Vom Energieverbrauch der Stufe 5 bis zum Energieverbrauch der Stufe 1: Warum ist „neuromorphes Computing“ für die Zukunft des autonomen Fahrens wichtig?

Im Jahr 2022 zeigte Mercedes-Benz seine Muskeln: Ein energieeffizientes Konzeptauto VISION EQXX erreichte mit einer einzigen Ladung eine Reichweite von mehr als 1.200 Kilometern. Ursprüngliches Ziel war eine Reichweite von 1.000 Kilometern (10 Kilometer pro Kilowattstunde Strom). Am Ende erreichte er auf der Strecke von Stuttgart nach Silverstone in Northamptonshire eine Energieeffizienz von knapp 12,1 Kilometern pro Kilowattstunde Strom, also eine Reichweite von 1.207 Kilometern mit 100 Kilowattstunden Strom.

Im vergangenen Jahr erzielte er mit einem Energieverbrauch von nur 7,4 kWh pro 100 Kilometer einen neuen Rekord.

Während die Menschen sich auf seine Energieeffizienz konzentrieren, ist der Mercedes-Benz VISION EQXX tatsächlich mit einer anderen Form der Datenverarbeitung ausgestattet: dem „neuromorphen Computing“. Mercedes-Benz ist außerdem der weltweit erste Automobilhersteller, der neuromorphe Computertechnologie auf zugelassene Straßenmodelle anwendet. Mercedes-Benz erklärte damals, dass diese Technologie dem VISION EQXX helfen könne, die von Mercedes-Benz gesetzten Ziele hinsichtlich der Energieeffizienz im Dauerbetrieb unter realen Straßenbedingungen zu erreichen und zu übertreffen.

Warum benötigt autonomes Fahren „neuromorphes Computing“?

Mercedes-Benz hat diese Technologie vor Kurzem erneut aufgegriffen und erklärt, dass das Unternehmen eine wissenschaftliche Forschungskooperation mit der University of Waterloo in Kanada im Bereich des neuromorphen Computing begonnen habe.

Ob es sich um die Computer, Mobiltelefone, Smartwatches oder Smart Cars handelt, die wir heute verwenden, ihre Computerarchitekturen gehören alle zur klassischen Von-Neumann-Architektur. Die Recheneinheiten und Speichereinheiten dieser Architektur sind getrennt. Wenn wir uns beispielsweise die Konfigurationen von Computern und Mobiltelefonen ansehen, achten wir immer auf die CPU- und GPU-Modelle, die Anzahl der Kerne und die Hauptfrequenz, wie viel Arbeitsspeicher und Speicherplatz vorhanden ist, und wenn wir genauer hinschauen, schauen wir uns die Speicherbandbreite, die Lese- und Schreibgeschwindigkeiten des Speichers usw. an.

Dies liegt daran, dass in der Von-Neumann-Architektur Informationen in digital codierter Form (normalerweise binär) vorliegen und über einen Bus mit unabhängigen Recheneinheiten und Speichern verbunden sind, um Informationen einzugeben und Berechnungsergebnisse auszugeben.

Dies ist vergleichbar mit einem großen Restaurant, wo Arbeitskräfte benötigt werden, um die Zutaten vom Lager zum Kühlschrank in der Küche zu transportieren, sie dann aus dem Kühlschrank zu nehmen, zu verarbeiten, auf Tellern anzubringen und von den Kellnern an den Tisch des Verbrauchers zu bringen. Dieser Prozess darf nicht unterbrochen werden, sonst müssen die am Tisch sitzenden Verbraucher hungern.

Die Von-Neumann-Architektur gibt es schon seit Jahrzehnten und sie ist mittlerweile sehr ausgereift. In den meisten Fällen halten wir es nicht für unangemessen. Aufgrund dieser Architektur müssen wir als Verbraucher selten „hungern“. Dies liegt daran, dass aktuelle Spiele, Videos und Office-Software auf der Grundlage der Leistungsengpässe der vorhandenen Hardware entwickelt werden. Vor fünf oder sechs Jahren hätten Spieleentwickler keine Spiele mit optischem Tracking entwickelt, weil NVIDIA diese Technologie noch nicht veröffentlicht hatte.

