直播回顾丨百度ACU如何满足自动驾驶量产需求
百度ACU（Apollo Computing Unit）是Apollo面向量产的自动驾驶车载计算单元，根据不同需求场景的计算能力要求，分为多个系列产品。ACU-Advanced是行业首创的自主泊车产品Apollo Valet Parking专用车载计算平台，目前已量产下线用于客户的量产车型中。
ACU-Advanced软硬一体的解决方案：
能够支持5路摄像头，12路超声波雷达，预留毫米波雷达和激光雷达接口；
基于Xilinx ZU5（FPGA）设计，适配百度PaddlePaddle深度学习框架；
全面部署AUTOSAR，全车规基础软件开发；
严谨的软硬件安全合规设计，全面满足AVP场景需求（ASIL-B）；
100%全车规元器件，抗冲击震动，耐电磁干扰，全面胜任车载环境；
-40℃~85℃超宽工作温度，自然风冷无需风扇或水冷；
设计流程，供应链和生产管控基于IATF16949质量管理体系。
为了让客户、合作伙伴以及开发者能够更加深入了解百度ACU（Apollo Computing Unit），本次公开课邀请了百度ACU核心技术团队的工程师，为大家准备了4期公开课直播。今天为大家送上第一期直播内容回顾，如果你错过了直播，那么这次的直播回顾你一定不能错过。阿波君给大家整理好了笔记，快来一起学习吧！
第一讲：软硬兼备的自动驾驶量产方案
本次公开课由百度智能驾驶事业部、百度Apollo Computing Unit 首席架构师——王阳为我们讲解：作为国内首个“真“量产自动驾驶硬件平台，百度ACU如何做到满足自动驾驶行业的量产需求？以下是课程中的精彩内容节选和讲解：
大家都在谈自动驾驶量产，但彼此的关注点不尽相同。如果把实现自动驾驶比作一个金字塔，我们会发现各种不同的解读。算法工程师关注的是位于塔尖的主算法，认为无论是前装还是后装的车，只要算法能稳定、流畅的运行，就是量产，算法之外他们最多考虑一下操作系统和底层软件，而对其他的部分并不关心；汽车工程师认为无论自动驾驶如何实现，它都是整车的一个子系统，需要像车上的其它零部件一样遵循整车研发的各种规范；硬件工程师认为做一个盒子，通过车规级的各种验收即是量产；芯片供应商认为有一颗算力非常好的芯片，能够支持算法，耐高温，符合车规，就是量产了。实际的量产系统，是所有需求的整合，不仅要有主算法，还要有计算加速单元以及下面的软硬件结合。
▲ACU架构▲
百度ACU对量产系统的理解。包含算法实现、底软、计算优化、车规交付、量产硬件等模块，以及安全这个贯穿全局的方法论。
百度ACU-AVP是行业首创的AVP量产平台，具有基于学习建图的记忆泊车、基于高精地图的自动泊车以及全息影像、近距报警等功能，100%全车规元器件，完整通过车规DV/EMC验证，性能稳定可靠。
为什么自动驾驶系统在高算力的SoC环境之外，还需要一个算力并不突出的车规MCU？这是因为汽车行业中有各种实战性的场景，没有技术上的瓶颈，但对实现的可靠性、易用性有极高要求。试举几个例子：比如UDS诊断，当车的驾驶舱报警说变速箱有问题，在4S店检测时，是不能指望软件工程师远程登录、分析log来调试的。UDS协议和诊断仪的操作是维修技师唯一能够掌握的方案。XCP标定，比如在高速上跟车，跟车的紧和松的状态不同，动力也不同，互联网软件工程师会发布不同的版本来实现。但是量产的车型不能靠更新版本来解决上述问题，在这个过程中要怎么实现呢？需要XCP的标定。又如，软件工程师或许会把CAN理解为一个硬件接口设备，把CAN通信理解为OS下的驱动实现，但考虑到CAN的错误可能导致车毁人亡的后果，这样的实现有极大的风险。我们需要依赖AUTOSAR对于各类通信的各类可靠实现，以及传统开发模式中对信号、网络的严谨要求，才可以保证安全。
在做一个软硬一体的自动驾驶设备的时候，AUTOSAR是必不可少的。但是如何和高性能处理器连接起来呢？物理层上的以太网连接很简单，但是在应用层上打通是困难的。简言之，QNX/Linux （POSIX based）和Classic AUTOSAR （OSEK based）之间的通信存在鸿沟，解决这个问题，要么就是从Linux到AUTOSAR之间做延展，实现DDS on Classic AUTOSAR；或者用AUTOSAR的解决方案延展至QNX/Linux，就是我们在定义的Adaptive AUTOSAR，这两者都有可能，但是亦都有难度。百度同时实现了两种方案，并对其进行了封装抽象，命名为UMB（Unified Message Bus），无论哪种方案要做量产，都可以解决。值得一提的是，ACU是全球第一个实现了DDS在Classic AUTOSAR部署的产品。百度与DDS厂商联合开发，攻克了这一难题，实现了全球首发。打通DDS在Classic AUTOSAR上的部署之后，很多事情都变得迎刃而解。在此基础上，接入一些基础软件的其他的功能，比如车身信号的传感器、AI加速器、自定义算子，加上网络管理、硬件监控/安全响应，打包完成一个ACU基础软件环境——盖亚。在基础软件环境之上，可以很方便地增加自动驾驶的功能，比如自动泊车、全景环视、高速辅助并且支持二次开发。
实际工程中出现的视频输入异常的情况包括：Sensor芯片错误、 ISP高温异常 、驱动切帧、线束连接异常等。但除此之外，显然还有其他情况会导致视频输入异常从而影响行车安全问题，如何穷举各类风险？这时就需要有功能安全的方法论。由上图可以看出，根据功能安全的流程分析，我们可以得到视频流的全部失效模式并一一应对。这是功能安全指导实际开发的一个案例。
融合ISO26262、ISO21448（SOTIF）和AI开发实践的总体流程图，是百度执行自动驾驶开发的流程总纲。
上图是百度总结的一个自动驾驶设备量产的各个阶段需做的工作。在传统制造业上，都是以制造和模具为阀点来驱动。但重软件的产品显然无法照搬这样的定义。将软件开发与16949相融合，既保证软件的敏捷性又保证系统的严谨质量，以上的工作拆解体现了百度的理解和实践。
以上就是我们讲解的软硬结合自动驾驶量产设备的能力，更多系列主题讲解，请持续关注Apollo开发者社区。
点击文章左下角『阅读原文』
可观看直播回放