Étude et aperçu de l'optimisation du code et de l'adaptation matérielle des plateformes hétérogènes (CPU vs GPU) pour la simulation en temps réel et accélérée visant à atteindre le niveau 5 de conduite autonome

« La complexité et les exigences informatiques liées à la conduite autonome ont poussé de nombreux chercheurs universitaires, constructeurs automobiles et, en particulier, fabricants d’équipements électroniques à innover dans leurs produits respectifs afin de relever les différents défis posés par les véhicules autonomes. Ces défis consistent à faire rouler les véhicules sur de longues distances : environ douze milliards de miles en environnement simulé et environ cent millions de miles sur la voie publique. À cette fin, beaucoup ont recours au calcul parallèle sur des plateformes homogènes et hétérogènes. Les ordinateurs modernes haute performance, qui exploitent à la fois les capacités et les ressources des unités de calcul et des unités de traitement graphique, constituent un bon exemple de ces plateformes. Ces unités forment des plateformes hétérogènes dédiées au calcul parallèle et haute performance. La principale lacune de ces architectures réside dans les données

latence de transfert entre l’hôte et ses accélérateurs associés. Cela est principalement dû au processus de transfert des données depuis la mémoire vive (RAM) de l’hôte vers la RAM d’un périphérique connecté. Le processus de transfert de données passe par différentes étapes, allant de la récupération des données dans la mémoire paginable et la mémoire épinglée, puis à leur transfert vers les périphériques, généralement via le bus PCIe (Peripheral Component Interconnect Express). Cet article présente une vue d’ensemble des travaux connexes et des différents concepts proposés pour réduire la latence de transfert des données. Il introduit de nouveaux concepts susceptibles de surmonter, ou du moins de contourner, la principale limitation des plateformes hétérogènes. Ainsi, la dernière partie de l’article présente les performances de différentes méthodes de transfert de données sur des plateformes hétérogènes. Les expériences ont été menées sur la carte de développement NVIDIA Jetson TX2 et sur un GPU NVS 510. »