自動運転システムにおけるエッジコンピューティング技術

エッジ コンピューティングは、ネットワークのエッジでコンピューティングを実行する新しいコンピューティング モデルです。そのデータ処理は主に 2 つの部分で構成されます。1 つはダウンストリーム クラウド サービス、もう 1 つはアップストリーム IoT サービスです。 「エッジ」は実際には相対的な概念であり、データからクラウド コンピューティング センターまでのパス間にあるコンピューティング、ストレージ、およびネットワーク関連のリソースを指します。データの一方の端からクラウド サービス センターのもう一方の端まで、このパス上では、アプリケーションの具体的なニーズと実際のアプリケーション シナリオに応じて、エッジはこのパス上の 1 つ以上のリソース ノードとして表すことができます。エッジコンピューティングのビジネス本質は、データセンター外のノードを集約するクラウドコンピューティングの拡張と進化であり、主にエッジクラウド、エッジネットワーク、エッジゲートウェイの3種類の実装形式で構成されています。

上図の通り、現在自動運転に使われている産業用コンピュータです。実質的には、耐久性が高められ、強化されたパーソナルコンピュータです。産業用コントローラとして産業環境で確実に動作できます。EIA 規格に準拠した完全強化産業用シャーシを採用し、耐電磁干渉機能を強化し、バス構造とモジュール設計技術を採用して単一点障害を防止します。上記の自動運転産業用コンピュータネットワーク設計スキームは、ISO26262 の要件を完全に考慮しています。このうち、CPU、GPU、FPGA、バスはすべて冗長性を考慮して設計されています。 IPC システム全体に障害が発生した場合、冗長 MCU 制御により操作上の安全性が確保され、車両の CAN バスに指示を直接送信して車両を停止するように制御できます。現在、この集中型アーキテクチャは、産業用コンピュータが次世代の集中型ドメイン コントローラに相当し、すべてのコンピューティング作業を 1 つに統合する、次世代の集中型自動運転システム ソリューションに適しています。アルゴリズムの反復では、全体的なハードウェアのアップグレードや車両規制を過度に考慮する必要はありません。

エッジコンピューティングとエッジクラウド

現在の自動運転では、大規模な人工知能アルゴリズムモデルや大規模な集中型データ分析はすべてクラウド上で実行されます。クラウドには大量のコンピューティングリソースがあり、非常に短時間でデータ処理を完了できますが、自動運転車向けのサービスを提供するためにクラウドだけに頼ることは多くの場合実現可能ではありません。自動運転車は走行中にリアルタイムで処理する必要のある大量のデータを生成するため、このデータをすべてコアネットワーク経由でリモートクラウドに送信して処理すると、データの送信だけで大きな遅延が発生し、データ処理のリアルタイム要件を満たすことができなくなります。また、コアネットワークの帯域幅は、大量のデータをクラウドに同時に送信している多数の自動運転車をサポートできません。コアネットワークが混雑し、データ伝送が不安定になると、自動運転車の走行安全性が保証されなくなります。

エッジ コンピューティングはローカル ビジネスに重点を置いており、リアルタイム要件が高く、ネットワークに大きな負荷がかかり、ローカライズされたコンピューティング方法を使用します。エッジ コンピューティングは、統合アルゴリズム モデルに基づくローカルの小規模なインテリジェント分析と前処理に適しています。エッジ コンピューティングを自動運転の分野に適用すると、自動運転車が環境データの取得と処理で直面する問題の解決に役立ちます。

エッジコンピューティングとクラウドコンピューティングは、業界のデジタル変革にとって重要な2つのコンピューティング手法として、基本的に共存し、相互に補完し、促進し合い、ビッグデータ時代のコンピューティング問題を共同で解決します。

エッジ コンピューティングとは、ネットワークのエッジで計算を実行するコンピューティング モデルを指します。その操作対象は、クラウド サービスのダウンリンク データと IoT サービスのアップリンク データです。エッジ コンピューティングの「エッジ」とは、データ ソースとクラウド コンピューティング センター間のあらゆるコンピューティング リソースとネットワーク リソースを指します。つまり、エッジ コンピューティングは、ユーザーの近くのエッジ ノードにサーバーを配置し、ネットワークのエッジ (ワイヤレス アクセス ポイントなど) でユーザーにサービスを提供することで、長距離のデータ転送を回避し、ユーザーに高速な応答を提供します。タスク オフロード テクノロジーは、自動運転車のコンピューティング タスクを他のエッジ ノードにオフロードして実行することで、自動運転車のコンピューティング リソースが不足するという問題を解決します。

