Tesla自動駕駛域控制器(AutoPilot HW)的系統化梳理

目前網絡上對Tesla自動駕駛硬件(AP1-AP4、HW1.0-HW4.0)迭代的相關介紹比較混亂,本文這里進行系統化梳理并澄清,并對一些錯誤進行更正。

1、AutoPilot HW迭代圖

圖1 AutoPilot HW+MCU迭代圖
圖2 AutoPilot HW 散熱設計迭代圖(圖中第一個HW2.5應該是HW2)

圖3 AutoPilot HW 算力迭代圖(圖中HW2.5應該是1個GPU)

上面的圖中沒有包含AutoPilot HW4.0,下圖列出了從AutoPilot HW1.0 到AutoPilot HW4.0的迭代情況,以及MCU1到MCU3的迭代情況(左下角的表格)。

圖4 從AutoPilot HW1.0 到AutoPilot HW4.0的迭代情況,以及MCU1到MCU3的迭代情況
圖5 自動駕駛域和智能座艙域上車情況

下表中列出了從AutoPilot HW1.0 到AutoPilot HW4.0域控以及配套傳感器的迭代情況。但是HW4的信息,下表沒有列完整。

圖6 從AutoPilot HW1.0 到AutoPilot HW4.0域控以及配套傳感器的迭代情況

Ref:https://teslatap.com/articles/autopilot-processors-and-hardware-mcu-hw-demystified/

自駕域控

Camera

USS

Radar

HW1.0
(Autopilot1.0)

Mibleye Q3

Front Camera(黑白)*1;
Rear Camera(黑白)*1

12(5m)

1(160m博世)

HW2.0
(Autopilot2.0)

Drive PX2
(Parker SoC*1+Pascal GPU*1
+Infineon TriCore CPU*1)

Camera(RCCC)*8:
Front Camera*3(35°250m、50°150m、120°60m);
Side Front View Camera*2(90°80m);
Side Rear View Camera*2(100m);
Rear Camera*1(50m)

12(8m)

1(160m博世)

HW2.5
(Autopilot2.5)

Drive PX2
(Parker SoC*2+Pascal GPU*1
+Infineon TriCore CPU*1)

Camera(RCCB)*8:
Front Camera*3;
Side Front View Camera*2(80m);
Side Rear View Camera*2(100m);
Rear Camera*1(50m)

12(8m)

1(大陸170m)

HW3.0
(Autopilot3.0)

TESLA FSD1代(14nm)*2
(9個Camera接口:8個自駕Camera+1個DMS Camera)

Camera(RCCB)*8:
Front Camera*3(Onsemi AR0136AT--1.2M);
Side Front View Camera*2(80m);
Side Rear View Camera*2(100m);
Rear Camera*1(50m)

12(8m)

1(大陸170ms)部分車型取消

HW4.0
(Autopilot4.0)

TESLA FSD2代(7nm)*2
(12個Camera接口:10個自駕Camera+1個DMS Camera+預留1個)

Camera(RGGB)*11:
Front Camera*2(Sony IMX490)(5.43M);
Side Front View Camera*2(5.43M);
Side Rear View Camera*2(5.43M);
Rear Camera*1(5.43M);
環視(Rear Corner Camera*2+Front Bump Camera*1)(5.43M)

無??

1(自研4D Radar)

AutoPilot Hardware (AP)

硬件發布

常用名

AP1

2014年10月 – 2016年10月

AP1、HW1、AutoPilot1、Mobileye AutoPilot

AP2

2016年10月 – 2017年7月

AP2、HW2、AutoPilot2

AP2.5

2017年7月 – 2019年4月

AP2.5、HW2.5、AutoPilot2.5

AP3

2019年4月 – 2023年

AP3,HW3,全自動駕駛 (FSD)

AP4

2023年

AP4、HW4、FSD 2

圖7-1 自動駕駛功能迭代圖
圖7-2 自動駕駛功能迭代圖
圖7-3 自動駕駛功能迭代圖
圖7-4 自動駕駛功能迭代圖

Ref:https://hk.evoffer.com/blog/introducing-car-computer/

Ref:https://www.findmyelectric.com/tesla-autopilot-ultimate-guide/

Ref:https://teslatap.com/articles/autopilot-processors-and-hardware-mcu-hw-demystified/

在自動駕駛領域,從第一代 Autopilot HW1 的 Mobileye Eye Q3;迭代到第二代的 Autopilot HW2,主要采用了Nvidia 的 Drive PX2,這里應用了一顆 Parker 和 Pascal GPU;在一年之后又迭代為 2 顆 Parker 和 Pascal GPU,即Autopilot HW2.5;而到了第三代特斯拉進入了芯片領域,采用了自己的 FSD 芯片;后續到第四代,特斯拉升級了自己的FSD芯片。

每代的詳細情況,如下:

2、AP1 HW1.0 – Mobileye EyeQ3

基于Mobileye芯片的第一代駕駛輔助硬件。它使用了Mobileye EyeQ3平臺,全車共1個單色攝像頭,單個前向毫米波雷達和12個超聲波傳感器,毫米波雷達是由博世提供,攝像頭布置于后視鏡附近,硬件選型都是基于市場上成熟的供應商產品,在HW1.0階段特斯拉的主要工作是多傳感器融合+應用層軟件開發。

