該技術的下一階段是不斷測試和改進用于部署這些自動駕駛汽車的技術。顯然，需要進行測試以證明它們在任何和所有道路條件下都是安全的。

借助自動駕駛系統等流動而復雜的技術，測試必須足夠靈活以考慮變化，可能是動態的，但又必須足夠嚴格，以使結果在大規模的實際應用中具有意義。有許多不同的方式可以進行測試。

測試自動駕駛汽車的挑戰之一是它們可能會在許多不同的條件和環境挑戰下使用相當長的一段時間。因此，測試方案必須嘗試“隨著時間的推移”模擬測試。這不是一件容易復制的事情。

許多測試是在實驗室中進行的，并且無法替代現場的實際行為。在某些情況下，車輛會在現場學習和訓練，并實時進行調整。

剪斷（無線）線

自動駕駛技術設計人員面臨的另一個挑戰是無線通信媒體的速度和可用性。雖然 5G 可能具有實時處理許多任務的帶寬，但尚未推出具有完全覆蓋范圍的高效 5G。其他較慢的媒體渠道是不夠的，除了數據下載或車輛軟件升級，這可能發生在車輛靜止時。

此外，由于自動駕駛技術相對較新，組件會定期更換，這進一步增加了測試的復雜性。如果環境未鎖定，則幾乎不可能維護有效數據。

所有這些重要測試的最終結果是，車輛生成的數據量非常巨大，很容易達到 TB。嘗試無線下載所有這些信息可能是一項艱苦的長期工作。為了消除漫長的下載周期，Premio提出了一種解決方案，允許 OEM 簡單地隨身攜帶數據。除了消除長時間的無線下載之外，該解決方案還保持了數據的安全性和完整性。

Premio 的 RCO-6000 系列嵌入式計算機采用分離式架構設計，因此可以移除內存子系統并更換為新陣列，從而為推理和數據捕獲工作負載提供性能加速。

Premio RCO-6000 系列 EdgeBoost Node嵌入式計算機被稱為罐式方法，可在車輛和中央存儲庫之間快速高效地收集和傳輸數據，其中可以使用 AI 工作負載信息收集、存儲和分析數據。Premio 采用的設計最初是一個定制項目，但隨著對該技術的需求越來越多，后來演變為商業產品。RCO-6000-CML 系列是最新的AI 邊緣推理計算機，它使用 Premio 的模塊化 EDGEboost 節點設計來優化現場測試自動駕駛應用的性能加速和數據采集。

NVMe SSD 可以承受沖擊

非易失性存儲器 （NVMe） 罐產品的一個關鍵設計元素是這種環境所需的堅固性，同時仍具有快速聚合和存儲數據的能力。使用額定為高水平沖擊和振動的固態磁盤 （SSD），數據保持完整。

RCO-6000 系列 EdgeBoost Node 嵌入式計算機的架構可以部署在各種配置中，具體取決于具體應用和最終目標是什么。如下圖所示，最簡單的配置僅用于數據采集。在這里，罐子將被移除，并帶到外部源進行存儲和分析，通常與來自其他實例（其他車輛或同一車輛隨著時間的推移）的數據結合并進行比較。這種配置的主要好處是高速 NVMe 技術，它提供可靠的數據捕獲，可以卸載到中央位置，以實現更大的機器學習和 AI 工作負載。此外，

第二種配置用于現場測試，使用性能加速模塊在現場進行推理。顯然，該容器的配備與僅用于存儲信息的模型不同，因為它通過專用 PCIe 通道動態處理大量計算，用于 GPU、m.2 模塊甚至 NVMe 存儲介質中的硬件加速。

最終配置是處理推理和數據捕獲的成熟模型。請記住，在所有三種配置中，罐子都可以輕松移除，以便將數據帶回主處理單元進行進一步分析。在所有三種配置中，該架構都添加了物理安全元素，因為數據保留在容器中，可以存儲并保存在物理鎖和鑰匙后面。

如圖所示，根據應用和用戶的目標，可以部署 RCO-6000 系列 EdgeBoost Node 嵌入式計算機容器的多種配置。每個配置都包括拆分架構，便于輕松捕獲和刪除數據。

Premio 已經為一個關鍵的 OEM 客戶部署了數百臺 RCO-6000 系列 EdgeBoost Node 嵌入式計算機。因此，從數據收集領域的客戶體驗中學到了很多東西。除了傳輸和安全存儲數據的簡單性之外，確保數據的有效性同樣重要，數據在容器內部處理。Premio 專家很快承認，這種設計需要在產品開發階段進行嚴格的測試。

請注意，可以通過執行彈出按鈕非常簡單地移除容器。Premio 提供了一個軟件實用程序，使 OEM 可以輕松地將這個過程包含在他們自己的用戶界面中，從而允許 OEM 通過軟件開發實現差異化和定制化。

在實踐中，可以通過 PCIe 轉接卡或通過 NVMe 硬件 RAID 控制器使用兩種不同方法之一連接容器。如果意圖直接連接到 CPU 的 PCIe 通道，則使用前者。然而，如果需要硬件 RAID，將使用后一種方法。

雖然您可能預計這種方法會將功耗提高到可能無法接受的水平，但 RCO-6000 系列 EdgeBoost Node 嵌入式計算機的情況并非如此。這個概念源于嵌入式計算機可能由車輛本身提供動力這一事實。通過一些智能節能設計，Premio 工程師能夠（大部分）消除額外的功耗，并通過支持寬電源電壓輸入保持工業級設計。

用于邊緣人工智能的全功能嵌入式計算機

從功能的角度來看，RCO-6000 系列 EdgeBoost Node 嵌入式計算機可以分為三個主要用途（計算機處理所有三個用途）：

數據捕獲：捕獲足夠的數據來訓練能夠在真實環境中部署的高效模型。這要求所有捕獲的數據都以足夠快的速度寫入 SSD，這樣就不會丟失任何數據。

測試運行：在現實世界中進行測試運行以測試模型，同時捕獲數據以查看模型的效率。這需要混合推理能力和快速存儲。

最終部署：一旦確定解決方案足夠成熟，就可以將最終推理部署到大規模生產中。這需要純粹的推理能力。

用于工作負載整合的可擴展和多功能 I/O

RCO-6000 系列支持 I/O 支架，可實現高速連接和低延遲數據傳輸，適用于崎嶇邊緣的高級工業應用。憑借多樣化的模塊化配置，計算機的 I/O 靈活性允許整合工作負載以處理各種數字和模擬傳感器。例如，子板模塊可用于通過 GbE 和 USB 等選項啟用更多 I/O。

高速網絡

一個關鍵的挑戰是確保可以足夠快地捕獲數據，以免丟失任何東西。RCO-6000 系列 EdgeBoost 節點嵌入式計算機通過包含超高速 NVMe SSD 并通過 100-Gbit/s 以太網網絡適配器進行通信來處理這些問題。

概括

RCO-6000 系列 EdgeBoost Node 嵌入式計算機的關鍵部署目標之一是物理遷移 SSD，而無需通過無線網絡轉發數據的艱巨（也是更常見）的方法。只需卸下碳罐，即可在幾分鐘內卸載數據，同時，可以快速插入新的碳罐，使車輛除了短暫的“進站”外，還能繼續在路上行駛。車輛返回現場以捕獲更多數據的周轉時間實際上以（低個位數）分鐘為單位。

Premio 的車載計算機旨在在最惡劣的環境條件下運行，同時在自主和遠程邊緣部署中提供關鍵任務可靠性。獨特的架構顯著減少了停機時間，是實時本地處理和推理分析的理想

審核編輯：郭婷