エッジ コンピューティングは、近接性、低レイテンシ、局所性、位置認識を特徴とします。このうち、近接性とは、エッジコンピューティングが情報源に近いことを意味し、データの最適化を通じてビッグデータ内の重要な情報を取得および分析するのに適しており、デバイスに直接アクセスして、より効率的なサービスとエッジインテリジェンスを提供し、特定のアプリケーションシナリオを簡単に導き出すことができます。低レイテンシとは、エッジ コンピューティング サービスがデータを生成する端末デバイスに近いことを意味します。クラウド コンピューティングと比較すると、特にスマート ドライビング アプリケーションのシナリオではレイテンシが大幅に短縮され、フィードバック プロセスが高速化されます。ローカリティとは、エッジ コンピューティングをネットワークの残りの部分から分離して実行し、ローカライズされた比較的独立したコンピューティングを実現できることを意味します。一方では、ローカル データのセキュリティが確保され、他方では、コンピューティングのネットワーク品質への依存が軽減されます。位置認識とは、エッジ ネットワークがワイヤレス ネットワークの一部である場合、エッジ コンピューティング スタイルのローカル サービスが比較的少ない情報を使用して、接続されているすべてのデバイスの場所を特定できることを意味します。これらのサービスは、位置情報ベースのサービス アプリケーション シナリオに適用できます。

同時に、エッジコンピューティングの開発動向は、異種コンピューティング、エッジインテリジェンス、エッジクラウドコラボレーション、5G +エッジコンピューティングへと徐々に進化していきます。異種コンピューティングでは、エッジビジネスの多様なコンピューティングの需要を満たすために、システムのコンピューティング方法を形成するために、異なるタイプの命令セットとアーキテクチャを備えたコンピューティングユニットを使用する必要があります。異種コンピューティングは、新世代の「接続+コンピューティング」インフラストラクチャの構築を満たすだけでなく、細分化された業界と差別化されたアプリケーションのニーズを満たし、コンピューティングリソースの利用率を向上させ、コンピューティングパワーの柔軟な展開とスケジュールをサポートします。

エッジコンピューティングリファレンスアーキテクチャ

エッジ コンピューティング リファレンス アーキテクチャの各レイヤーは、モデル化されたオープン インターフェイスを提供し、アーキテクチャの完全なオープン性を実現します。垂直管理サービス、データ ライフサイクル サービス、セキュリティ サービスを通じて、ビジネス プロセスとライフサイクル全体にわたるインテリジェント サービスが実現されます。

上図に示すように、エッジ コンピューティング リファレンス アーキテクチャには主に次の内容が含まれます。

システム全体は、インテリジェント サービス、ビジネス オーケストレーション、エッジ クラウド、エッジ コンピューティング ノードの 4 つのレイヤーに分かれています。エッジ コンピューティングは、クラウドと現場のデバイスの間にあります。エッジ レイヤーは、さまざまな現場デバイスの下方向のアクセスをサポートし、上方向のクラウドに接続できます。エッジ レイヤーは、エッジ ノードとエッジ マネージャーという 2 つの主要部分で構成されます。エッジノードはハードウェアエンティティであり、エッジコンピューティングサービスの中核です。エッジマネージャーの中核はソフトウェアであり、その主な機能はエッジノードを統一的に管理することです。エッジ コンピューティング ノードには通常、コンピューティング リソース、ネットワーク リソース、およびストレージ リソースがあります。エッジ コンピューティング システムは、2 つの方法でリソースを使用します。1 つ目は、コンピューティング リソース、ネットワーク リソース、およびストレージ リソースを直接カプセル化し、呼び出しインターフェイスを提供することです。エッジ マネージャーは、コードのダウンロード、ネットワーク ポリシーの構成、およびデータベース操作を通じてエッジ ノード リソースを使用します。2 つ目は、エッジ ノード リソースが機能領域に応じてさらに機能モジュールにカプセル化されることです。エッジ マネージャーは、モデル駆動型ビジネス オーケストレーションを通じて機能モジュールを組み合わせて呼び出し、エッジ コンピューティング サービスの統合開発とアジャイル展開を実現します。