  • 最初的 Autopilot 系統于 2014 年發布,并在 Model S 和 Model X 上配備。

  • 它配備了一個前置攝像頭和雷達來感知環境。

  • AP1 車輛于 2014 年至 2016 年生產。

  • AP1 的功能有限,包括交通感知巡航控制和自動駕駛。

AP1 Hardware Suite:

  • Front camera (single monochrome)

  • Front radar with range of 525 feet / 160 meters (Bosch Mid-range radar sensor)

  • 12 ultrasonic sensors with 16 ft range / 5 meters

  • Rear camera for driver only (not used in Autopilot)

  • Mobileye EyeQ3 computing platform

AP1 Core features:

  • Traffic-Aware Cruise Control (TACC), start & stop

  • Autosteer (closed-access roads, like freeways)

  • Auto Lane Change (driver initiated)

  • Auto Park

  • Summon

圖8 基于Mobileye EyeQ3平臺的前視一體機(HW1)
圖9 基于Mobileye EyeQ3平臺的HW1主板

以上雷達目標和視覺目標都在Mobileye EyeQ3平臺中處理,12個超聲的處理不確定是否在Mobileye EyeQ3中。

圖10 ZF開發的基于Mobileye EyeQ3平臺類似產品

3、AP2 HW2.0 – Nvidia Drive PX 2: 1 Parker SoC+1 Pascal GPU

Tesla 于2016 年7 月宣布(嫌Mbileye 太慢)自行開發全自動駕駛技術,基于Nvidia的Drive PX2系統打造了一個全新的AP2 硬件(位于手套箱下方),同時傳感器數量大幅提升,使用8個攝像頭,12個遠程超聲波傳感器和一個前置毫米波雷達,這套傳感器配置為特斯拉FSD功能打下良好的基礎,現在回看當時的特斯拉傳感器布局的前瞻性。特斯拉基于英偉達Drive PX2開發一個全新的駕駛輔助硬件,MCU芯片采用英飛凌TriCore系列產品,毫米波雷達仍然是博世產品,該駕駛輔助硬件安裝于手套箱下方,這個階段特斯拉掌握圖像識別算法+多傳感器融合+應用層軟件開發。

AP2 的八個攝像頭安裝在了車輛周圍,可提供 360 度全景視野,并配備了更強大的計算技術,而 AP1 則僅使用一個前置攝像頭和雷達。雖然AP2并沒有立即釋放所有潛在功能,但這使 AP2 能夠執行更復雜的操作,原因如下:

3、AP2 HW2.0 – Nvidia Drive PX 2: 1 Parker SoC+1 Pascal GPU

Tesla 于2016 年7 月宣布(嫌Mbileye 太慢)自行開發全自動駕駛技術,基于Nvidia的Drive PX2系統打造了一個全新的AP2 硬件(位于手套箱下方),同時傳感器數量大幅提升,使用8個攝像頭,12個遠程超聲波傳感器和一個前置毫米波雷達,這套傳感器配置為特斯拉FSD功能打下良好的基礎,現在回看當時的特斯拉傳感器布局的前瞻性。特斯拉基于英偉達Drive PX2開發一個全新的駕駛輔助硬件,MCU芯片采用英飛凌TriCore系列產品,毫米波雷達仍然是博世產品,該駕駛輔助硬件安裝于手套箱下方,這個階段特斯拉掌握圖像識別算法+多傳感器融合+應用層軟件開發。

AP2 的八個攝像頭安裝在了車輛周圍,可提供 360 度全景視野,并配備了更強大的計算技術,而 AP1 則僅使用一個前置攝像頭和雷達。雖然AP2并沒有立即釋放所有潛在功能,但這使 AP2 能夠執行更復雜的操作,原因如下:

  • 更好的傳感器套件:新的攝像頭、雷達和超聲波傳感器可以實現更好的物體和車道標記檢測。

  • 改進的自動駕駛和車道保持功能:車道保持能力提升,尤其是在高速公路上。

  • 首次推出召喚和自動泊車功能:更先進的泊車功能,可實現遠程駕駛。

  • 采用Machine Learning Neural Network 令汽車可以不斷跟據之前行駛路段學習。

AP2 Hardware Suite:

  • Front cameras (3 cameras, medium, narrow and wide angle)

  • Side cameras (4 total, 2 forward and 2 rear-facing, on each side)

  • Rear camera (1 rear-facing)

  • Front radar with range of 525 feet / 160 meters (Bosch Mid-range radar sensor)

  • 12 ultrasonic sensors with 26 ft range / 8 meters

  • NVIDIA DRIVE PX 2 AI computing platform

AP2 Core features:

  • Traffic-Aware Cruise Control (TACC), start & stop

  • Autosteer (closed-access roads, like freeways)

  • Auto Lane Change (driver initiated)

  • Navigate on Autopilot (on-ramp to off-ramp)

  • Auto Park

  • Summon

  • 智慧召喚– Smart Summon

  • NoA – 自動駕駛導航

圖11 HW2.0主板(最左側)
圖12 HW2.0域控拆解
圖13 HW2.0域控拆解
圖14 HW2.0域控拆解
圖15 HW2.0域控拆解
圖16 HW2.0域控拆解
圖17 HW2.0域控拆解
圖18 HW2.0域控拆解
圖19 HW2.0域控拆解
圖20 HW2.0域控拆解
圖21 HW2.0域控拆解
圖22 HW2.0域控拆解
圖23 應該是Nvidia Drive PX 2平臺的開發驗證板
圖24 應該是Nvidia Drive PX 2平臺的開發驗證板
圖25 Nvidia Drive 平臺迭代