Früher konnten Film- und Fernsehschaffende keine 8K-Videos produzieren, da von der Aufnahmeausrüstung bis zu den Dekodierungschips und der Wiedergabeausrüstung alles noch nicht bereit war.

Nehmen wir als Beispiel große Restaurants. Da die Verarbeitungsvorgänge langwierig, die Prozesse kompliziert und die Kundenbedürfnisse vielfältig sind, müssen sie sich mit verschiedenen Zutaten eindecken, berühmte Köche einstellen, Kellner ausbilden und verschiedene Aufgaben erledigen. Die Kosten sind hoch, der Personalaufwand komplex, die Arbeitszeiten lang und der Endpreis für den Verbraucher nicht niedrig.

Dies ist der Mangel der Von-Neumann-Architektur. Die offensichtlichsten Gründe hierfür sind die geringe Rechenleistung (das Lager ist zu weit entfernt, der Kühlschrank ist voll, der Koch hat Urlaub, der Kellner ist faul, die Küchentür ist zu schmal usw., was die Effizienz beim Servieren der Speisen beeinträchtigt) und der hohe Betriebsenergieverbrauch (zu viele Mitarbeiter, schwierige Verwaltung und hohe Investitionskosten).

Natürlich liegt die Stärke der Von-Neumann-Architektur in ihrer Präzision und allgemeinen Computerleistung, genau wie ein gutes Restaurant eine Vielzahl von Gerichten zubereiten kann, die alle köstlich sind.

Wenn ein Kunde jedoch besonders gern gebratenen Reis aus Yangzhou isst und nur gebratenen Reis aus Yangzhou isst, kann er natürlich für jede Mahlzeit in das größere Restaurant oben gehen, aber für den Kunden wären die Kosten zu hoch.

Dieser „Yangzhou Fried Rice“ kann die aktuelle KI-Berechnung sein, oder genauer gesagt die Berechnung des autoassistierten Fahrens und des autonomen Fahrens.

Laut den von Mercedes-Benz bereitgestellten Daten liegt der Energieverbrauch des aktuellen L2-Levels des assistierten Fahrens bei weiterhin verwendeter Von-Neumann-Architektur für intelligente Fahrberechnungen zwischen 70 und 100 W. Dies stellt keine große Belastung für neue Energiebatterien dar, die Dutzende Grad Strom verbrauchen und nur 1 Grad Strom pro Tag verbrauchen.

In der fortgeschrittenen autonomen Fahrstufe L4 kann dieser Energieverbrauch jedoch 1.000 bis 3.000 W erreichen, was die Reichweite des Fahrzeugs erheblich verringert.

Natürlich können wir auf Fortschritte in der Halbleiterprozesstechnologie, der Batterietechnologie usw. hoffen, aber wir müssen uns darüber im Klaren sein, dass der Energieverbrauch von der intelligenten Fahrstufe L2 auf die Stufe L4 um das Zehn- oder sogar Dutzendfache steigt, während die durch die Halbleitertechnologie bewirkte Reduzierung des Energieverbrauchs oft im einstelligen oder zweistelligen Prozentbereich liegt.

Daher hofft die Branche auf eine neue Form des Computing, die speziell auf das Szenario des autonomen Fahrens zugeschnitten ist: das bereits erwähnte „neuromorphe Computing“.

Wie bereits erwähnt, liegen die Stärken der Von-Neumann-Architektur in ihrer Betonung der logischen Präzision und der allgemeinen Datenverarbeitung, allerdings ist ihre Effizienz gering und ihr Stromverbrauch hoch. Neuromorphes Computing hingegen eignet sich gut zur Mustererkennung, Wahrnehmung, zum Lernen und zur Anpassung und hat einen sehr geringen Energieverbrauch.

Da die intelligente Fahrtechnologie in das End-to-End-Zeitalter eingetreten ist und auf großen Modellen basiert, insbesondere auf der Einbindung großer visueller Sprachmodelle, werden die Anforderungen an Mustererkennung, Wahrnehmung, Lernen und Anpassung immer größer. Daher wird das „neuromorphe Computing“ von Mercedes-Benz und der Industrie zunehmend geschätzt und hat sich zu einer vielversprechenden Technologie für die Verwirklichung autonomen Fahrens auf hohem Niveau entwickelt.