エッジコンピューティング向けハードウェアインフラストラクチャ

1. エッジサーバー

エッジ サーバーは、エッジ コンピューティングとエッジ データ センターの主要なコンピューティング キャリアであり、オペレーターのコンピューター ルームに導入できます。エッジコンピューティング環境には大きな違いがあり、エッジサービスにはレイテンシ、帯域幅、GPU、AI などの面で個別の要求があるため、エンジニアの現場での作業を最小限に抑え、ステータス収集、操作制御、管理インターフェイスなどの強力な管理および操作機能を確保して、リモートおよび自動管理を実現する必要があります。

自動運転システムでは、通常、インテリジェントエッジオールインワンマシンを使用して、コンピューティング、ストレージ、ネットワーキング、仮想化、環境電力などの製品を産業用コンピューターに有機的に統合し、自動運転システムの正常な動作を促進します。

2. エッジアクセスネットワーク

エッジ コンピューティング アクセス ネットワークとは、ユーザー システムからエッジ コンピューティング システムまでの一連のネットワーク インフラストラクチャを指します。これには、キャンパス ネットワーク、アクセス ネットワーク、エッジ ゲートウェイなどが含まれますが、これらに限定されません。また、統合、低レイテンシ、大きな帯域幅、大規模な接続、高いセキュリティなどの特徴も備えています。

3. エッジ内部ネットワーク

エッジコンピューティング内部ネットワークとは、サーバーに接続されたネットワークデバイス、外部ネットワークと相互接続されたネットワークデバイス、およびそれらによって構築されたネットワークなど、エッジコンピューティングシステムの内部ネットワークインフラストラクチャを指します。エッジ コンピューティングの内部ネットワークは、アーキテクチャが簡素化され、機能が完備され、パフォーマンス損失が大幅に削減されるという特徴があり、同時にエッジとクラウドの連携と集中管理と制御を実現できます。

エッジコンピューティングシステムは、個々のサイズは小さいが数が多いという自然な分散型であるため、単一ポイントの管理モデルでは運用要件を満たすことが難しく、産業用コンピュータリソースも占有し、効率が低下します。一方、エッジコンピューティングサービスでは、エンドツーエンドのレイテンシ、帯域幅、セキュリティが重視されるため、エッジとクラウド、エッジとエッジの連携も非常に重要です。一般的に、クラウド コンピューティング システムにインテリジェントなクロスドメイン管理およびオーケストレーション システムを導入して、一定範囲内のすべてのエッジ コンピューティング システムのネットワーク インフラストラクチャを統一的に管理および制御し、エッジ クラウド コラボレーションに基づく集中管理モデルをサポートすることで、ネットワークおよびコンピューティング リソースの自動かつ効率的な構成を確保する必要があります。

4. エッジコンピューティングインターネット

エッジ コンピューティング インターネットには、エッジ コンピューティング システムからクラウド コンピューティング システム (パブリック クラウド、プライベート クラウド、通信クラウド、ユーザー構築クラウドなど)、その他のエッジ コンピューティング システム、さまざまなデータ センターまでのネットワーク インフラストラクチャが含まれます。エッジ コンピューティング インターネット ネットワークは、多様な接続とドメイン間の低遅延という特徴を備えています。