需要明確的是 HW2.0 的方案是1 Parker SoC+1 Pascal GPU;而圖23和圖24并沒有在實際產品中出現。

Ref:https://teslamotorsclub.com/tmc/threads/inside-the-nvidia-px2-board-on-my-hw2-ap2-0-model-s-with-pics.91076/

4、AP2.5 HW2.5 – Nvidia Drive PX 2:2*Parker SoC+1 Pascal GPU

AutoPilot2.5 (AP2.5) – 系統升級于 2017 年年中推出,在 AP2 的基礎上進行了小幅改進。雖然計算機處理能力和傳感器集成度有所提升,但硬件基本保持不變。AP2.5 中更強大的機載計算機增強了AutoPilot的整體功能和可靠性。

  • 提高處理能力:更強大的車載計算機可以實現更快的數據處理,從而提高車輛的決策速度和準確性。

  • 略微改進的攝像頭和傳感器:為了提高性能和集成度,對攝像頭和傳感器進行了微調。

  • 正在進行的自動駕駛和召喚開發:盡管 AP2.5 仍然缺乏特斯拉所追求的復雜功能,但它增強了現有的功能。

到 AP2.5 發布時,特斯拉已經開始解鎖更多高級功能,例如 Summon(使車輛能夠自行駛出停車位或到達車主所在地)和 Autopilot 穿越(可以穿越高速公路立交橋和出口)。 傳感器升級:主要將前置雷達換成更長距離既Continental Advanced Radar Sensor ARS410 及將黑白鏡頭換成彩色鏡頭,功能上與AP2 并無很大差異;

HW2.5是對HW2.0的一個小版本更新,主要用于冗余和略微提高的可靠性。從1 Parker SoC+1 Pascal GPU升級到2 Parker SoC+1 Pascal GPU;

另外AP2.5版本還新增兩個功能:行車記錄儀和帶有本地保存視頻的哨兵模式。

另外HW2.5開始使用汽車冷卻液回路中的液體冷卻而不是風扇。

圖26 兩側板位HW2.5的正反面,中間板為MCU2.5的正反面
圖27 Drive PX2平臺雙SoC方案,但是HW2.5只用了一顆GPU

Ref:https://news.eeworld.com.cn/qcdz/ic495216.html

圖28 HW2.5和HW3.0對比

5、AP3 HW3.0 – FSD一代

特斯拉在 AP3 中開始區分 Autopilot 和全自動駕駛 (FSD) 套件。盡管 Autopilot 3.0 仍然只是部分自動駕駛,但隨著特斯拉致力于打造一個能夠執行更復雜任務的系統,這是邁向完全自動駕駛的重要一步。 Autopilot 3.0 的顯著特點包括完全自動駕駛計算機(FSD),這是一種專門的人工智能芯片,可以分析比之前技術更多的數據,使特斯拉能夠不斷改進其自動駕駛汽車軟件。

  • 更快的數據處理:通過更快地處理傳感器數據,新計算機可以更精確、更平穩地控制車輛的移動。

  • 使用AutoPilot進行導航改進:特斯拉開始為AutoPilot導航提供越來越復雜的功能,包括在很少的用戶交互下自動駛出匝道和自動變換車道。

  • 其他全自動駕駛功能(測試版):特斯拉的 FSD Beta 功能可讓車輛在城市街道上自動駕駛、轉彎、在停車標志處停車以及在更復雜的路口行駛,并可由 AP3 硬件支持。

Autopilot 2.5 和 3.0 不僅在硬件方面有所不同,在軟件功能方面也存在差異。提高自動化程度所需的復雜機器學習和神經網絡可以由 AP3 的計算機處理。

  • 增強型AutoPilot是特斯拉汽車的可選駕駛輔助系統。(圖7中的EAP)

  • 該系統使用多種傳感器,包括超聲波傳感器、攝像頭和 GPS,實現自動轉向、速度調節和自動停車等功能。

  • 增強型AutoPilot允許車輛制動并調整速度,這使其成為自動駕駛功能的關鍵特性。

圖29 HW3.0
圖30 HW3.0+MCU2.0
圖31 HW3.0和HW2.5對比
圖32 AP3系統
圖33 HW3.0系統框圖,FSD沒有把另外一顆FSD畫出來

Ref:https://news.eeworld.com.cn/qcdz/ic495216.html

圖34 HW3.0與傳感器的信號處理分配
  • 8個Camera的Image Sensor均采用AR0136AT

圖35 AP3攝像頭的CIS
  • 只更換鏡頭,就可以配置不同的FOV和探測距離的Camera

圖36 AP3 前視3目
  • 不在Camera端進行圖像處理,Camera只負責采集,數據處理放到自駕域控中,Camera端的成本下降比較大

圖37 AP3 前視3目不做ISP
圖38 AP3的前視3目,ISP在HW3.0上處理

Tesla 于2018 年底曾經宣布自行開發AP 硬件,棄用其他廠牌晶片,而AP3 則是其完全自主研發的AP 電腦,Tesla 稱之為Full Self-Driving Computer (FSD Computer)。此組晶片于2019 年4 月正式用于全線Tesla 品牌汽車上。現有AP2 或AP2.5 車主如已購買全自動駕駛配置,將可以免費升級硬件。 AP3 可用功能包括:

