결성 안전 방법 테스트는 주로 전원 공급 장치 전체 작동 상태를 통해 이루어집니다. 이는 장애 주입 및 실시간 모니터링을 통해 수행됩니다.
테스트 방법의 예로는 모니터링 임계값을 더 높거나 낮게 구성하여 모니터가 저전압 또는 과전압 오류를 감지하도록 하고 오류가 올바르게 감지되었는지 확인하는 것입니다. 오류가 발생하면 전원 모니터가 보조 차단 경로를 활성화해야 합니다. 마이크로 컨트롤러는 보조 종료 경로를 모니터링하고 보조 종료 경로가 테스트 절차에서 예상대로 작동하는 경우에만 테스트를 "통과"로 간주해야 하며, 그렇지 않으면 "실패"로 간주됩니다. 오류가 감지되면 마이크로컨트롤러는 안전 저하를 활성화합니다. 이 테스트는 전용 BIST 기능에 의해 지원되며 세부 절차에 따라 마이크로컨트롤러 소프트웨어로 구성되어야 합니다.
소프트웨어 기본 보안
소프트웨어 기본 보안 수준에 대한 설계 고려 사항은 주로 온보드 지능형 주행 소프트웨어 개발 중에 발생할 수 있는 소프트웨어 오류에 대한 포괄적인 고려 사항입니다. 여기에는 소프트웨어 문서 디자인, 소프트웨어 언어 및 스타일, 안전에 중요한 변수, 오류 감지 및 수정, 소프트웨어 아키텍처, 안전에 중요한 코드, 프로그램 흐름 모니터링, 변경 관리 및 기타 주요 측면이 포함됩니다. 모든 수준의 소프트웨어 설계 설명에서는 모델이나 코드의 목적을 정의하기 위해 자연어를 사용해야 합니다. 예를 들어, 여러 변수 간의 독립성이 시스템 보안에 중요한 경우 이러한 변수는 변수의 공개 주소를 사용하여 단일 데이터 요소로 결합되어서는 안 됩니다. 이로 인해 구조의 모든 요소와 관련된 공통 모드 시스템 오류가 발생할 수 있습니다. 변수가 그룹화되어 있는 경우 안전에 중요한 기능에 대해 적절한 근거를 제시해야 합니다.
이 글은 기능 안전의 관점에서 시작하여 전체 자율주행 도메인 컨트롤러 설계의 포괄적인 요소와 프로세스를 다양한 측면에서 자세히 분석합니다. 그 중에는 하드웨어 기반, 소프트웨어 방식, 데이터 통신 등 다양한 측면이 포함됩니다. 이러한 기능 안전 설계 기능은 전체 아키텍처 수준에 초점을 맞추는 동시에 내부 구성 요소 간의 연결에도 세심한 주의를 기울여 설계 프로세스의 규정 준수와 무결성을 보장하고 설계 후반 단계에서 예측할 수 없는 결과를 방지합니다. 따라서 상세한 안전 설계 규칙으로서 개발 엔지니어에게 필요한 참고 자료를 제공할 수 있습니다.
위 내용은 첨단 자율주행 도메인 컨트롤러의 기능안전 설계에 관한 기사의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











어제 인터뷰 도중 롱테일 관련 질문을 해본 적이 있느냐는 질문을 받아서 간략하게 요약해볼까 생각했습니다. 자율주행의 롱테일 문제는 자율주행차의 엣지 케이스, 즉 발생 확률이 낮은 가능한 시나리오를 말한다. 인지된 롱테일 문제는 현재 단일 차량 지능형 자율주행차의 운영 설계 영역을 제한하는 주요 이유 중 하나입니다. 자율주행의 기본 아키텍처와 대부분의 기술적인 문제는 해결되었으며, 나머지 5%의 롱테일 문제는 점차 자율주행 발전을 제한하는 핵심이 되었습니다. 이러한 문제에는 다양한 단편적인 시나리오, 극단적인 상황, 예측할 수 없는 인간 행동이 포함됩니다. 자율 주행에서 엣지 시나리오의 "롱테일"은 자율주행차(AV)의 엣지 케이스를 의미하며 발생 확률이 낮은 가능한 시나리오입니다. 이런 희귀한 사건

전면 및 시작점 작성 엔드 투 엔드 패러다임은 통합 프레임워크를 사용하여 자율 주행 시스템에서 멀티 태스킹을 달성합니다. 이 패러다임의 단순성과 명확성에도 불구하고 하위 작업에 대한 엔드투엔드 자율 주행 방법의 성능은 여전히 단일 작업 방법보다 훨씬 뒤떨어져 있습니다. 동시에 이전 엔드투엔드 방법에서 널리 사용된 조밀한 조감도(BEV) 기능으로 인해 더 많은 양식이나 작업으로 확장하기가 어렵습니다. 여기서는 희소 검색 중심의 엔드 투 엔드 자율 주행 패러다임(SparseAD)이 제안됩니다. 여기서 희소 검색은 밀집된 BEV 표현 없이 공간, 시간 및 작업을 포함한 전체 운전 시나리오를 완전히 나타냅니다. 특히 통합 스파스 아키텍처는 탐지, 추적, 온라인 매핑을 포함한 작업 인식을 위해 설계되었습니다. 게다가 무겁다.

