High-Performance auf der Spur

ADAS-Testing in der Fahrzeugentwicklung

27. Juni 2022, 10:30 Uhr | Autoren: Jürgen Obergfell und Janina Jonker, Redaktion: Irina Hübner
Um ADAS-Funktionalitäten abzusichern, wird eine leistungsstarke Hardwarelösung benötigt. Sie muss:konstante Aufnahme der Datenströme in Hochgeschwindigkeit,Erfassen paralleler Datenströme, hohe Rechenleistung für KI-Applikationen
© InoNet

Zum Absichern von ADAS-Funktionalitäten ist bei Testfahrten und Simulationen eine leistungsstarke Hardwarelösung nötig. Sie muss die konstante Aufnahme der Datenströme in Hochgeschwindigkeit und das Erfassen paralleler Datenströme erlauben sowie hohe Rechenleistung für KI-Anwendungen bereitstellen.

Fahrerassistenzsysteme sorgen heutzutage für erhöhte Fahrsicherheit, Komforterweiterung und Verbesserung des Fahrerlebnisses. Die Anwendung dieser Systeme erfordert eine zunehmende Anzahl an Sensoren, Aktoren und Modulen im Fahrzeug, die über Datenbusse Informationen transportieren und mit dem Steuergerät kommunizieren. Unter Zuhilfenahme vernetzter Systeme werden diese schließlich in hochdynamische, automatisierte Steuerungsaktionen transformiert.

Automatisiertes und autonomes Fahren (AD) der Level 3 bis 5 benötigt fortgeschrittene Assistenzsysteme Advanced Driver Assistance Systems, ADAS). Die Vernetzung von Abstand-Regeltempomat, radarbasierten Abbiegeassistenten, GPS- und optischen Daten aus Infrarotkameras, Stereokameras sowie Radar, Lidar und Ultraschall bilden das sensorische Frontend für automatisierte Fahrsysteme. Entwickler müssen sämtliche Risiken ihrer Steuerungslösungen reduzieren, um eine erfolgreiche Zulassung ihres Systems und die Akzeptanz durch die Verbraucher gleichermaßen zu gewährleisten. Dabei erhöht die steigende Anzahl an hochentwickelter Sensorik im Fahrzeug den Komplexitätsgrad bei der Integration und Absicherung ihrer Funktionen.

 Das InoNet Automotive Computing Ecosystem
Bild 1 Das InoNet Automotive Computing Ecosystem.
© InoNet

Um neue ADAS- und AD-Entwicklungen zu validieren, werden möglichst realitätsnahe Datensätze benötigt. Durch hochauflösende Sensoren werden Informationen während der Testfahrten aus der Umgebung aufgezeichnet. Schilder, Wetter und Verkehrsteilnehmer können dabei über Objektklassifizierung und KI-basierte Modelle miteinbezogen werden, um reale Verkehrsszenarien zu erfassen. Daraus ergeben sich entsprechend hohe Anforderungen an die Aufnahmequalität der Signale. Kommt es während eines Testlaufs zu einer Fehlfunktion, greifen die Kontrollfahrer manuell in die Fahrzeugsteuerung ein.

Damit die autonome Steuerungssoftware durch solche Korrekturen »lernen« kann, müssen sämtliche Datenströme vor und nach einem Fahrfehler präzise erfasst, ausgewertet und anschließend in die Steuerungssoftware eingespeist werden. Dies führt zu einem noch nie dagewesenen Ausmaß an Sensordaten – mehrere Terabytes an Sensordaten pro Minute. Automobilhersteller stehen daher vor der Herausforderung, Messdaten unter realen Fahrbedingungen im Fahrzeug parallel aufzuzeichnen, zu speichern und auszuwerten.

Nach erfolgreichen Tests folgt die Virtualisierung, zum Beispiel innerhalb eines Hardware-in-the-Loop(HiL)-Systems. Die gewonnenen Daten sollen als Grundlage zur Anlernung von neuronalen Netzen dienen, um durch Deep-Learning-Mechanismen eine künstliche Intelligenz zu entwickeln, die in der Lage ist, die aufgezeichneten Situationen real zu bewerten. Jene Art von Datengewinnung spart Zeit, Ressourcen und finanzielle Mittel durch eine schnelle und einfache Replikation von Testfällen mit definierten oder beeinflussbaren Sand-Box-Umgebungen für die Serienabsicherung. In der ADAS/AD-Entwicklung wird folglich ein robustes System benötigt, das enorme Rechenleistung, hohe Schreibraten und Speicherkapazität bereitstellt.