  • 定速巡航 – Traffic-Aware Cruise Control

  • 自動轉向– Autosteer

  • 自動切線– Auto Lane Change

  • 自動泊車– Auto Park

  • 召喚– Summon

  • 智慧召喚– Smart Summon

  • NoA – 自動駕駛導航

Tesla 于2021 年低調將AP 硬件更新至3.2 版本(Part # 1566786-S1-C),暫時網上極少資料及討論,估計系提升MCU 及AP 電腦之間既資料傳輸速度。

圖39 HW3.0主板

早在2016年初,特斯拉就啟動了全自動駕駛(FSD)計算機(也稱為硬件3,簡稱HW3)的研發工作,當時他們意識到市場上沒有其他好的解決方案。兩年后,也就是2018年末,FSD計算機正式投入生產。

圖40 FSD從芯片到系統

HW3.0 FSD采用三星 14 納米工藝制造,集成 3 個四核 Cortex-A72 集群,共計 12 個 CPU,主頻為 2.2 GHz。它還配備了一個定制設計的神經網絡加速器,可提供高達 36 TOPS(萬億次運算/秒)的性能。 HW3.0取代了自 2016 年底以來在特斯拉汽車上使用的 NVIDIA DRIVE PX 2 AI 計算平臺HW2.0(或 AP2)。HW3.0的性能明顯高于 NVIDIA 平臺,后者最高只能提供 21 TOPS 的性能。

圖41 FSD1 芯片規格

特斯拉于2019年4月/5月左右開始在其所有車型上安裝HW3。新硬件使特斯拉能夠改進其FSD功能,例如自動駕駛導航、智能召喚、交通信號燈和停車標志控制以及FSD Beta測試版。新硬件還為顯示屏添加了更多可視化功能,例如交通信號燈、交通錐、垃圾桶以及道路上繪制的轉向箭頭。

圖42 HW3.0的GNSS

在HW3.0上,特斯拉使用了UBLOX生產的M8L,主要問題是僅支持單頻GNSS(GPS BEIDOU),容易丟失GNSS衛星信號。M8L在靜態、低速狀態下的定位精度在2m左右波動,屬于低端產品。 由于消費級GPS已經集成在LTE模塊中,在FSD上使用同樣低端的M8L顯得有些過時。從下圖可以看出,天線上只有一個貼片,因此只能支持一個頻段。

圖43 HW3.0的GNSS
圖44 HW3.0的GNSS

6、AP4 HW4.0 – FSD二代

HW4.0 – 是使用特斯拉第二代芯片設計的最新 Autopilot ECU 更新版本。據稱,它的神經網絡性能是 HW3 的三倍。它最初出現在 2023 年 3 月的 Model S/X 車型中,后來也應用于其他車型。由于尺寸、設計和連接器略有不同,因此不太可能作為 HW3 的升級版提供。

AI3 / HW3 (FSD Computer 1)

AI4 / HW4 (FSD Computer 2)

Samsung Exynos-IP Based

Samsung Exynos-IP Based

12 CPU Cores

20 CPU Cores

CPU Frequency: 2.2 Ghz

CPU Frequency: 2.35 Ghz

2 Neural Network (NN) Processors

3 Neural Network (NN) Processors

NN Processor Frequency: 2.0 Ghz

NN Processor Frequency: 2.2 Ghz

14 nm Process

Estimated TSMC’s 7nm or N4 (4nm class)

36 TOPS

50 TOPS

1.2MP cameras around the car

5MP cameras around the car

Radar previously used was Continental’s ARS410 with a range of 160 meters. Discontinued in 2021.

TI 2243*2 6T8R and a 300 meter range.

配套的AP4系統新硬件包括以下內容:

  • 新型前置攝像頭,分辨率更高,視野更寬(某些型號,例如 Cybertruck)。

  • 每個 B 柱上都裝有一個新的攝像頭,可以觀察側面和稍微向前的情況。

  • 每個 C 柱上都裝有一個新的攝像頭,可以觀察側面和稍微向后的情況。

  • 新型后置攝像頭,分辨率更高,視野更寬。

  • 具有更高分辨率和更寬視野的新型客艙攝像機。

  • 每個擋泥板上都安裝了一個新攝像頭,可以看到車輛后方的情況(有待確定,傳聞)

  • 車輛兩側各安裝兩個新攝像頭,安裝位置比以前更低、更靠前(有待確定,傳聞)

