NVIDIA 英伟达自动驾驶解决方案DRIVE AGX芯片

经销商-富瑞博国际

关键词： NVIDIA DRIVE AGX自动驾驶嵌入式超级计算平台, NVIDIA英伟达自动驾驶DRIVE开发平台， NVIDIA英伟达DRIVE AGX 自动驾驶套件, 英伟达自动驾驶芯片，NVIDIA 自动驾驶AI开发平台, NVIDIA英伟达自动驾驶AGX芯片

NVIDIA DRIVE AGX开发系统

概述

英伟达™ AGX开发工具包是一个开放的人工智能汽车计算平台，它使汽车制造商、一级汽车供应商和其他开发人员能够加快自动化和自主汽车的生产。

该套件附带NVIDIA驱动器™ AGX系统（以下简称“系统”），采用两个NVIDIA®Xavier设计™主板上的SoC处理器。本文档提供了基于NVIDIA®Xavier的开发系统的硬件功能和规格的详细信息™建筑。

NVIDIA DRIVE-自主汽车开发平台

NVIDIA DRIVE ™是NVIDIA旗下一个自动驾驶行业的端到端平台，平台包括车载计算机（DRIVE AGX）和完整的参考架构（DRIVE Hyperion™)以及数据中心托管仿真（DRIVE Constellation™) 以及深度神经网络（DNN）训练平台（DGX™). 这些平台还包括丰富的软件开发工具包（sdk），以加速自动驾驶汽车（AV）的开发。

NVIDIA DRIVE AGX自动驾驶嵌入式超级计算平台

The NVIDIA DRIVE™ AGX Developer Kit提供了开发生产级自主车辆（AV）所需的硬件、软件和示例应用程序。NVIDIA DRIVE AGX系统建立在生产汽车级硅上，具有开放的软件框架，并拥有大量汽车合作伙伴（包括汽车级传感器供应商、汽车1级供应商）可供选择。

使命

相信下一代交通是自主的。共享和私人车辆、长途和短途旅行、送货和物流、自主性将从根本上改善出行方式。在英伟达，我们的汽车团队的任务是开发自动驾驶技术，使所有人的道路更安全、更不拥挤、更灵活。“安全是自动驾驶汽车最重要的方面。英伟达创造一个安全的自动驾驶平台是我们的努力之一，它为汽车制造商将自动驾驶汽车推向市场提供了关键因素。

黄仁勋

英伟达创始人兼执行官

简介

几十年前，英伟达发明了GPU，引发了一场计算机时代。这项核心技术诞生于游戏专业可视化行业，现在已经在高性能和加速以及人工智能（AI）领域实现了飞跃。当我们扩展我们的系统和产品在机器人、医疗、医疗、航天和娱乐领域都面临着新的挑战。英伟达现在正在将我们未来的计算性能和能源效率应用于运输行业，帮助世界各地的汽车制造商实现

安全可靠的自动驾驶汽车。汽车正在改变运输业。它们通过大幅度减少与车辆相关的事故、降低交通能耗、提高生产率以及为无法驾驶的人提供机动性，从而拯救了生命。英伟达与世界各地的汽车制造商、供应商、传感器测绘公司和初创企业合作，共同开发的移动新世界。我们提供的系统架构，人工智能硬件和核心软件，以建立所有类型的自动汽车和卡车，*自主的穿梭机和机器人。NVIDIA驱动器™，我们的高度可扩展平台，可以实现汽车工程师协会（SAE）定义的所有级别的驾驶。这些高级驾驶员辅助系统功能（SAE 2级：驾驶员辅助）自动驾驶出租车（SAE 5级：全自动）。*自主驾驶的计算要求比当今生产中的车辆容易得多。与NVIDIA合作伙伴实现了安全性的提高，实时运行各种冗余算法的复杂软件。在开发过程中，我们创建了一个单一的可扩展体系结构，在保留体系结构的同时，通过附加的硬件和软件提高了自治性。同样的策略也适用于安全。我们的架构丰富了系统的元素，以不断提高安全性。

自动驾驶汽车的好处

美国2016年收集的数据凸显了自动驾驶解决方案的迫切需要。道路死亡人数比前一年增加了5.6%，比过去50年的任何一年都要多。美国国家公路交通安全管理局估计94%的交通事故是由人为错误引起的，包括分心驾驶、昏昏欲睡、超速行驶和酒精中毒。

