EEMBC lance ADASMark : un benchmark réel pour SoCs d'assistance à la conduite avancée

Les fabricants de puces automobiles vantent régulièrement leurs systèmes-sur-puce (SoC) conçus pour les systèmes avancés d'assistance à la conduite (ADAS). Pourtant, sans métriques objectives, les parties prenantes — journalistes, analystes, et le plus critique, les constructeurs automobiles — trouvent presque impossible de distinguer un SoC ADAS d'un autre.

En pratique, le marché s'appuie sur les affirmations des vendeurs ou des métriques grossières comme les trillions d'opérations par seconde (TOPS). Comparer l'EyeQ5 d'Intel/Mobileye au Xavier de Nvidia avec les TOPS seuls est trompeur et offre peu d'insight actionnable.

Pour combler ce fossé, le consortium hardware embarqué EEMBC a récemment lancé ADASMark, une suite de benchmarks de conduite autonome maintenant disponible en licence. L'outil est conçu pour aider les fournisseurs de rang un et les constructeurs à optimiser les ressources de calcul — des CPUs aux GPUs et accélérateurs dédiés — lors de la conception de leurs piles ADAS.

Mike Demler, analyste senior au Linley Group, a loué ADASMark : « C'est rafraîchissant que ce benchmark soit ancré dans des charges de travail réelles, pas juste des nombres abstraits. » Il a souligné la participation d'AU-Zone Technologies, NXP Semiconductors et Texas Instruments, qui donnent à la suite un avantage pratique sur des tests génériques comme DeepBench de Baidu.

Design centré framework

EE Times a interviewé Peter Torelli, président et CTO d'EEMBC, sur les défis auxquels font face les constructeurs alors que les véhicules deviennent de plus en plus automatisés. Il a noté que si de nombreux systèmes embarqués déploient maintenant plusieurs cœurs, « il y a encore très peu de frameworks qui peuvent pleinement exploiter les ressources de calcul asymétriques. » Sans framework robuste, chaque instance de benchmark varierait dramatiquement across hardware, compliquant les comparaisons cross-plateforme.

Illustré par le diagramme de pipeline ADASMark ci-dessous, la performance de base utilise un seul CPU pour toutes les étapes. Cependant, un développeur pourrait vouloir brancher une puce neurale personnalisée pour l'étape d'inférence finale ou un DSP dédié pour la conversion d'espace colorimétrique.

Dans de tels scénarios, un framework simplifie le retargeting des dispositifs de calcul, éliminant le besoin pour les développeurs d'écrire du code d'interface sur mesure — un processus chronophage, sujet aux erreurs, et qui peut fausser les résultats de benchmark.

« AMP et OpenAMP sont conçus pour les systèmes multicœurs symétriques et n'adressent pas nos besoins », a expliqué Torelli. « OpenCV et OpenVX offrent un support partiel, mais l'adoption par les fabricants est incohérente. » Cette analyse a conduit EEMBC à créer ADASMark autour d'un framework sur mesure adapté aux charges de travail réelles.

Focus pipeline d'imagerie

Les fonctionnalités clés d'ADASMark incluent une API OpenCL 1.2 Embedded Profile pour assurer la cohérence across implémentations ; une série de micro-benchmarks quantifiant la performance pour SoCs gérant la vision par ordinateur, conduite autonome, et tâches d'imagerie mobile ; et un moteur d'inférence CNN de reconnaissance de panneaux de signalisation développé par AU-Zone Technologies.

Puisque l'ADAS requiert des capacités intensives de détection d'objets et classification visuelle, ADASMark se concentre sur le pipeline d'imagerie. Il modélise des charges de travail hautement parallèles comme le stitching de vue surround, la détection de contours, et la classification de panneaux de signalisation basée sur CNN — exactement les tâches qui sous-tendent la fonctionnalité ADAS moderne.