  • 預計新雷達將被稱為“鳳凰”,其精度將高于之前的雷達。

新硬件最多可添加 12 個攝像頭,而 HW3 中只有 9 個攝像頭。電路板上的一個攝像頭連接器標有“備用”,這表明特斯拉未來可能會添加另一個攝像頭。

圖45 AP4 攝像頭與雷達布置
圖46 左HW4.0,右HW3.0
圖47 左HW4.0,右HW3.0
圖48 上HW4.0,下HW3.0

全新的 FSD 芯片屬于改良而非重新構建,畢竟 Jim Keller 大神也離職了,芯片依然基于三星的 Exynos 架構,但是 CPU 核心從之前的 12 個增加到了 20 個,最高頻率 2.35GHz,低功耗頻率 1.37GHz,TRIP 內核數量從 2 個增加到 3 個,最高頻率 2.2GHz。 全新全自動駕駛計算機(FSD Computer 2)預計將比硬件 3 快 2 到 4 倍,處理能力顯著提升。它同樣基于與前代相同的三星 Exynos 架構,但此次迭代的性能更勝一籌,每側 CPU 核心數量從 12 個增加到 20 個,每個核心的最高頻率為 2.35 GHz,空閑速度為 1.37 GHz。神經網絡加速器也得到了改進,性能高達 50 TOPS,而 HW3 僅為 36 TOPS。 同之前的 HW3.0 一樣,每輛車也提供了兩塊 FSD 芯片,提供雙重算力的時候也可以做到冗余,使得整個 PCB 看起來也呈現對稱的狀態,兩側的電源接口相同,也具備兩個 MCU 的連接模塊,但目前來看,HW4.0 還不能做到真正意義上的完全冗余,如果一側電源失效,依然會讓整個系統的數據連接出現問題。

圖49 HW4.0主板
圖50 FSD2芯片
圖51 上HW3.0 下HW4.0

GNSS小幅升級

HW4.0的天線接口和芯片位置基本保持不變,但芯片封裝從近似正方形變成了1:2的矩形。根據之前的報道,HW4.0的GNSS天線也發生了變化,因此推測特斯拉更換了GNSS芯片供應商。

圖52 HW4.0的GNSS

GNSS 模塊也得到更新,擁有更強性能的三頻天線,之前歐洲的申報文檔中就曾說明,這個新的模塊會讓其他國家標準的全球定位系統也得到受益。

圖53 HW4.0的GNSS天線接口顯示是三頻

市面上符合車規的GNSS芯片并不多。目前UBLOX F9P在國內新勢力中應用較為廣泛,性能與測繪RTK接收機相差無幾。但主要問題在于價格過高(散片1574.09元)。或許用價格更低的M9 F9h的可能性更大,但是有一點疑點就是包裝上沒有UBLOX的標志。

圖54 車軌GNSS模組(不一定是HW4.0所用)
圖55 雙頻GNSS天線(不一定是HW4.0所用)

國內另一個主流方案是ST 8100 9100。這款芯片性能未知,但也通過了AECQ100車規認證,支持L1 L5雙頻甚至L2 E6,信號質量和衛星捕獲能力遠勝M8L。相對而言,ST的價格有一定優勢,Demo板上的封裝也是矩形的。特斯拉也可能跟隨國內GNSS供應商(如中國移動、中測)采用ST方案。

圖56 ST車軌GNSS芯片(不一定是HW4.0所用)
圖57 ST車軌GNSS芯片(不一定是HW4.0所用)

但單獨使用ST是無法實現RTK的,需要做成模塊,再加RTK算法。Mobile有基于ST 8100的RTK方案。 第三種可能性是方案比較少,比如SWIFT、華大北斗也有類似的高精度定位方案,這種可能性也是存在的。 值得注意的是,雙天線配置至少有兩個優點:一是可以在低速下獲取高精度航向信息,避免機載導航和IMU的初始化;其次,主從天線互為備份,大大增加了系統的魯棒性,更容易滿足上述ASIL-B的要求。 無論HW4.0具體采用哪款芯片,都可以清晰地看出特斯拉已經徹底放棄了單頻單點定位的低端方案,轉向了多系統多頻方案。不過,是否采用PPP RTK技術,從外觀上來看,希望不大。 對于高精度定位市場,目前國內市場UBLOX和ST占據半壁江山,但UBLOX在海外市場占據絕對優勢。

雷達:自研6T8R的4D雷達

在特斯拉于 2021 年轉向純視覺系統后,HW4.0 加回了雷達(一款名為 Phoenix 的高清雷達),代號 Phoenix(鳳凰)的雷達還擁有自己的加熱器,保證了更好的全天候性能。

圖58 AP4的4D雷達
圖59 AP4的4D雷達

此次將HW4.0重新搭載到毫米波雷達上,被業界廣泛譽為新一代4D毫米波。根據照片來看,該方案初步分析應該是六發射八接收的級聯方案,采用MIMO雷達體制。TI的2243雙級聯方案。

圖60 AP4的4D雷達
圖61 AP4的4D雷達
圖62 TI 2243的4級聯4D雷達 Demo板

值得注意的是,該雷達的信號處理芯片為Xilinx 7020系列,茂澤的報價為每片1275元,這大大增加了整套毫米波雷達的成本。筆者對此頗感意外,畢竟TI的方案是內嵌DSP的。而據茂澤介紹,7020內嵌了ARM和FPGA,可以作為傳感融合芯片使用,FPGA的實時性是一大優勢。據官網介紹,7020可用于環境意識和整合 所以這款雷達后處理潛力很大。 到目前為止,似乎只有 Model S 和 Model X 車輛配備了新的雷達裝置:

