Создание ускорителей с привязкой к предметной области становится все более важным для удовлетворения требований к высокой производительности в условиях жесткого энергопотребления и ограничений в режиме реального времени. Однако новые области применения, такие как автономные транспортные средства, представляют собой сложные системы, где ограничения выходят за рамки простого вычислительного стека. Ручной выбор пространства проектирования и навигация по нему для разработки пользовательских и эффективных SoC для конкретной предметной области (DSSoC) утомительны и дороги. Таким образом, существует потребность в автоматизированных методологиях проектирования DSSoC. В этой статье мы используем гибкие и автономные беспилотные летательные аппараты в качестве примера для понимания того, как автоматизировать проектирование SOC для автономных транспортных средств с привязкой к предметной области. При проектировании DSSoC для беспилотных летательных аппаратов необходимо учитывать такие параметры, как частота сенсоров, вычислительная пропускная способность и другие физические характеристики (например, вес полезной нагрузки, тяговооруженность), которые влияют на общую производительность. Перебор множества вариантов компонентов приводит к резкому увеличению числа возможных комбинаций: от 10 тысяч до миллиардов, в зависимости от деталей реализации. Для эффективной навигации в пространстве проектирования DSSoC мы представляем \emph{AutoPilot}, систематическую методологию автоматического проектирования DSSoC для автономных беспилотных летательных аппаратов. AutoPilot использует машинное обучение для навигации в обширном пространстве проектирования DSSoC и автоматического выбора комбинации алгоритма автономии и аппаратного ускорителя с учетом влияния различных компонентов беспилотника на общий продукт. \autop неизменно превосходит аппаратные средства общего назначения, такие как Xavier NX и Jetson TX2, а также специализированные аппаратные ускорители, созданные для автономных беспилотных летательных аппаратов. Проекты DSSoC, созданные \autop, увеличивают количество миссий в среднем до 2,25 x, 1,62x и 1,43x для нано-, микро- и мини-БПЛА соответственно по сравнению с базовыми показателями. Мы также обсуждаем, как \ autop может быть распространен на другие связанные автономные транспортные средства, используя тот же набор принципов.
Автоматическое проектирование SoC для автономных беспилотных летательных аппаратов в зависимости от домена
1 июня 20231 июн 2023
6
1 мин