幸运的是，增加或替代驾驶员的技术可以减轻绝大多数此类事故。它还可以大大减少通勤者每年在交通中浪费的小时数（目前平均为42小时），以及因交通拥堵而损失的1600亿美元4。此外，自动驾驶带来了更高效的交通模式，因此可以减少运输业造成的空气污染量，2016年估计占美国温室气体排放总量的28%。计算实现更高的安全性NVIDIA地提供了高性能计算所需的冗余传感器，不同的算法，和额外的诊断，以支持更安全的操作。我们为汽车配备了多种冗余传感器，用于传感器融合。然后，多个不同的人工智能深度神经网络和算法的感知，地图定位，和路径

规划运行在集成的GPU、CPU、深度学习加速器（DLA）和可编程视觉加速器（PVA）的组合上，以实现尽可能安全的驾驶。英伟达已经创造了必要的技术，以建立健全的，端到端系统的研究，开发和部署自动驾驶车辆。我们提供一系列的硬件和软件解决方案，从强大的GPU和服务器到完整的人工智能培训基础设施和车载自动驾驶超级计算机。我们还支持学术研究和早期开发人员，与数十所大学合作，并在我们的深度学习学院教授人工智能开发课程。当我们发现挑战时，我们将其转化为机遇并制定解决方案。本报告概述了NVIDIA的自主车辆技术，以及我们在安全架构、共同设计的硬件和软件、设计工具、方法和实践方面的贡献如何使可靠性和安全性达到。

安全的基本原则是在系统中引入冗余和多样性。NVIDIA在设计处理器和计算平台、设计驱动和映射算法以及将传感器集成到车辆中时，应用了这一原理。我们致力于AV开发和设计的每一个阶段的安全性，以达到的质量水平。

例如，一辆装有10个高分辨率摄像头的汽车每秒产生20亿像素的数据。通过多个深度神经网络处理这些数据将转换为大约250个top（每秒万亿次操作）。加上其他传感器类型和车内人工智能，性能要求就会提高。对于自动驾驶汽车，compute转换为safety。

\\自动驾驶汽车的好处

美国2016年收集的数据凸显了自动驾驶解决方案的迫切需要。道路死亡人数比前一年增加了5.6%，比过去50年的任何一年都要多。据美国国家公路交通安全管理局估计，94%的交通事故是由人为错误引起的，包括分心驾驶、昏昏欲睡、超速行驶和酒精损伤。幸运的是，增加或替代驾驶员的技术可以减轻绝大多数此类事故。它还可以大大减少通勤者每年在交通中浪费的小时数（目前平均为42小时），以及因交通拥堵而损失的1600亿美元。此外，自动驾驶带来了更高效的交通模式，因此可以减少运输业造成的空气污染量，2016年估计占美国温室气体排放总量的28%。

\\计算使安全性更高

英伟达地提供了高性能计算所需的冗余传感器，不同的算法，和额外的诊断，以支持更安全的操作。我们为汽车配备了多种冗余传感器，用于传感器融合。然后，多个不同的人工智能深度神经网络和算法的感知，地图定位，和路径规划运行在集成的gpu，cpu，深度学习加速器（dla）和可编程视觉加速器（pva）的组合上，以实现尽可能安全的驾驶。

安全自主驾驶的四大支柱

NVIDIA在其自主车辆研究、设计和部署基础设施中提供了统一的硬件和软件架构。我们提供的技术，以解决四大支柱，使安全的自动驾驶汽车成为现实。

支柱1人工智能设计与实现平台

支柱2支持深度学习的开发基础设施

支柱3鲁棒仿真与测试的数据中心解决方案

支柱4的普及安全计划

驱动AGX平台-传感器处理，人工智能计算，路径规划，车辆控制

照相机-静态（标志、车道、边界等）和动态物体（行人、骑车人、无碰撞空间、危险等）的检测和分类

雷达-在广泛的光照和天气条件下检测运动

激光雷达-全天候高精度检测

GNSS和IMU-几种传感器的粗定位与运动补偿

一辆*自主的汽车可以通过一系列功能自行驾驶：感知、传感器融合、定位到高清地图、路径规划和驱动。摄像头、雷达和激光雷达传感器使车辆能够360度观察周围的世界，检测交通信号、行人、车辆、基础设施和其他重要信息。机载人工智能超级计算机实时解释这些数据，并将其与基于云端的高清地图系统相结合，以安全地导航到路线。这种自动驾驶系统允许车辆检测和预测物体和人在其路径上的移动方式，然后自动控制车辆的转向、加速和制动系统。人工智能系统具有超人的感知和性能。它们跟踪车辆周围的所有活动，从不感到疲倦、分心或受损。其结果是提高了我们道路的安全性。