Speziell für Mercedes-Benz arbeiteten sie mit dem kalifornischen Unternehmen für künstliche Intelligenz BrainChip zusammen, um ein Hardware- und Softwaresystem auf Basis des neuromorphen System-Level-Chips Akida von BrainChip zu entwickeln und es in das Konzeptfahrzeug VISION EQXX zu integrieren.

Warum kann „neuromorphes Computing“ vom Energieverbrauch der Stufe 5 bis zum Energieverbrauch der Stufe 1 energieeffizienter und sicherer sein?

Einfach ausgedrückt bedeutet „neuromorphes Computing“, den Mechanismus des menschlichen Gehirns zur Durchführung von Berechnungen nachzuahmen. Als Rechengerät für autonomes Fahren bietet das menschliche Gehirn (ohne Aggression im Straßenverkehr) die Vorteile hoher Leistung und geringen Energieverbrauchs. Der allgemeine Stromverbrauch beträgt nur 20 W, das sind nur zwei Dampfbrötchen auf 100 Kilometer.

Aus der Perspektive des Funktionsmechanismus des menschlichen Gehirns ist das menschliche Gehirn beim Autofahren zwar immer in Betrieb und behält alle Richtungen im Auge und hört in alle Richtungen, aber es ist nicht immer angespannt. Stattdessen passt es seinen Betriebszustand dynamisch an die äußere Umgebung an. Auf einer überfüllten Straße voller großer Lastwagen ist das menschliche Gehirn natürlich angespannter, während die Menschen auf einer offenen, ebenen Autobahn mit weiter Sicht entspannter sind.

Wissenschaftlicher ausgedrückt beruht die Informationsübertragung im menschlichen Gehirn auf Impulssignalen zwischen Neuronen und der chemischen Übertragung an Synapsen, einem Mechanismus, der die grundlegende Kommunikationsmethode des Nervensystems darstellt. Und dieser Mechanismus ist ereignisgesteuert. Beispielsweise senden die bewegungsempfindlichen Ganglienzellen in der Netzhaut nur dann Impulse aus, wenn sie eine Bewegung erkennen.

Mercedes-Benz sagte in seinem technischen Einführungsartikel:

Der Kern des neuromorphen Computing besteht darin, die Funktionsweise des menschlichen Gehirns zu simulieren. Informationen werden nicht in digitaler Form kodiert, sondern durch die Nachahmung von Neuronen und Synapsen zur Erzeugung von „Pulssignalen“ übertragen. Die entsprechenden Bereiche werden nur bei Bedarf „beleuchtet“. Dieser Mechanismus der „On-Demand-Aktivierung“ beseitigt nicht nur die Nachteile der langsamen Datenverarbeitung in herkömmlichen Computerarchitekturen, sondern durchbricht auch grundlegend die Einschränkungen eines hohen und kontinuierlichen Energieverbrauchs. Neuronen und Synapsen sind physisch am selben Ort und integriert, was bedeutet, dass die Informationen des feuernden neuronalen Netzwerks nicht wiederholt aus dem Speicher gelesen werden müssen.

Der Aufmerksamkeitsmechanismus des menschlichen Gehirns, der mal entspannt, mal angespannt ist, lässt sich auch mit einer „Inverter-Klimaanlage“ vergleichen. In den Anfangstagen der Klimaanlagen liefen diese auf niedriger Leistungsstufe und starteten und stoppten bei voller Kapazität bei der eingestellten Temperatur, ohne dass an Energieeinsparungen auch nur im Geringsten gedacht wurde. Ein fünfstufiger Energieverbrauchsaufkleber zeugte von seinen Bemühungen und seiner Beständigkeit.

Intelligente Klimaanlagen mit variabler Frequenz erhöhen die Kühlleistung bei hohen Umgebungstemperaturen und zu Beginn des Startvorgangs und reduzieren die Leistung, nachdem die Temperatur den eingestellten Wert erreicht hat. Es dient hauptsächlich dazu, eine angenehme Temperatur aufrechtzuerhalten. Das spart nicht nur Strom, sondern reduziert auch Temperaturschwankungen und sorgt so für ein angenehmeres Körpergefühl.

Ebenso löst das neuromorphe Computing nur dann Berechnungen aus, wenn es Informationen empfängt, und bleibt zu anderen Zeiten inaktiv, was den Energieverbrauch der Datenverarbeitung erheblich reduziert.

