Serverleistung in Kofferraum und Labor
Anforderungen an Hardwareplattformen für ADAS- und AD-Tests
Zur Durchführung von ADAS- und AD-Tests sind innovative Lösungen erforderlich, die enorme Datenmengen verarbeiten und die spezifischen Anforderungen der OEMs und Zulieferer erfüllen . Umso besser, wenn umfassende Lösungen für Test- und Validierung im Automotive-Bereich aus einer Hand geboten werden.
Fortschrittliche Fahrerassistenzsysteme (Advanced Driver Assistance Systems, ADAS) sind mittlerweile fester Bestandteil des modernen Straßenverkehrs. Sie verbessern nicht nur die Sicherheit, sondern erhöhen den Komfort des Fahrerlebnisses erheblich. Mit jedem weiteren Schritt in Richtung höherer Automatisierung wächst jedoch auch das Datenaufkommen, das verarbeitet werden muss. Diese Daten stammen von zahlreichen Sensoren wie Lidar, Radar und Kameras, die kontinuierlich detaillierte Informationen über die Umgebung erfassen und übermitteln.
Ein typisches Fahrzeug auf Level 3 für hochautomatisiertes Fahren oder höher kann täglich über 300 TB Rohdaten erzeugen, die von zahlreichen Kameras und Sensoren über Ethernet-Schnittstellen gesammelt werden. Diese Entwicklung erfordert leistungsstarke Datenlogger, die in der Lage sind, die Datenflut zu verarbeiten und zu analysieren. Die Datenmengen stellen enorme Anforderungen an die Speicherkapazität und die Schreibgeschwindigkeit der eingesetzten Systeme. Ein beispielhaftes Testfahrzeug mit circa 25 Modulen (Radar, Lidar, Kameras) und einer Datenrate von 500 MB/s pro Modul benötigt eine Schreibgeschwindigkeit von bis zu 12,5 GB/s. Mit steigenden Anforderungen kommt es sogar zu mehr als 40 Sensoren im Testfahrzeug und erforderlichen Schreibgeschwindigkeiten von bis zu 20 GB/s.
Jobangebote+ passend zum Thema
Steigende Erwartungen an Datenlogger im Fahrzeug
OEMs und Tier-1-Zulieferer brauchen High-Performance-Datenlogger, die im Fahrzeug zuverlässig arbeiten. Ein weiterer wichtiger Aspekt dabei ist die Anzahl der verfügbaren PCIe-Steckplätze, die für den Anschluss der zahlreichen Sensoren und Kameras benötigt werden.InoNet Computer adressiert diese Herausforderung mit einem neuen Multi-PCIe-Datenlogger: Die Mayflower-Q12 ist das neueste Flaggschiff des Unternehmens und zeichnet sich durch eine außergewöhnliche Leistungsfähigkeit und Flexibilität aus (Bild 1).
Sie ist mit der neuesten Server-CPU-Generation von AMD ausgestattet und verfügt über bis zu 12 PCIe-Steckplätze. Dies erlaubt den Anschluss und die gleichzeitige Nutzung einer Vielzahl von Hochleistungssensoren und Kameras – ohne Kompromisse bei der Datenerfassungsrate oder der Verarbeitungsleistung eingehen zu müssen. Die Mayflower-Q12 unterstützt darüber hinaus fortschrittliche Speichersysteme wie NVMe-SSDs im Raid-0-Verbund, die konstante Datenraten und die Speicherung der immensen Datenmengen sicherstellen. Darüber hinaus lässt sich durch die Multi-GPU-Unterstützung (beispielsweise für fünf Nvidia-GPUs) die Rechenleistung für parallele Tests und KI-Anwendungen maximieren.