エッジコンピューティングと自動運転システムを組み合わせる方法

次の段階では、より高度な自動運転システムのタスクを達成するためには、単一の車両のインテリジェンスだけに頼るだけでは不十分です。

協調認識とタスクオフロードは、自動運転分野におけるエッジコンピューティングの主な応用分野です。この 2 つの技術により、高度な自動運転が可能になります。協調認識技術により、自動車は他のエッジノードからセンサー情報を取得できるようになり、自律走行車の認識範囲が拡大し、環境データの整合性が向上します。自動運転を例にとると、自動車はLIDARやカメラなどのセンサーと統合され、同時にV2Xなどの車両ネットワークを利用して、車両、道路、交通データを包括的に認識し、単一の車両の内部および外部センサーよりも多くの情報を取得し、視覚範囲を超えた環境の認識を強化し、高解像度の3Dダイナミックマップを通じて自動運転位置をリアルタイムで共有する必要があります。収集されたデータは、道路端ノードや周囲の車両と相互作用して認識機能を拡張し、車両間および車両と道路間の連携を実現します。クラウド コンピューティング センターは、広範囲に分散されたエッジ ノードからデータを収集し、交通システムの運用状況を感知し、ビッグ データと人工知能アルゴリズムを通じてエッジ ノード、交通信号システム、車両に適切なディスパッチ指示を発行し、システムの運用効率を向上させる役割を果たします。例えば、雨、雪、霧などの悪天候や交差点や曲がり角では、レーダーやカメラでは前方の障害物を明確に識別できません。V2xを使用して道路や運転などのリアルタイムデータを取得することで、道路状況をインテリジェントに予測し、事故を回避することが可能になります。

自動運転のレベルが上がり、搭載されるスマートセンサーの数が増えるにつれて、自動運転車は毎日大量の生データを生成します。これらの生データは、ディープラーニングに基づくターゲットの検出や追跡など、ローカルでリアルタイムに処理、融合、特徴抽出される必要があります。同時に、V2Xを使用して、環境、道路、他の車両の認識を向上させ、3D高解像度マップを通じてリアルタイムのモデリングと位置決め、経路計画と選択、運転戦略の調整を実行し、車両を安全に制御する必要があります。これらのタスクは車内で常にリアルタイムで処理および応答する必要があるため、実行するには強力で信頼性の高いエッジ コンピューティング プラットフォームが必要です。コンピューティング タスクの多様性を考慮すると、実行効率を向上させ、電力消費とコストを削減するためには、一般に異種コンピューティング プラットフォームをサポートする必要があります。

自動運転のエッジ コンピューティング アーキテクチャは、エッジ クラウド コラボレーションと、LTE/5G によって提供される通信インフラストラクチャとサービスに依存しています。エッジ側とは、主に車載器、路側機（RSU）、モバイルエッジコンピューティング（MEC）サーバーなどを指します。車載ユニットは、環境認識、意思決定計画、車両制御の主体ですが、RSU または MEC サーバーとの連携に依存しています。たとえば、RSU は車載ユニットに道路や歩行者に関する詳細な情報を提供しますが、一部の機能はクラウドで実行する方が適しているか、またはクラウドで実行できない場合もあります。たとえば、車両のリモート制御、車両のシミュレーションと検証、ノード管理、データの永続的な保存と管理などです。

自動運転システムのエッジコンピューティングでは、負荷統合、異種コンピューティング、リアルタイム処理、接続性、セキュリティ最適化などの利点を十分に実現できます。

1. 「負荷統合」

ADAS、IVI、デジタル計器、ヘッドアップディスプレイ、リアエンターテイメントシステムなど、さまざまな属性を持つ負荷を、仮想化コンピューティングを通じて同じハードウェアプラットフォーム上で実行できます。同時に、仮想化とハードウェア抽象化レイヤーに基づく負荷統合により、ビジネス オーケストレーション、ディープラーニング モデルの更新、車両運転システム全体のソフトウェアとファームウェアのアップグレードをクラウドで実現することが容易になります。

2. 「異機種コンピューティング」

異なるハードウェア プラットフォームで実行する場合のパフォーマンスとエネルギー消費率の違いに応じて、自動運転システムのエッジ プラットフォームに継承されたさまざまな異なる属性を持つコンピューティング タスクを、異なる計算方法を使用して計算します。たとえば、地理位置情報と経路計画、ディープラーニングに基づくターゲットの認識と検出、画像の前処理と特徴抽出、センサー融合とターゲット追跡などです。 GPU は、オブジェクトの認識と追跡のための畳み込み計算の処理に適しています。 CPU は、論理計算機能の点でパフォーマンスが向上し、エネルギー消費量も少なくなります。デジタル信号処理 (DSP) は、位置決めなどの特徴抽出アルゴリズムにおいてより多くの利点があります。この異種コンピューティング方式により、コンピューティング プラットフォームのパフォーマンスとエネルギー効率が大幅に向上し、コンピューティングのレイテンシが短縮されます。異機種コンピューティングでは、さまざまなコンピューティング タスクに適切なハードウェア実装を選択し、さまざまなハードウェア プラットフォームの利点を最大限に活用し、統一された上位レベルのソフトウェア インターフェイスを通じてハードウェアの多様性を保護します。

