自动驾驶安全设计四大支柱

• 基于人工智能的计算控制平台

• 支持深度学习开发的基础设施

• 鲁棒性仿真和测试的数据中心解决方案

• 一流普适性的安全计划

1、基于人工智能的计算控制平台

1）NVIDIA DRIVE是世界上第一个可扩展的人工智能（AI）平台，它覆盖了从辅助公路驾驶到无人驾驶的整个自动驾驶级别范围。它由硬件、软件和固件组成，这些硬件、软件和固件共同工作，可实现自动驾驶系统和自动驾驶车辆的量产应用。

2）英伟达的计算平台结合了深度学习，传感器融合和环视视觉，可提供安全的驾驶体验。借助高性能计算，车辆可以实时了解周围的情况，将自己精确定位在高清地图上，并规划安全的行驶路线。同时计算平台采用多样化和冗余的系统架构设计，旨在支持最高水平的汽车功能安全性，适用于从高级ADAS到全自动驾驶系统扩展；

3）英伟达将统一的架构从数据中心扩展到车辆，并提供符合国家和国际安全标准的端到端解决方案。深度神经 络（DNNs）可以在数据中心基于GPU的服务器上进行训练，然后在仿真中经过全面测试和验证，最后无缝部署以在我们的车内AI计算机平台上运行。

4）为了安全操作，自动驾驶汽车需要功能强大的超级计算机，以实时处理所有传感器数据。英伟达的基础硬件解决方案包括：

图1.  基础硬件解决方案

• DRIVE AGX Xavier：基于NVIDIA Xavier的车载超级计算机，是世界上第一个为自动驾驶车辆设计的车载AI SoC；该平台可以同时运行多个DNNs，以确保系统的安全性和可靠性。

• DRIVE AGX Pegasus：集成了多个Xavier SoC和多个GPU的高性能AI超级计算机，可提供全自动驾驶所需的多样性和冗余性。

• NVIDIA DGX AI Supercomputers：用于人工智能模型开发和验证的，基于数据中心的完全集成的深度学习系统

2、支持深度学习开发的基础设施

NVIDIA DRIVE Perception Infrastructure 

1）DRIVE Perception Infrastructure提供并支持海量数据收集、深度学习开发以及支持大型自动驾驶车队的轨迹追踪。它运行在NVIDIA DGX SaturnV（该超级计算机由660个NVIDIA DGX-1?系统和5280个GPU组成）上，能够支持660 petaflops的AI模型开发和训练。

2）AI基础设施可帮助开发人员创建并快速训练DNN模型，从而为自动驾驶汽车提供高度准确的感知系统。例如，使用DRIVE Perception Infrastructure创建了数十个神经 络，分别覆盖了对车道和道路边界，道路标记、标志、车辆、等待条件、自由空间等的感知。

3）理想的AI计算基础设施可使用来自各种车载传感器的数据帮助构建安全系统。DRIVE 感知设施支持基于相机的感知和建图，基于激光雷达的感知和建图，基于相机和高清的联合定位以及基于激光雷达和高精地图的联合定位等。

图2. 支持AI计算的基础设施

3、鲁棒性仿真和测试的数据中心解决方案

在自动驾驶车辆可以安全地在道路上行驶之前，工程师必须首先测试和验证AI算法以及其他使车辆能够自动行驶的软件。人工智能驱动的自动驾驶汽车必须能够正确应对他们可能遇到的极其多样的情况，例如特种车辆（如救护车、消防车、警车），行人，动物以及几乎无限数量的其他障碍物，包括在现实世界中无法测试的场景 。

无论天气，道路或光照条件如何，自动驾驶车辆都必须能够正常行驶。在所有这些情况下，都没有可行的方法对车辆进行物理路测，道路测试也不够可控、可重复、详尽或足够快。在逼真的仿真环境中进行测试的能力对于提供安全的自动驾驶车辆至关重要。数据中心中实际道路里程与模拟里程的耦合是测试和验证自动驾驶车辆的关键。

NVIDIA DRIVE Constellation?是一个数据中心解决方案，使开发人员能够在将其部署在道路上之前测试和验证将在自动驾驶汽车中运行的实际硬件和软件。该平台由两台并行服务器组成，第一台使用运行DRIVE SimTM软件的NVIDIA GPU来模拟来自在虚拟世界中行驶的虚拟汽车上的摄像头，雷达和激光雷达的传感器数据。模拟器的输出被反馈传输到第二台服务器，该服务器包含DRIVE AGX Pegasus AI汽车计算机，该计算机运行完整的自动驾驶软件堆栈并处理模拟的传感器数据。

DRIVE AGX Pegasus的驾驶决策每秒被反馈到模拟器30次，从而可以进行硬件在环测试。DRIVE Constellation和DRIVE Sim可以模拟罕见的危险场景，而这在道路实测路试上根本无法实现。该平台能够模拟数十亿英里的虚拟现实，运行可重复的回归测试，并验证整个自动驾驶系统。

图3. 自动驾驶虚拟仿真测试

4、一流的普适性的安全计划

在自动驾驶研究、开发和部署过程的每一步，安全都是最高优先级。它以一种普遍的安全方法论开始，强调在整个自动驾驶系统的设计、验证、验证和生命周期支持中的多样性和冗余性。

为了把自动驾驶汽车安全计划概念化，NVIDIA遵循美国运输部国家公路交通安全管理局在其2017年第3期和2018年第12期出版物中的建议。在整个计划中，NVIDIA以国际标准化组织的汽车行业最高安全标准为基准；这些基准包括：

1）功能安全和预期功能安全

• 功能安全 – 即使系统出现故障，自动驾驶汽车也必须能够安全操作。功能安全着重于确保在硬件，软件或系统无法按预期工作时将风险最小化的措施。

• 预期功能安全 – 即使系统按设计正常运行，也可能存在安全隐患。SOTIF专注于确保由于预期功能不足或合理可预见的误用导致的危害而不会造成不合理的风险。

2）联邦和国际法规

NVIDIA还遵守联邦和国际法规，包括G-NCAP（全球新车评估计划），E-NCAP和联合国欧洲经济委员会。NVIDIA共同创建并遵循国际标准组织，新车评估计划和国际汽车工程师协会的标准，以及其他行业的标准。

参考资料：

1. Self-driving  safety  report (NVIDIA)