Serverperformance im Fahrzeug

Als Hersteller und Entwickler indus­trieller Computersysteme mit langjähriger Erfahrung im Automotive-Markt ist InoNet in der Lage, den Alltag für Fahrzeugentwickler durch das Automotive Computing Ecosystem wesentlich einfacher zu gestalten. Um den steigenden Anforderungen, vor allem in der Absicherung neuer Fahrzeugentwicklungen, gerecht werden zu können, reichen übliche Embedded-PCs nicht aus. Es wird performante Servertechnik auf kleinstem Raum gefordert, die jedoch ursprünglich nicht für einen Einsatz in rauen Umgebungen, bedingt durch Schock und Vibrationen oder den stark variierenden Temperaturbereich in Fahrzeugen, ausgelegt ist.

InoNet hat genau dies im Automotive-Produktportfolio umgesetzt und High-Performance auf die Spur gebracht. Durch innovative Produktentwicklung konnten Kühlkonzepte und Servertechnologien in den Embedded-Bereich übertragen und so eine Synergie der Vorteile beider Welten geschafft werden.

Mayflower-B17-LiQuid mit Dual Intel Xeon Scalable CPU
Bild 2 Mayflower-B17-LiQuid mit Dual Intel Xeon Scalable CPU.
© InoNet

Mit der InoNet Mayflower-B17-LiQuid wurde ein Car Server entwickelt, der im Hinblick auf Rechenleistung, Schreibraten und Modularität neue Maßstäbe bei der Datenaufnahme und -verarbeitung setzt. Der High-Performance-Computer (HPC) erfasst und analysiert verschiedenste Messdaten im Fahrzeug und kann diese in Echtzeit in das jeweils gewünschte Format komprimieren. Höchste Bandbreiten sichern auch in Burst-Phasen (zeitlich begrenzte Phasen mit besonders hohem Datenaufkommen) die Datenaufnahme und eine sinnvolle Verteilung der Daten im Netzwerk.

Der robuste Car HPC bringt mit leistungsstarker Dual Intel Xeon Scalable CPU und bis zu fünf Grafik-/Tensorkarten (Nvidia) Serverperformance ins Fahrzeug und eignet sich ideal für rechenintensive KI/GPU- und Sensorfusions-Applikationen im ADAS-/AD-Bereich. Sämtliche Baugruppen des Rechners werden im robusten, eigenentwickelten Stahlblechchassis schockresistent verbaut. Dank Full-Industrial-Komponenten, robuster Mechanik und mechanisch gedämpfter Festplattenaufnahme hält der Car HPC somit Vibrationen, Schocks und erweiterten Temperaturen von 0 bis 55 °C stand.

InoNet QuickTray im Storage-Unit-Aufsatz
Bild 3 InoNet QuickTray im Storage-Unit-Aufsatz..
© InoNet

Damit ein zuverlässiger Datendurchsatz bei Testfahrten gewährleistet werden kann, werden hohe Aufnahmegeschwindigkeiten und -kapazitäten benötigt, um eine Fahrzeugflotte durchgängige Aufnahmeschichten fahren lassen zu können. Die Daten sollen bereits während der Fahrt bearbeitet werden können. Damit werden Funktionen wie zum Beispiel automatisiertes Labeling, Komprimierung oder auch eine Verschlüsselung on-the-fly möglich.

Das optional integrierte InoNet QuickTray, ein robuster Wechseldatenträger mit vier NVME-SSDs im Raid-0-Verbund, ermöglicht diesen hohen und konstanten Datendurchsatz. In Verbindung mit einem zusätzlichen Storage-Unit-Aufsatz (mit Platz für zwei QuickTrays) kann enorme Speicherkapazität von bis zu 300 TB und eine hohe Schreibgeschwindigkeit von bis zu 26 GB/s, also 208 Gbit/s (in Abhängigkeit vom verwendeten SSD-Typ und -Hersteller, real gemessen mit Iometer im »Continuous Write Mode«) bereitgestellt werden.

Flüssigkeitskühlung für fünf Grafik-/Tensorkarten und CPU
Bild 4 Flüssigkeitskühlung für fünf Grafik-/Tensorkarten und CPU.
© InoNet

So wird es dem Testfahrer ermöglicht, einen kompletten Testvorgang innerhalb eines Tages zuverlässig ohne Zwischenstopps durchzuführen. Zudem sorgt die modulare Konstruktion des Datenträgers für eine einfache Handhabung beim Speicheraustausch zwischen Fahrzeug und Auswertestation im IT-Backend. Dadurch können die Testdaten bereits kurz nach den Testfahrten auf Servern verfügbar gemacht und ausgewertet werden. Frühes Anpassen der Testanforderungen und Eingreifen durch die Entwickler im Labor ist somit möglich und verbessert die Ergebnisse der Testfahrten. Um die hohe Verarbeitungsqualität des gesamten Systems zu garantieren, werden die einzelnen Komponenten ausnahmslos durch InoNet in Deutschland zu maßgeschneiderten Industriecomputern zusammengebaut.