支柱1人工智能设计与实现平台

NVIDIA DRIVE是一个可扩展的人工智能平台，涵盖了从辅助公路驾驶到robotaxis的整个自动驾驶范围。它由硬件、软件和固件组成，这些硬件、软件和固件协同工作，能够生产自动化和自动驾驶车辆。我们的平台结合了深度学习、传感器融合和环绕视觉，实现安全驾驶体验。通过高性能计算，车辆可以实时了解周围发生的事情，在高清地图上精确定位自己，并规划安全的前进路线。我们的平台围绕一个多样化和冗余的系统架构设计，旨在支持别的汽车功能安全，适用于从高级ADA扩展到*自主的robotaxis。我们的统一体系结构从数据中心延伸到车辆，并提供符合国家和国际安全标准的端到端解决方案。深度神经网络（DNNs）可以在数据中心的基于GPU的服务器上进行训练，然后在仿真中进行全面测试和验证，然后无缝地部署到我们的汽车AI计算机上运行。为了安全运行，自动驾驶车辆需要强大到足以实时处理所有传感器数据的超级计算机。我们的底层硬件解决方案包括：

基于nvidia xavier的车载超级计算机，这是一个为自主机器设计的车载AI-SoC（芯片上系统）。该平台可以同时运行多个dnn，以提供安全性和可靠性。

更高性能的AI超级计算机，集成了多个Xavier SOC和多个GPU，提供了*自主驾驶所需的多样性和冗余性。

一个*集成的基于数据中心的深度学习系统，用于人工智能模型开发和验证（另见支柱3和支柱4）。

德国TÜV sÜD机构的安全专家评估，一个单芯片自动车辆处理器NVIDIA Xavier的架构适合AVs。NVIDIA的ASIC开发过程也通过了ISO 26262认证。

NVIDIA驱动软件使我们的客户能够开发自动化和自动驾驶车辆的生产质量应用程序。它包含软件模块、库、框架和源包，开发人员和研究人员可以使用它们来优化、验证和部署他们的工作。我们的基础软件产品包括：

DRIVE OS

底层实时操作系统软件包括一个安全性

应用程序框架，并提供自适应AUTOSAR的支持。

DRIVE AV

自主车辆驾驶系统软件集成了各种dnn，用于检测所有类型的环境和这些环境中的对象，以及车辆定位和路径规划算法。

DRIVE IX

这种基于深度学习的软件堆栈使制造商能够在车内开发智能体验，从使用座舱摄像头的驾驶员监控系统到语音和手势激活的人工智能助手。

DRIVE AR

perception visualization软件堆栈用于为仪表板和后座屏幕构建驾驶舱体验。它从车辆传感器获取复杂的信息，并将其转换为易于理解的全面准确的视觉效果，帮助乘客建立对AV技术的信任。

DRIVE Hyperion

这个完整的AV开发和测试平台包括一个DRIVE AGX Pegasus系统，以及用于自动驾驶的传感器（七个摄像头、八个雷达和可选的激光雷达）、用于驾驶员监控的传感器、用于定位的传感器以及其他附件。

DRIVE Mapping

测绘解决方案集成了一个可扩展的传感器套件、软件开发工具包（SDK）以及与的测绘公司合作提供的联合集成高清晰度地图。我们的端到端映射技术有助于收集环境数据、创建高清地图并保持更新。

其他NVIDIA硬盘硬件和软件解决方案在支柱2和3中重点介绍。

NVIDIA DRIVE AGX体系结构使车辆制造商能够制造和部署功能安全的自动驾驶汽车和卡车，并证明其符合国际安全标准，如ISO 26262和ISO/PAS 21448、NHTSA建议和NCAP要求。

\\安全需要高性能的计算

对于自动驾驶汽车，处理性能意味着安全。计算量越大，算法越复杂，深层神经网络中的层次就越多，可以同时运行的dnn也就越多。英伟达提供了的320万亿次操作，第二次深度学习计算在drive AGX Pegasus