Mit der Mayflower-Q12 hat InoNet eine Lösung entwickelt, die den neuen Marktanforderungen gerecht wird. Mit ihrer hohen Leistungsfähigkeit, der erweiterten PCIe-Kapazität, der robusten Bauweise und der innovativen Wasserkühlung setzt die Mayflower-Q12 neue Maßstäbe im Datenlogging und ermöglicht es, die Herausforderungen fortschrittlicher Fahrerassistenz- und autonomer Fahrsysteme erfolgreich zu meistern.
Das integrierte InoNet QuickTray-v3 ist ein modularer, hot-plug-fähiger Wechseldatenträger im Schubladendesign mit hardwarebasierter Datenverschlüsselung. Je nach SSD-Typ und Hersteller können somit Schreibgeschwindigkeiten von bis zu 26 GB/s (bzw. 28 GB/s beim Einsatz von drei QuickTrays) erreicht werden. Der standardisierte Formfaktor von 2x 5,25 Zoll gestattet einen schnellen Austausch der Datenträger zwischen Fahrzeug und Auswertungsstationen, was den Datentransfer und die Verarbeitung großer Sensordatenmengen vereinfacht und somit die Entwicklung und Validierung von Fahrerassistenzsystemen effizient unterstützt.
Rechenintensive Prozesse erzeugen viel Abwärme
Bei Testfahrten nach SAE Level 3 bis SAE Level 5 wird nicht jede einzelne Situation aufgezeichnet, sondern nur die relevanten Szenen. Die automatische Vorauswahl der richtigen Daten basiert auf einer intelligenten KI im Hintergrund. Diese KI entscheidet, welche Daten benötigt werden, und führt eine Komprimierung durch. Sol- che Prozesse sind rechenintensiv und erzeugen viel Abwärme.
Während der Testfahrten müssen die Hardwarekomponenten extremen Tem- peraturen standhalten, die weit über den ursprünglichen Spezifikationen liegen. Die Hardware muss diese Abwärme effektiv abführen, um Überhitzung und Throttling zu vermeiden. Eine effiziente Kühlung wird daher immer wichtiger. Die Mayflower-Q12 ist mit einer selbst entwickelten hybriden Flüssigkeitskühlung ausgestattet. Spezielle Kühlblöcke, die an die CPU und GPU angebunden sind, führen die bei der Datenverarbeitung entstehende Wärme effektiv ab.
Die Wasserkühlung in der Mayflower-Q12 wurde speziell für den Einsatz im Fahrzeug entwickelt und sorgt dafür, dass die Hardware auch unter extremen Bedingungen zuverlässig arbeitet. Im Vergleich zu luftgekühlten Systemen wird mit der Wasserkühlung ein deutlich höherer Wirkungsgrad erzielt, da Wasser eine höhere Wärmeaufnahmekapazität besitzt und sich somit besser zur Kühlung eignet.
| Test und Validierung – heute und in Zukunft |
|---|
| Der Wandel im Automotive-Bereich von der Datenaufnahme im Fahrzeug hin zur Datensimulation im HiL erfordert innovative Lösungen, die sowohl die enormen Datenmengen verarbeiten als auch die spezifischen Anforderungen der OEMs und Zulieferer erfüllen können. InoNet bietet mit dem »Automotive Computing Ecosystem« Lösungen, die speziell für Test- und Validierungsanwendungen im Automotive-Bereich entwickelt wur-den – vom Datenlogging im Fahrzeug bis zur HiL-Simulation im Labor mit leistungsstarken Servern und einer kompatiblen Speicherlösung zur einfachen Datenübertragung. Die Plattformen können kundenspezifisch angepasst werden. |
Von der Datenaufnahme zur HiL-Simulation
Die rasante Entwicklung in der Sensorik hat die Anforderungen an die Datenverarbeitung erheblich verändert. Herkömmliche ADAS-Entwicklungen basieren auf umfangreichen Datenerfassungen während Testfahrten im Fahrzeug, die zahlreiche Stunden und erhebliche Kosten für die Sammlung und Analyse der realen Fahrdaten in Anspruch nehmen (Bild 2).