Einen kühlen Kopf bewahren

Die außergewöhnlich hohe CPU- und GPU-Performance des Systems wird durch die Integration zusätzlicher – bis zu fünf – hochperformanter Grafikkarten und Bündelung dieser zu einem Co-Prozessor erreicht. So lassen sich parallele Datenströme und KI-Algorithmen auf den Grafikprozessor auslagern, während der übrige Code auf der leistungsstarken CPU ausgeführt wird. Die GPU kann zum Beispiel Radarbilddaten direkt komprimieren und speichern. Dadurch wird eine hohe GPU-Rechenleistung unter anderem auch für rechenintensive KI-Analyseaufgaben bereitgestellt. Mit dem Einbau von fünf Nvidia-Tesla-T4-Karten konnten beispielsweise 1600 Turing-Tensor-Recheneinheiten und 12.800 Nvidia-CUDA-Kerne mit 80 GB GDDR6-Grafikspeicher bereitgestellt werden.

Sowohl CPU als auch GPU entwickeln vor allem bei hoher Auslastung starke Hitze, die sich nachteilig auf die Performance des Computers auswirken kann. Die Abwärme, die er bei seiner Arbeit produziert, führt ohne Kühlung zur Überhitzung, was zu unerwünschter Drosselung der Leistung und im schlimmsten Fall zu einem totalen Systemausfall führen kann.

Die InoNet Mayflower-B17-LiQuid bewahrt auch bei hoher Anforderung einen kühlen Kopf. Dank Flüssigkeitskühlung der CPU und GPU werden die leistungsstarken Komponenten hinreichend temperiert. Durch die höhere Wärmekapazität des flüssigen Kühlmediums kann mehr Wärme abgeführt werden. Der Einsatz einer Hybridkühlung, eines Mix aus Flüssigkeits- und Luftkühlung, wird durch eine von InoNet konstruierte Flüssigkeit-Kühladaption für die leistungsstarken Komponenten CPU und GPU, die viel Abwärme produzieren, kombiniert mit einer forcierten Luftkühlung und mittels eines externen Wärmetauschers realisiert. So können gleichzeitig die Performance gesichert und die Kosten im Rahmen gehalten werden.

Skalierbarkeit & Modularität

Da sich Anforderungen und Technologien im Automotive-Bereich rasant weiterentwickeln, ist eine Skalierbarkeit der eingesetzten Systeme und Dynamik in Projekten unabdingbar. InoNet bietet individuelle Konfigurationsmöglichkeiten und passt das System flexibel an Kundenbedürfnisse an. Zahlreiche Ausbaustufen der InoNet Mayflower-B17-LiQuid geben Kunden die Möglichkeit, ihren persönlichen Computer gemäß dem jeweiligen Leistungsbedarf zusammenzustellen. Das System ist in zwei Prozessorvarianten erhältlich.

Des Weiteren bieten zwei der insgesamt sieben PCIe x16 (Gen 4) Slots die Möglichkeit, das System flexibel mit Erweiterungskarten (Ethernet, CAN, LIN etc.) auszustatten. So können beispielsweise Netzwerkkarten für Echtzeitanwendungen und Time Stamping eingesetzt werden. Die Skalierbarkeit der Systeme ermöglicht eine einfache Integration der Hardware innerhalb des InoNet Automotive Computing Ecosystems. Mit der flexibel konfigurierbaren Plattform wird somit ein wichtiger Beitrag zur Fahrzeugsicherheit geleistet.

 

Die Autoren

 

Janina Jonker von InoNet
Janina Jonker von InoNet
© InoNet

Janina Jonker

ist Marketing Manager bei InoNet und unterstützt bei der strategischen Ausrichtung und operativen Umsetzung des Online- und Offline-Marketings.

 

 

Juergen Obergfell von InoNet
Juergen Obergfell von InoNet
© InoNet

Jürgen Obergfell

ist Gruppenleiter im Design Engineering bei InoNet und arbeitet als System Engineer seit über 25 Jahren an der Entwicklung von Embedded Computersystemen.


Das könnte Sie auch interessieren

Verwandte Artikel

InoNet Computer GmbH