支柱2发展基础设施支持深度学习

除了车载超级计算硬件，NVIDIA解决方案还为数据中心提供动力，用于解决安全AVs开发中面临的关键挑战。一辆测试车每年可以产生数PB的数据。捕获、管理和处理这些海量数据不仅仅是一辆车，而是一个车队，需要一个全新的计算架构和基础设施。

NVIDIA DRIVE Perception基础设施提供并支持大量数据收集、深度学习开发和可追溯性，以支持大型自主车队。它运行在NVIDIA DGX SaturnV上，我们的AI超级计算机由660个nvidiadgx-1组成™系统有5280个GPU，能够处理660千兆次的人工智能模型开发和训练。

我们的人工智能基础设施帮助开发人员创建并快速训练DNN模型，从而为自动驾驶车辆提供高度精确的感知系统。例如，我们使用驾驶感知基础设施创建了几十个神经网络，分别覆盖车道和道路边界、道路标记、标志、车辆、等待条件、自由空间等的感知。

理想的人工智能计算基础设施有助于利用各种车载传感器的数据建立安全的系统。我们支持基于摄像机的感知和映射、基于激光雷达的感知和映射、基于摄像机的定位到高清地图、基于激光雷达的定位到高清地图，等等。

DRIVE Perception基础设施还允许进行深度学习处理，它由合格的工具（如深度学习编译器和运行时引擎）提供帮助，这些工具是NVIDIA为满足汽车级要求而重新构建的。

支柱3数据中心解决方案

鲁棒仿真与测试

在任何自动驾驶车辆能够安全地在道路上行驶之前，工程师必须首先测试和验证人工智能算法和其他使车辆能够自行驾驶的软件。人工智能驱动的自动驾驶车辆必须能够对其可能经历的难以置信的各种情况做出正确的反应，例如紧急车辆、行人、动物以及几乎无限多的其他障碍物，包括太危险而无法在现实世界中测试的场景。

此外，无论天气、道路或照明条件如何，AVs都必须能正常工作。在所有这些情况下，没有可行的方法对车辆进行物理路试，也没有足够的可控性、可重复性、详尽性或足够快。在真实模拟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。在数据中心将实际道路里程与模拟里程相结合是测试和验证AVs的关键。

NVIDIA DRIVE Constellation™是一个数据中心解决方案，使开发人员能够在自动驾驶车辆上路之前测试和验证实际的硬件和软件。该平台由两个并排的服务器组成，个服务器使用运行DRIVE SimTM软件的NVIDIA GPUs来模拟在虚拟世界中驾驶的虚拟汽车上来自摄像机、雷达和激光雷达的传感器数据。模拟器的输出被输入第二台服务器，该服务器包含驱动器AGX Pegasus AI汽车计算机，运行完整的AV软件堆栈并处理模拟传感器数据。

DRIVE AGX Pegasus的驾驶决策每秒反馈给模拟器30次，使硬件在环测试成为可能。在极少数的情况下，Sim无法模拟驾驶的危险场景。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，并验证完整的AV系统。

支柱4的普及安全计划

在研究、开发和部署过程的每一步，安全都是我们的首要任务。它从一个普遍的安全方法开始，强调整个自主系统的设计、验证、验证和寿命支持的多样性和冗余性。在我们的流程、产品和安全架构中，我们只满足于的解决方案。为了概念化我们的自主车辆安全计划，我们遵循美国国家公路交通安全管理局在其2017年3月和2018年12期出版物中提出的建议。

在整个项目中，我们以国际标准化组织（International Organization for Standardization）的汽车行业安全标准为基准（参见侧栏）。这些是：

预期安全性和功能性

自动驾驶车辆必须能够安全运行，即使系统发生故障。功能安全关注的是当硬件、软件或系统不能按预期工作时，确保风险最小化的措施。

即使系统按设计运行，，也可能存在安全隐患。SOTIF专注于确保不存在由于预期功能不足或合理可预见的误用而导致的不合理风险。

联邦和国际法规

我们还遵守联邦和国际法规，包括新车评估计划（NCAP）、欧洲NCAP和欧洲经济委员会。我们影响、共同创建并遵循国际标准组织、新车评估计划、国际汽车工程师协会的标准以及其他行业的标准。