圖63 AP4的4D雷達

通信模塊

通訊模塊依然是SA415,由于高通SDX55價格過高,特斯拉目前還不愿意把通訊模塊升級到5G。SA415還搭載了另一套GNSS定位系統(VEPP)。

圖64 AP4 HW4.0配套的MCU3.0板
圖65 AP4 HW4.0配套的MCU3.0板(通信模塊在該板上)
圖66 通信模組中的GNSS

自駕攝像頭

HW4.0 Camera的信息目前還比較少,維基百科的信息是自駕相關的Camera 均為5MP,但是沒有顯示引用信息來源;另外還有一種說法除Front Camera為5MP外,其他均為1.36MP。 僅僅為猜測,需要相關信息確認:通過網上的HW4.0 VS HW3.0的Camera效果對比看,個人感覺HW4.0選擇全系5MP Camera的可能性更高,CIS統一采用Sony IMX490,延續Tesla一貫的系統化最優設計風格,所有Camera統一5MP設計(增加CIS議價權,減少Camera PCBA的設計維護數量),后續搭配不同的鏡頭得到不同應用的Camera。Tesla走的是CIS盡量統一化路線,即使無法完全統一,也是品類最少化。 新的攝像頭還將提供更好的圖像質量,并將有利于哨兵模式等非FSD功能。 然而,新相機分辨率的提高只是即將發生的相機變化的一小部分。攝像頭數量從接口上看增加到了12個。

具體如下,Camera(RGGB)*11,CIS統一化為5MP:

  • 前視*2(Sony IMX490)(5.43MP);

  • 側前視*2(5.43MP);

  • 側后視*2(5.43MP);

  • 后視*1(5.43MP);

  • 環視*3(Rear Corner Camera*2+Front Bump Camera*1)(5.43MP)

圖67 Camera接口

每個插口上都標記了攝像頭的連接位置,比如 F-SVC、L-SVC、R-SVC、L-FF-Rear、R-FF-Rear 等。

圖68 Camera接口
圖69 Camera接口

特斯拉HW4.0 搭載12 個攝像頭連接器,其中一個標記為備用。目前所有特斯拉汽車共配備 9 個攝像頭。其中三個是前向攝像頭,位于擋風玻璃下方,兩個位于擋泥板上,兩個位于 B 柱上,一個位于后部,一個用于座艙攝像頭。 可以確定的是,前擋風玻璃上有兩個攝像頭,這也在之前實車的照片中被拍到,而車廂內依然有一個攝像頭。 升級后的攝像頭以其獨特的紅色調為標志,能夠提供車輛周圍環境的全面視野。此外,前置擋風玻璃攝像頭還配備了加熱元件,以確保在各種天氣條件下都能保持最佳運行。

圖70 前視攝像頭

其中有兩個活動攝像頭,顏色為紅色,還有一個假攝像頭(該插槽中已不再使用),如下所示:

圖71 前視攝像頭

新款相機的分辨率更高,細節更清晰。AI4 的后置攝像頭分辨率為 1448×938,而硬件 3 的分辨率為1280×960。 前置攝像頭的差異更大。HW4/AI4 的分辨率為 2896×1876,而 HW3 的分辨率為 1280×960。 此外,它們所具有的明顯的紅色色調確保了在低光照條件下更好的性能。 HW4/AI4 的攝像頭帶有紅色鏡頭 – 最容易看到的地方是前置攝像頭 – 那里有 2 個紅色鏡頭和一個黑色(假)鏡頭。 AI4 取消了第三個前置攝像頭,因為攝像頭現在具有更高的分辨率。 側攝像頭也略有不同,具有相同的紅色色調,但轉向指示燈更小更窄。

圖72 HW3和HW4 前視效果對比

L-FF-Rear 和 R-FF-Rear 兩個攝像頭應該是會出現在前翼子板的位置。

圖73 側視攝像頭
圖74 側視攝像頭的對比(HW3.0和HW4.0)

特斯拉 CyberTruck 上也配備了前保險杠攝像頭,有傳言稱其他車型也可能配備該攝像頭。事實上,有人在特斯拉網站上看到了新款 Highland Model 3 前保險杠攝像頭的圖片,但這些攝像頭后來被移除了。

圖75 特斯拉 Model 3 前保險杠攝像頭(已從特斯拉網站上移除)

處理能力

HW4.0 的速度將比HW3.0快 2 到 4 倍。毫無疑問,部分性能將用于處理新的攝像頭信號以及新攝像頭提供的額外像素。然而,鑒于硬件 3.0 的處理能力已接近極限,額外的性能至關重要。 新硬件芯片的規格,其核心數量將從 12 個增加到 20 個,最高主頻可達 2.35 GHz。此外,TRIP 核心數量也從 2 個增加到 3 個,最高主頻可達 2.2 GHz。 馬斯克之前曾表示,HW4 比硬件 3 快 3-5 倍,盡管目前尚未充分利用所有計算能力。 目前尚不清楚硬件 4.0 相比硬件 3 的速度會快多少,但聽起來改進可能接近我們預期的 2-4 倍速度提升的下限。 提供的硬件規格是每個節點的,主板有兩個節點,預計用于冗余。

圖76 FSD1 vs FSD2
圖77 FSD和NV Drive路標對照

特斯拉推出HW3.0 時,也考慮到了緊急情況下的冗余。每個電路板都包含兩個相同的節點。兩個節點可以計算相同的數據并比較輸出,從而讓車輛知道是否存在問題。即使一個節點發生故障,車輛也能繼續自動駕駛足夠長的時間,以便安全靠邊停車。 然而,隨著特斯拉處理需求的增加,HW3.0 上的冗余被消除,以便特斯拉可以利用兩個節點的處理能力。 通過HW4.0,特斯拉再次在其硬件中增加了冗余,不僅在芯片和處理方面,而且在電源冗余方面。 電源

