使用拆分架构嵌入式计算机改进自动驾驶汽车测试

该技术的下一阶段是不断测试和改进用于部署这些自动驾驶汽车的技术。显然，需要进行测试以证明它们在任何和所有道路条件下都是安全的。

借助自动驾驶系统等流动而复杂的技术，测试必须足够灵活以考虑变化，可能是动态的，但又必须足够严格，以使结果在大规模的实际应用中具有意义。有许多不同的方式可以进行测试。

测试自动驾驶汽车的挑战之一是它们可能会在许多不同的条件和环境挑战下使用相当长的一段时间。因此，测试方案必须尝试“随着时间的推移”模拟测试。这不是一件容易复制的事情。

许多测试是在实验室中进行的，并且无法替代现场的实际行为。在某些情况下，车辆会在现场学习和训练，并实时进行调整。

剪断（无线）线

自动驾驶技术设计人员面临的另一个挑战是无线通信媒体的速度和可用性。虽然 5G 可能具有实时处理许多任务的带宽，但尚未推出具有完全覆盖范围的高效 5G。其他较慢的媒体渠道是不够的，除了数据下载或车辆软件升级，这可能发生在车辆静止时。

此外，由于自动驾驶技术相对较新，组件会定期更换，这进一步增加了测试的复杂性。如果环境未锁定，则几乎不可能维护有效数据。

所有这些重要测试的最终结果是，车辆生成的数据量非常巨大，很容易达到 TB。尝试无线下载所有这些信息可能是一项艰苦的长期工作。为了消除漫长的下载周期，Premio提出了一种解决方案，允许 OEM 简单地随身携带数据。除了消除长时间的无线下载之外，该解决方案还保持了数据的安全性和完整性。

Premio 的 RCO-6000 系列嵌入式计算机采用分离式架构设计，因此可以移除内存子系统并更换为新阵列，从而为推理和数据捕获工作负载提供性能加速。

Premio RCO-6000 系列 EdgeBoost Node嵌入式计算机被称为罐式方法，可在车辆和中央存储库之间快速高效地收集和传输数据，其中可以使用 AI 工作负载信息收集、存储和分析数据。Premio 采用的设计最初是一个定制项目，但随着对该技术的需求越来越多，后来演变为商业产品。RCO-6000-CML 系列是最新的AI 边缘推理计算机，它使用 Premio 的模块化 EDGEboost 节点设计来优化现场测试自动驾驶应用的性能加速和数据采集。

NVMe SSD 可以承受冲击

非易失性存储器 （NVMe） 罐产品的一个关键设计元素是这种环境所需的坚固性，同时仍具有快速聚合和存储数据的能力。使用额定为高水平冲击和振动的固态磁盘 （SSD），数据保持完整。

RCO-6000 系列 EdgeBoost Node 嵌入式计算机的架构可以部署在各种配置中，具体取决于具体应用和最终目标是什么。如下图所示，最简单的配置仅用于数据采集。在这里，罐子将被移除，并带到外部源进行存储和分析，通常与来自其他实例（其他车辆或同一车辆随着时间的推移）的数据结合并进行比较。这种配置的主要好处是高速 NVMe 技术，它提供可靠的数据捕获，可以卸载到中央位置，以实现更大的机器学习和 AI 工作负载。此外，第二种配置用于现场测试，使用性能加速模块在现场进行推理。显然，该容器的配备与仅用于存储信息的模型不同，因为它通过专用 PCIe 通道动态处理大量计算，用于 GPU、m.2 模块甚至 NVMe 存储介质中的硬件加速。

最终配置是处理推理和数据捕获的成熟模型。请记住，在所有三种配置中，罐子都可以轻松移除，以便将数据带回主处理单元进行进一步分析。在所有三种配置中，该架构都添加了物理安全元素，因为数据保留在容器中，可以存储并保存在物理锁和钥匙后面。

如图所示，根据应用和用户的目标，可以部署 RCO-6000 系列 EdgeBoost Node 嵌入式计算机容器的多种配置。每个配置都包括拆分架构，便于轻松捕获和删除数据。

Premio 已经为一个关键的 OEM 客户部署了数百台 RCO-6000 系列 EdgeBoost Node 嵌入式计算机。因此，从数据收集领域的客户体验中学到了很多东西。除了传输和安全存储数据的简单性之外，确保数据的有效性同样重要，数据在容器内部处理。Premio 专家很快承认，这种设计需要在产品开发阶段进行严格的测试。

请注意，可以通过执行弹出按钮非常简单地移除容器。Premio 提供了一个软件实用程序，使 OEM 可以轻松地将这个过程包含在他们自己的用户界面中，从而允许 OEM 通过软件开发实现差异化和定制化。

在实践中，可以通过 PCIe 转接卡或通过 NVMe 硬件 RAID 控制器使用两种不同方法之一连接容器。如果意图直接连接到 CPU 的 PCIe 通道，则使用前者。然而，如果需要硬件 RAID，将使用后一种方法。

虽然您可能预计这种方法会将功耗提高到可能无法接受的水平，但 RCO-6000 系列 EdgeBoost Node 嵌入式计算机的情况并非如此。这个概念源于嵌入式计算机可能由车辆本身提供动力这一事实。通过一些智能节能设计，Premio 工程师能够（大部分）消除额外的功耗，并通过支持宽电源电压输入保持工业级设计。

用于边缘人工智能的全功能嵌入式计算机

从功能的角度来看，RCO-6000 系列 EdgeBoost Node 嵌入式计算机可以分为三个主要用途（计算机处理所有三个用途）：

数据捕获：捕获足够的数据来训练能够在真实环境中部署的高效模型。这要求所有捕获的数据都以足够快的速度写入 SSD，这样就不会丢失任何数据。

测试运行：在现实世界中进行测试运行以测试模型，同时捕获数据以查看模型的效率。这需要混合推理能力和快速存储。

最终部署：一旦确定解决方案足够成熟，就可以将最终推理部署到大规模生产中。这需要纯粹的推理能力。

RCO-6000 系列支持 I/O 支架，可实现高速连接和低延迟数据传输，适用于崎岖边缘的高级工业应用。凭借多样化的模块化配置，计算机的 I/O 灵活性允许整合工作负载以处理各种数字和模拟传感器。例如，子板模块可用于通过 GbE 和 USB 等选项启用更多 I/O。

高速网络

一个关键的挑战是确保可以足够快地捕获数据，以免丢失任何东西。RCO-6000 系列 EdgeBoost 节点嵌入式计算机通过包含超高速 NVMe SSD 并通过 100-Gbit/s 以太网网络适配器进行通信来处理这些问题。

概括

RCO-6000 系列 EdgeBoost Node 嵌入式计算机的关键部署目标之一是物理迁移 SSD，而无需通过无线网络转发数据的艰巨（也是更常见）的方法。只需卸下碳罐，即可在几分钟内卸载数据，同时，可以快速插入新的碳罐，使车辆除了短暂的“进站”外，还能继续在路上行驶。车辆返回现场以捕获更多数据的周转时间实际上以（低个位数）分钟为单位。

Premio 的车载计算机旨在在最恶劣的环境条件下运行，同时在自主和远程边缘部署中提供关键任务可靠性。独特的架构显着减少了停机时间，是实时本地处理和推理分析的理想