An dieser Stelle können wir einige Merkmale des neuromorphen Computing zusammenfassen: Speicher- und Rechenfusion, asynchrone ereignisgesteuerte statt sequentielle Befehlsausführung, gute Mustererkennung, Wahrnehmung, Lernen und Anpassung sowie geringer Energieverbrauch.

Auf der offiziellen Website von Mercedes-Benz verzeichnet Mercedes-Benz eine Reihe von Kooperationen und Fortschritten im Bereich des neuromorphen Computing:

Mercedes-Benz und die University of Waterloo haben eine Absichtserklärung zur Zusammenarbeit bei der Forschung im Bereich des neuromorphen Computing unterzeichnet. Der Forschungsschwerpunkt liegt auf der Entwicklung von Algorithmen für fortschrittliche Fahrerassistenzsysteme. Durch die Simulation der Funktionen des menschlichen Gehirns kann neuromorphes Computing die Rechenleistung künstlicher Intelligenz deutlich verbessern und sie schneller und energieeffizienter machen. Bei gleichbleibender Fahrzeugreichweite können Sicherheitssysteme Verkehrszeichen, Fahrspuren und Objekte besser erkennen und so auch bei schlechten Sichtverhältnissen schneller reagieren. Neuromorphes Computing hat das Potenzial, den Energiebedarf zur Verarbeitung autonomer Fahrdaten im Vergleich zu bestehenden Systemen um 90 Prozent zu senken. Die Zusammenarbeit mit der University of Waterloo ergänzt eine Reihe bestehender Forschungskooperationen bei Mercedes-Benz im Bereich des neuromorphen Computing, von denen sich eine auf neuromorphes End-to-End-Lernen für autonomes Fahren konzentriert.

Mercedes-Benz arbeitet gemeinsam mit Partnern daran, wie sich mithilfe von neuromorphem Computing die Verarbeitung von Radardaten in autonomen Fahrsystemen optimieren lässt.

Mercedes-Benz arbeitet außerdem mit der Hochschule Karlsruhe zusammen. Im Mittelpunkt dieser Arbeit stehen neuromorphe Kameras, auch ereignisbasierte Kameras genannt.

Diese Reihe von Arbeiten trägt nicht nur dazu bei, den Stromverbrauch autonomer Fahrsysteme der Stufe L4 auf 300 W zu senken, sondern spielt auch eine wichtigere Rolle für die Sicherheit.

Aufgrund der grundlegenden technischen Prinzipien verfügt „neuromorphic Computing“ über eine schnellere Verarbeitungsgeschwindigkeit und eine geringe Latenz, die nicht nur vom Rechenzentrum bereitgestellt wird, sondern auch von der zuvor erwähnten „ereignisbasierten Kamera (neuromorphe Kamera)“ abhängt.

Herkömmliche Kameras erfassen und analysieren Bilder, indem sie ein gesamtes Bild analysieren. Je mehr Pixel vorhanden sind, desto mehr Informationen sind vorhanden, gleichzeitig ist aber auch mehr Rechenleistung und Stromverbrauch erforderlich. Neuromorphe Kameras extrahieren Informationen basierend auf Änderungen einer kleinen Anzahl von Pixeln mit hoher Helligkeit im Bild (diese Änderung ist ein „Ereignis“). Dieser Vorgang ist schneller als die Einzelbildanalyse des gesamten Bildes, weist eine wesentlich geringere Latenz auf und trägt daher mehr zur Sicherheit bei.

Natürlich liegt der Hauptbereich des neuromorphen Computing im energieeffizienten Konzeptauto VISION EQXX darin, die Geschwindigkeit der Sprachaktivierung im Auto zu verbessern (die Reaktionsgeschwindigkeit wird von 200 Millisekunden auf 20 Millisekunden reduziert) und die Mensch-Computer-Interaktion zu optimieren. Von einem Einsatz im Bereich des intelligenten Fahrens ist man noch weit entfernt, da es sich derzeit erst im L2-Stadium befindet.

#Willkommen beim offiziellen öffentlichen WeChat-Konto von iFanr: iFanr (WeChat-ID: ifanr), wo Ihnen so bald wie möglich weitere spannende Inhalte präsentiert werden.

iFanr | Originallink · Kommentare anzeigen · Sina Weibo