隨著性能水漲船高的,是功耗,綠神表示 HW4.0 的功耗大約是 HW3.0 的 兩倍,甚至加入了更強的電源支持。

圖78 HW4.0的電源

Ref:https://www.autopilotreview.com/tesla-hardware-4-rolling-out-to-new-vehicles/ (有表格)

當前硬件 4 實現

在對 Model Y Hardware 4 單元進行拆解時, Model S 和 X 上的 Hardware 4 相比存在以下差異:

  • HW4 的物理結構與 S/X 型號相似,這打破了有關 HW3 汽車可能進行改裝的任何猜測。

  • HW4 的電路板布局與 Model S 上的 HW4 類似,但某些組件(包括 GPU 和高級音頻硬件)現在缺失或減少了。這似乎是特斯拉為了降低成本而采取的措施。

  • HW4 在信息娛樂系統方面使用了更便宜的非糾錯碼 RAM (ECC RAM)。它還增加了兩個顯示接口,但數量較少,這暗示車輛可能配備第二個顯示屏。

  • HW4 的其他顯著特征包括重新定位的 BroadR-Reach 以太網,以及新增的第三個非密集型以太網。網關芯片也進行了更改,目前使用的是來自其他供應商的不同型號。

  • 將 HW3 汽車改裝為 HW4 汽車并非像看起來那么簡單,因為需要進行修改以適應新的冷卻液管道位置。這可能會使改裝成本比簡單地制造一塊舊款尺寸的新電路板更高。

  • 德克薩斯州生產的 Model Y 配備了塑料“防火墻”,因此需要更改新款 HW4 的安裝方式。盡管內部組件保持不變,但不同的安裝方式導致電腦需要使用唯一的零件編號。

  • Model Y 的攝像頭連接器數量有所減少,這也導致了 HW4 的諸多差異。缺失的攝像頭連接器原本用于連接其他攝像頭,例如前保險杠攝像頭。然而,缺少連接器并不意味著特斯拉未來不會添加它們。

Ref:https://www.hstong.com/news/detail/22012608180858664

Ref:https://www.notateslaapp.com/news/2655/teslas-fsd-v13-pushes-hw4-hardware-capabilities-end-of-line-for-hw3

Ref:https://www.ark-invest.com/articles/analyst-research/tesla-fsd

Ref:https://semianalysis.com/2023/06/27/tesla-ai-capacity-expansion-h100/

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/94466.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/94466.shtml
英文地址,請注明出處:http://en.pswp.cn/web/94466.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

C 語言:第 20 天筆記:typedef(類型重命名規則、應用場景與實戰案例)

C語言:第20天筆記 內容提要 構造類型枚舉類型typedef綜合案例:斗地主預處理 構造類型:枚舉類型 使用建議 如果定義不相干的常量,使用宏定義(符號常量);如果需要定義一組相關聯的常量(如月份011、…

在 vue3 和 vue2 中,v-for 和 v-if 可以一起用嗎,區別是什么

在 Vue 2 和 Vue 3 中,v-for 和 v-if 可以一起使用,但兩者在處理順序和推薦用法上存在明顯區別,主要體現在優先級和最佳實踐上: 1. Vue 2 中的 v-for 與 v-if優先級:v-for 的優先級高于 v-if。 這意味著 Vue 會先循環渲…

Linux-進程相關函數

文章目錄Linux-進程相關函數父子進程關系父子進程地址空間getpid函數 獲取本進程號getppid函數 獲取當前進程的進程的父進程號getpgid函數 獲取進程組號示例fork函數 創建進程區分父子進程exit函數 進程退出wait函數 等待子進程退出waitpid函數Linux-進程相關函數 每個進程都由…

數據挖掘 6.1 其他降維方法(不是很重要)

6.1 Other dimensionality reduction methods 6.1 其他降維方法 其他降維方法前言問題答案流形3 降維大綱3.1 線性方法3.2 非線性方法3.2.1 流形學習方法(Manifold Learning)3.2.2 概率方法(Probabilistic Approaches)3.2.3 拓撲數…

Unity中的特殊文件夾

一.工程路徑獲取print(Application.dataPath);只用于游戲開發編輯器模式下,游戲發布后此路徑就不存在了二.Resources 資源文件夾//路徑獲取: //一般不獲取 //只能使用Resources相關API進行加載 //如果硬要獲取 可以用工程路徑拼接print(Application.dataPath "…

Seaborn數據可視化實戰:Seaborn高級使用與性能優化教程

Seaborn最佳實踐與技巧 學習目標 本課程將深入探討Seaborn庫的高級使用技巧,包括性能優化、常見問題解決方法等,旨在幫助學員掌握如何高效地使用Seaborn進行數據可視化,提升圖表的美觀度和信息傳達效率。 相關知識點 Seaborn最佳實踐與技巧 學…

分布式系統與單機系統的優劣勢對比

近期有遇到一個本地部署的需求,他們希望用主備方案,這就涉及到了備用系統怎么收費的問題。我們是單機系統,其他友商是分布式系統,那20坐席的手撥需求到底是選單機系統好,還是選分布式系統好呢?了解了兩者的…

深度學習:從手寫數字識別案例認識pytorch框架

目錄 一、PyTorch 核心優勢與框架定位 二、實戰基礎:核心庫與數據準備 1. 關鍵庫導入與功能說明 2. MNIST 數據集加載與可視化 (1)數據集下載與封裝 (2)數據集可視化(可選) 3. DataLoade…