Trotz ihrer Vorteile stoßen diese Methoden in einer zunehmend komplexen Entwicklungsumgebung an ihre Grenzen und werden durch Hardware-in-the-Loop(HiL)-Simulationen ergänzt. HiL-Tests integrieren reale Fahrzeugkomponenten in eine simulierte Umgebung, um das Systemverhalten unter verschiedenen Bedingungen zu testen und zu validieren. So lassen sich Fehler frühzeitig erkennen und beheben. Diese Simulationen ermöglichen es, reale Fahrbedingungen im Labor nachzubilden und Fahrerassistenzsysteme präzise und kontrolliert zu prüfen.
Autonomes Fahren mit der Technischen Unicersität München
Die Zusammenarbeit zwischen der Technischen Universität München (TUM) und InoNet zeigt, wie innova- tive Lösungen die Entwicklung autonomer Systeme vorantreiben und praxisnah in realen Anwendungsfällen eingesetzt werden können.
Die TUM setzt in ihrem autonomen Forschungsfahrzeug EDGAR auf die leistungsstarke Plattform von InoNet (Bild 3). Im Rahmen eines Projekts wurde EDGAR sogar als autonomes Shuttle zum Oktoberfest eingesetzt. EDGAR nutzt als Datenlogger die InoNet Mayflower, die im Kofferraum des Fahrzeugs integriert ist. Der Car Server erfasst und verarbeitet zuverlässig große Datenmengen, die während der autonomen Fahrten gesammelt werden. Diese Daten sind essenziell für die Weiterentwicklung und Optimierung der Fahralgorithmen. Auch dank der leistungsstarken und robusten Technik von InoNet kann die TU München ihre Forschung im Bereich autonomes Fahren auf ein neues Level heben und die Mobilität der Zukunft aktiv mitgestalten.
Zusätzlich setzt die TUM bei der Abu Dhabi Autonomous Racing League (A2RL) auf die InoNet Mayflower als HiL-System. Diese Lösung ermöglicht es, komplexe Fahrmanöver und Szenarien präzise zu simulieren und zu testen, bevor sie in der realen Umgebung eingesetzt werden. Der Einsatz des HiL-Rechners auf Basis der Mayflower-B17-Plattform bietet der TUM wesentliche Vorteile bei der Entwicklung autonomer Fahrsysteme. Durch die Simulation von Fahrsituationen ermöglicht der HiL-Rechner eine kostengünstige und schnelle Entwicklung, indem realistische Straßentests durch virtuelle Tests simuliert werden. Die Plattform bietet zudem erhöhte Flexibilität und Skalierbarkeit für verschiedene Testanforderungen und wachsende Bedürfnisse.
Die Autoren
Manuel Deuter
ist Produktmanager bei InoNet und betreut die strategische Ausrichtung des Automotive-Portfolios.
Janina Kullmann
ist Marketing-Managerin bei InoNet und verantwortlich für die strategische Planung sowie die operative Umsetzung von Maßnahmen im Online- und Offline-Marketing.
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
Software-definiertes Fahren
Intellias tritt Elektrobit-Kompatibilitätsprogramm bei
Erweiterte Debug-Funktionen
UDE 2025 ermöglicht effiziente Untersuchung von Laufzeitfehlern
Intellias kooperiert mit 3SS
HMI-Systeme um Multimedia-Fähigkeiten bereichern
dSpace auf der CES
Nahtlose SIL/HIL-Validierung beschleunigt Software-Entwicklung
Nahtlose Interoperabilität
RTI kündigt DDS-Einführung in allen AUTOSAR-Plattformen an
Neuer Open-Source-Software-Ansatz
Automobile Sicherheitsstandards auf Linux-Basis
3D-Inspektionssysteme
»Mit reflectCONTROL revolutionieren wir die Lackfehlerkontrolle«
SDVs verändern die Fahrzeugentwicklung
Plattformunabhängiges Softwaredesign für neue E/E-Architekturen