除了遵守联邦和行业指南外，我们还与行业专家进行公开披露和合作，以确保我们在所有当前和未来的安全问题上保持。我们还担任多个安全工作组的职位，以推动的发展，并探索新的研究领域，如人工智能系统的安全和可解释的人工智能。

NVIDIA DRIVE AGX体系结构旨在支持SAE J3016规范的2至5级，并包括对NCAP的支持。

国家和国际安全条例和建议

英伟达遵守这里概述的国家和国际安全建议。

国际标准化组织

功能安全

ISO 262628论述了道路车辆的功能安全。它的重点是避免可以避免的故障，同时检测和适当地响应由于故障导致的不可避免的故障。这是通过在开发、生产和运行过程中结合健壮的过程，以及包括诊断和其他缓解措施来管理随机硬件故障来实现的。ISO 26262可应用于车辆、系统、硬件和软件级别。

预期功能的安全性（SOTIF）

ISO/PAS 214489规定了道路车辆预期功能的安全性。它重用并扩展了iso26262开发过程来解决SOTIF问题。对车辆行为的安全危害进行评估，并在开发过程中定义、实施和验证已知的系统限制和缓解措施。在放行前，对车辆系统的安全性进行验证，以确保不存在不合理的风险。

国家公路交通安全管理局（NHTSA）

国家公路交通安全管理局（NHTSA）发布的一份名为《自动驾驶系统自愿指南》的出版物中介绍了自动驾驶的安全指南。由于NVIDIA不是一家汽车制造商，因此本报告并未明确涵盖一些安全要素，如耐撞性和颈部/尾部碰撞保护。在代表业界对公共道路上使用自动驾驶系统的安全性达成共识的12项安全要素中，有10项与英伟达相关：

–系统安全

–设计领域

–目标和事件检测和响应

–后备（风险条件）

–验证方法

–数据记录

–人机界面

–车辆网络安全

–消费者教育和培训

–联邦、州和地方法律

NCAP

区域NCAP根据其特定市场调整安全实践，NVIDIA遵守所有当地NCAP版本。欧洲新车评估计划（Euro NCAP）为消费者提供对在欧洲销售车辆的独立安全评估。欧洲新车评价计划（Euro NCAP）发布了2025年路线图10，其中提出了一个愿景和战略，强调主要、次要和三级车辆安全。我们目前正在处理这些欧洲NCAP建议：

–自动紧急转向

–自动驾驶测试和评估

–自动紧急制动

–V2X

–驾驶员监控

–人机界面（HMI）

–行人和骑车人安全

–模拟

–儿童存在检测

–网络安全

–救援、解脱和安全

–卡车安全

\\NVIDIA解决方案——NHTSA安全元件

系统安全NVIDIA已经创建了一个系统安全程序，该程序基于系统工程方法，集成了稳健的设计和验证过程，目标是设计具有安全水平和无不合理安全风险的自动驾驶系统。

\\NVIDIA解决方案–NHTSA安全元件回退（最小风险条件）我们的产品使车辆能够检测到系统故障或违反操作设计领域，然后根据警告和降级策略将系统转换到安全或降级运行模式。每个NVIDIA自动驾驶系统都包含一个后备策略，使驾驶员能够重新获得对车辆的适当控制，或者允许自主车辆独立地返回到最小风险状态。

我们的HMI产品可用于通知驾驶员潜在危险事件，并将车辆单独恢复到风险状态，或提醒驾驶员重新获得适当控制。给定的故障类型和程度根据故障的程度而变化。

\\NVIDIA解决方案——NHTSA安全元件

验证方法

验证方法建立了自治系统能够完成其预期功能的信心。我们的开发过程包含严格的方法来验证和验证我们产品的行为功能和部署。为了证明在公共道路上部署的自主车辆的预期性能，我们的测试方法包括模拟、测试跑道和道路测试的组合。这些方法暴露了在广泛变化的条件下的性能，例如在部署回退策略时

\\NVIDIA解决方案——NHTSA安全元件

根据国家公路交通安全管理局（NHTSA）的建议，NVIDIA开发了一套广泛的设计领域。每个操作设计域至少包括以下信息，以定义产品的能力边界：道路类型、地理区域和地理区域条件、速度范围、环境条件（天气、一天中的时间等）和其他约束。