二分|組合|旋轉數組

lc1976dijk min_pathpq. min_wlcr187同lc1823.約瑟夫環class Solution { public:int iceBreakingGame(int num, int target) {int x0;for(int i2;i<num;i){x(xtarget)%i;} return x;} };lc2972計算數組中可移除的子數組數量先找最長遞增前綴&#xff0c;再結合遞增后綴…

【C語言16天強化訓練】從基礎入門到進階:Day 10

&#x1f525;個人主頁&#xff1a;艾莉絲努力練劍 ?專欄傳送門&#xff1a;《C語言》、《數據結構與算法》、C語言刷題12天IO強訓、LeetCode代碼強化刷題、洛谷刷題、C/C基礎知識知識強化補充、C/C干貨分享&學習過程記錄 &#x1f349;學習方向&#xff1a;C/C方向學習者…

云計算與云原生技術探索

&#x1f31f; Hello&#xff0c;我是蔣星熠Jaxonic&#xff01; &#x1f308; 在浩瀚無垠的技術宇宙中&#xff0c;我是一名執著的星際旅人&#xff0c;用代碼繪制探索的軌跡。 &#x1f680; 每一個算法都是我點燃的推進器&#xff0c;每一行代碼都是我航行的星圖。 &#x…

STM32之ADC詳解

一、ADC概述 ADC&#xff08;模擬量轉數字量轉換器&#xff09;&#xff0c;在 STM32 開發中&#xff0c;利用 ADC 端口的電壓數據&#xff0c;轉換為對應的具體數字量數據內容。可通過 ADC 方式獲取常用數據內容有&#xff1a; 光敏電阻、電池電量、油箱油量 ADC 轉換…

深入理解計算機網絡:從基礎到應用的全面解析

標題&#xff1a;深入理解計算機網絡&#xff1a;從基礎到應用的全面解析 引言 計算機網絡已經滲透到我們生活的方方面面。從家庭Wi-Fi到全球互聯網&#xff0c;我們每天都在通過各種設備進行數據交換。本文將帶領你走進計算機網絡的世界&#xff0c;深入探討網絡的基礎知識、常…

以結構/序列/功能之間的關系重新定義蛋白質語言模型的分類:李明辰博士詳解蛋白質語言模型

上海交通大學第三屆「AI for Bioengineering 暑期學校」于 2025 年 8 月 8—10 日正式開啟。本次暑期學校匯聚了自全球 70 余所高校、 10 余所科研機構及 10 余家行業領軍企業的 200 余位青年才俊、科研學者和產業代表&#xff0c;共同聚焦于人工智能&#xff08;AI&#xff09…

【大語言模型 15】因果掩碼與注意力掩碼實現:深度學習中的信息流控制藝術

【大語言模型 15】因果掩碼與注意力掩碼實現&#xff1a;深度學習中的信息流控制藝術 關鍵詞&#xff1a;因果掩碼、注意力掩碼、下三角掩碼、Padding掩碼、序列建模、GPT解碼器、BERT編碼器、批量處理優化、自回歸語言模型、信息流控制 摘要&#xff1a;在Transformer架構中&a…

大型電動化工程機械設備智能施工試驗場的網絡設計方案

隨著工程機械設備逐步邁向智能化、電動化和無人化&#xff0c;傳統施工試驗場已經難以滿足現代化施工設備的研發、測試和驗證需求。為了適應這一趨勢&#xff0c;建設一個基于高性能網絡架構的大型智能施工試驗場成為關鍵。本文將從網絡架構、設備選型和功能實現等方面&#xf…

SPMI總線協議(一)

1、簡單說明 系統電源管理接口( System Power Management Interface簡稱SPMI)是一種雙線串行接口,用于連接片上系統(SoC)處理器系統的集成電源控制器(PC)與一個或多個電源管理集成電路(PMIC)電壓調節系統。SPMI 使系統能夠使用單個 SPMI 總線動態調整 SoC 內部電壓域的…

數據存儲的思考——從RocketMQ和Mysql的架構入手

數據存儲是后臺服務系統永遠繞不開的知識 筆者希望能夠從宏觀的角度出發&#xff0c;思考數據存儲系統的共性和設計方案&#xff0c;嘗試從Mysql和RocketMQ的角度去思考談談系統存儲架構的設計哲學 前置的知識 什么是RocketMQ、什么是Mysql&#xff0c;他們對于后端系統的主用…

MySQL 面試題系列(二)

目錄1: SQL 中常見的 JOIN 類型有哪些&#xff1f;請分別說明其連接邏輯和適用場景。2: UNION 和 UNION ALL 有什么區別&#xff1f;它們各自的適用場景是什么&#xff1f;3: 什么是視圖 (View)&#xff1f;它的作用和優缺點是什么&#xff1f;4: 什么是索引 (Index)&#xff1…

PostgreSQL診斷系列(2/6):鎖問題排查全攻略——揪出“阻塞元兇”

&#x1f517; 接上一篇《PostgreSQL全方位體檢指南》&#xff0c;今天我們深入數據庫的“神經系統”——鎖機制&#xff0c;解決最令人頭疼的“卡頓”問題。 你是否經歷過&#xff1a; 某個SQL執行著就不動了&#xff1f;應用界面卡在“加載中”&#xff1f;UPDATE 語句遲遲不…