3. 「リアルタイム処理」

周知のとおり、自動運転システムには極めて高いリアルタイム性が求められます。危険な状況では、自動運転システムがブレーキをかけて衝突を回避するのに数秒しかかからない可能性があるからです。さらに、ブレーキ反応時間には、クラウドコンピューティング処理、ワークショップ交渉処理時間、車両自身のシステム計算およびブレーキ処理時間を含む、運転システム全体の応答時間が含まれます。自動運転の対応は、エッジ コンピューティング プラットフォームのさまざまな機能モジュールに対するリアルタイム要件に分割されます。これを、知覚検出時間、融合分析時間、行動経路計画時間に細分化する必要があります。同時に、5G によってもたらされる低遅延と高信頼性のアプリケーション シナリオも非常に重要であるため、ネットワーク全体の遅延も考慮する必要があります。これにより、自動運転車はエンドツーエンドのレイテンシを 1 ミリ秒未満に抑え、信頼性を 100% 近くまで高めることができます。同時に、5Gは優先度に応じてネットワーク処理能力を柔軟に割り当てることができるため、車両制御信号の伝送の応答速度が向上します。

4. 「接続性」

自動運転車のエッジ コンピューティングは、V2X (Vehicle-to-Everything) ワイヤレス通信テクノロジのサポートと切り離せません。これは、自動運転車がインテリジェント交通システムの他の要素と通信するための手段を提供し、自動運転車とエッジ ノード間の連携の基盤となります。

現在、V2Xは主に専用短距離通信（DSRC）とセルラーネットワークに基づいています[5]。その中で、DSRC は、車車間 (V2V) および車路間 (V2I) に特化した通信規格であり、データ伝送速度が高く、遅延が少なく、ポイントツーポイントまたはポイントツーマルチポイント通信をサポートしているという利点があります。 5Gに代表されるセルラーネットワークは、ネットワーク容量が大きく、カバレッジが広いという利点があり、V2I通信やエッジサーバー間の通信に適しています。

5. セキュリティの最適化

エッジ コンピューティングのセキュリティは、エッジ コンピューティングにとって重要な保証です。その設計は、クラウド コンピューティングとエッジ コンピューティングの徹底したセキュリティ保護システムを組み合わせ、エッジ インフラストラクチャ、ネットワーク、アプリケーション、およびデータのさまざまなセキュリティ脅威を識別して抵抗する能力を強化し、エッジ コンピューティングの開発のための安全で信頼できる環境を構築します。次世代自動運転システムの5Gコアネットワークのコントロールプレーンとデータプレーンが分離され、NFVによりネットワーク展開の柔軟性が向上し、エッジ分散コンピューティングの展開が確実に成功します。エッジ コンピューティングは、より多くのデータ コンピューティングとストレージを中央ユニットからエッジに分散します。そのコンピューティング能力はデータ ソースの近くに展開されます。一部のデータは、処理のためにクラウドに到達するためにネットワークを通過する必要がなくなり、遅延とネットワーク負荷が軽減され、データのセキュリティとプライバシーが向上します。将来的には、基地局や路側機など、車両に近いモバイル通信デバイスが、車両インターネットのエッジコンピューティングとともに導入され、ローカルでのデータ処理、暗号化、意思決定が適切に完了し、リアルタイムで信頼性の高い通信機能を提供できるようになります。

要約する

エッジ コンピューティングは、環境認識や自動運転のデータ処理において極めて重要なアプリケーションです。自律走行車は、エッジノードから環境情報を取得することで認識範囲を拡大できるほか、コンピューティングタスクをエッジノードにオフロードしてコンピューティングリソース不足の問題を解決することもできます。クラウド コンピューティングと比較して、エッジ コンピューティングは長距離データ転送によって生じる高い遅延を回避し、自律走行車の応答を高速化し、バックボーン ネットワークの負荷を軽減できます。したがって、段階的な自動運転の研究開発プロセスでエッジコンピューティングを使用することは、継続的な最適化と開発にとって重要な選択肢となります。