표적 탐지는 자율주행 시스템에서 상대적으로 성숙한 문제이며, 그 중 보행자 탐지는 가장 먼저 배포되는 알고리즘 중 하나입니다. 대부분의 논문에서 매우 포괄적인 연구가 수행되었습니다. 그러나 서라운드 뷰를 위한 어안 카메라를 사용한 거리 인식은 상대적으로 덜 연구되었습니다. 큰 방사형 왜곡으로 인해 표준 경계 상자 표현은 어안 카메라에서 구현하기 어렵습니다. 위의 설명을 완화하기 위해 확장된 경계 상자, 타원 및 일반 다각형 디자인을 극/각 표현으로 탐색하고 인스턴스 분할 mIOU 메트릭을 정의하여 이러한 표현을 분석합니다. 제안된 다각형 형태의 모델 fisheyeDetNet은 다른 모델보다 성능이 뛰어나며 동시에 자율 주행을 위한 Valeo fisheye 카메라 데이터 세트에서 49.5% mAP를 달성합니다.

위에 작성됨 및 저자의 개인적 이해: 이 문서는 자율 주행 애플리케이션에서 현재 다중 모드 대형 언어 모델(MLLM)의 주요 과제를 해결하는 데 전념하고 있습니다. 이는 MLLM을 2D 이해에서 3D 공간으로 확장하는 문제입니다. 자율주행차(AV)가 3D 환경에 대해 정확한 결정을 내려야 하기 때문에 이러한 확장은 특히 중요합니다. 3D 공간 이해는 정보에 입각한 결정을 내리고 미래 상태를 예측하며 환경과 안전하게 상호 작용하는 차량의 능력에 직접적인 영향을 미치기 때문에 AV에 매우 중요합니다. 현재 다중 모드 대형 언어 모델(예: LLaVA-1.5)은 시각적 인코더의 해상도 제한, LLM 시퀀스 길이 제한으로 인해 저해상도 이미지 입력(예:)만 처리할 수 있는 경우가 많습니다. 하지만 자율주행 애플리케이션에는

순수한 시각적 주석 솔루션은 주로 비전과 동적 주석을 위한 GPS, IMU 및 휠 속도 센서의 일부 데이터를 사용합니다. 물론 대량 생산 시나리오의 경우 순수 비전일 필요는 없습니다. 일부 대량 생산 차량에는 고체 레이더(AT128)와 같은 센서가 장착됩니다. 대량 생산 관점에서 데이터 폐쇄 루프를 만들고 이러한 센서를 모두 사용하면 동적 개체에 라벨을 붙이는 문제를 효과적으로 해결할 수 있습니다. 그러나 우리 계획에는 고체 레이더가 없습니다. 따라서 가장 일반적인 대량 생산 라벨링 솔루션을 소개하겠습니다. 순수한 시각적 주석 솔루션의 핵심은 고정밀 포즈 재구성에 있습니다. 재구성 정확도를 보장하기 위해 SFM(Structure from Motion)의 포즈 재구성 방식을 사용합니다. 하지만 통과

위 작성 및 저자 개인적 이해 최근 자율주행은 운전자의 부담을 줄이고 운전 안전성을 높일 수 있다는 점에서 주목을 받고 있다. 비전 기반 3차원 점유 예측은 자율 주행 안전에 대한 비용 효율적이고 포괄적인 조사에 적합한 새로운 인식 작업입니다. 많은 연구에서 객체 중심 인식 작업에 비해 3D 점유 예측 도구의 우수성을 입증했지만, 빠르게 발전하는 이 분야에 대한 리뷰는 여전히 남아 있습니다. 본 논문에서는 먼저 비전 기반 3D 점유 예측의 배경을 소개하고 이 작업에서 직면하는 과제에 대해 논의합니다. 다음으로, 기능 향상, 배포 친화성, 라벨링 효율성이라는 세 가지 측면에서 현재 3D 점유 예측 방법의 현황과 개발 동향을 종합적으로 논의합니다. 마침내

중국과학원 자동화 연구소의 심층 강화 학습 팀은 Li Auto 등과 함께 다중 모드 대형 언어 모델인 MLLM(PlanAgent)을 기반으로 자율 주행을 위한 새로운 폐쇄 루프 계획 프레임워크를 제안했습니다. 이 방법은 장면에 대한 조감도와 그래프 기반 텍스트 프롬프트를 입력으로 취하고, 다중 모드 대형 언어 모델의 다중 모드 이해 및 상식 추론 기능을 활용하여 장면 이해부터 생성까지 계층적 추론을 수행합니다. 수평 및 수직 이동 지침을 작성하고 플래너가 요구하는 지침을 추가로 생성합니다. 이 방법은 대규모의 까다로운 nuPlan 벤치마크에서 테스트되었으며 실험에서는 PlanAgent가 일반 시나리오와 롱테일 시나리오 모두에서 최첨단(SOTA) 성능을 달성하는 것으로 나타났습니다. PlanAgent는 기존의 LLM(Large Language Model) 방식과 비교하여

위 작성 및 저자 개인적 이해 현재 자율주행 기술이 성숙해지고 자율주행 인식 작업에 대한 수요가 증가함에 따라, 3차원 타겟 탐지와 동시에 완성할 수 있는 이상적인 인식 알고리즘 모델에 대한 업계와 학계의 기대가 크다. BEV 공간의 의미론적 분할 작업을 기반으로 합니다. 자율 주행이 가능한 차량의 경우 일반적으로 서라운드 뷰 카메라 센서, 라이더 센서, 밀리미터파 레이더 센서가 장착되어 다양한 방식으로 데이터를 수집합니다. 이러한 방식으로 서로 다른 모달 데이터 간의 보완적인 이점을 완전히 활용할 수 있으므로 서로 다른 양식 간의 데이터의 보완적인 이점을 얻을 수 있습니다. 예를 들어 3D 포인트 클라우드 데이터는 3D 타겟 감지 작업에 대한 정보를 제공할 수 있고 컬러 이미지 데이터는 제공할 수 있습니다. 의미론적 분할 작업에 대한 더 많은 정보를 제공할 수 있습니다. 바늘
