ClearView mirror showing 3 views: behind the vehicle and both sides which helps with a wider field of vision and reducing blind spots.

Replanteando la Arquitectura ADAS Con Computación Centralizada de Alto Rendimiento

Más sensores no crean automáticamente un mejor rendimiento en ADAS. A medida que los vehículos añaden cámaras, radar, sensores térmicos, ultrasonidos y LiDAR, el reto deja de ser recopilar datos y más de cómo se procesan, fusionan y actúan sobre ellos.

En muchas arquitecturas convencionales, los sensores o ECUs específicas de dominio preprocesan las entradas en bruto en listas de objetos antes de reenviarlas, lo que puede limitar el contexto y la flexibilidad en etapas posteriores. Aunque este enfoque apoyó el desarrollo de las primeras características de ADAS, se vuelve cada vez más difícil escalar a medida que las arquitecturas de vehículos se desplazan hacia diseños centrados en software y los requisitos de percepción se vuelven más complejos.

A partir de cierto punto, añadir más sensores distribuidos aumenta el costo y la complejidad más rápido que la mejora de la capacidad. El siguiente paso es desbloquear más valor de los sensores existentes fusionando sus datos en computación centralizada de alto rendimiento. Si se hace bien, esto mejora la percepción, permite un desarrollo de software más escalable y reduce la necesidad de añadir nuevos sensores o ECUs para cada ganancia de capacidad.

El cómputo centralizado permite fusionar datos de sensores más ricos antes e interpretarse con mayor contexto. En lugar de depender de salidas preprocesadas de objetos, las entradas brutas de mayor densidad pueden combinarse a través de conexiones de alto ancho de banda para crear una pila de percepción más robusta. Por ejemplo, fusionar datos térmicos y de radar mejora la detección y clasificación en escenarios de poca luz, extendiendo la conciencia más allá de lo que cualquiera de las modalidades puede lograr por sí sola, al tiempo que permite compensaciones favorables en costos y empaquetado en ciertas aplicaciones.

Computación centralizada y su impacto en la fusión de sensores multimodales

Cada modalidad de detección tiene diferentes fortalezas y limitaciones. Las cámaras ofrecen un detalle visual rico, pero son sensibles a las condiciones de iluminación, mientras que el radar funciona de forma fiable en condiciones meteorológicas adversas y a largas distancias, aunque con menos detalle semántico. La detección térmica amplía la conciencia en situaciones de baja visibilidad, especialmente para detectar usuarios vulnerables de la vía y animales. Cuando se fusionan a través de una unidad de cálculo de alto rendimiento (HPCU), estos flujos de datos complementarios pueden compensar las limitaciones de los demás y permitir un modelo de percepción más robusto.

La fusión centralizada también apoya mejor los enfoques modernos de percepción de extremo a extremo basados en IA, que pueden hacer un uso más eficaz de entradas ricas y multimodales que las canalizaciones de detección rígidas y diseñadas a mano. Esto resulta especialmente importante en escenarios ambiguos — como un objeto que se desliza en la carretera, un peatón en la acera o solapamientos inusuales entre usuarios de la vía y desorden de fondo — donde la comprensión contextual puede determinar si el sistema responde adecuadamente.

La colaboración de Magna con NVIDIA

Magna está integrando el SoC DRIVE AGX Thor de NVIDIA en su hoja de ruta HPCU, combinando un cálculo de alto rendimiento y centrado en la seguridad con las capacidades de integración de software, sistemas y validación de Magna para soportar programas escalables ADAS/AD desde L2+ hasta L3 para turismos y L4 para robotaxi y autonomía personal L4 en aplicaciones más avanzadas.

Esa colaboración ahora va más allá de la integración con silicio para incluir sensores y ECUs compatibles con Hyperion y un soporte más amplio para integración de sistemas de nivel 1. En la práctica, eso significa que Magna está ayudando a los fabricantes a conectar la plataforma de cómputo con el resto del sistema del vehículo — coordinando hardware (HPCUs, sensores), software, pruebas y validación en el mundo real, en lugar de dejar que esas piezas se unan programa por programa.

Al reducir la complejidad de integración y validación, los fabricantes pueden acelerar el tiempo de salida al mercado, disminuir el riesgo de ingeniería y evitar reconstruir elementos centrales de la pila de software y pruebas para cada nuevo programa.

Por qué esto es importante para los fabricantes OEM

Una arquitectura de computación centralizada compartida puede escalarse entre niveles ADAS y segmentos de vehículos, permitiendo a los fabricantes implementar conjuntos de características diferenciados entre versiones sin replicar el software central ni el trabajo de integración. Al reducir el número de nodos de cómputo distribuidos, se reduce la complejidad del sistema, simplificando el despliegue de software, reduciendo la sobrecarga de configuración y control de versiones, y mejorando la escalabilidad de los flujos de trabajo de actualización OTA.

A medida que los modelos de percepción evolucionan hacia enfoques de fusión más basados en datos y multimodales, la plataforma de cómputo ya está en marcha para acomodar una mayor complejidad del modelo y mayores requisitos de rendimiento de datos. Esto desplaza la arquitectura del vehículo hacia una adaptabilidad a largo plazo, en lugar de limitar la funcionalidad a un conjunto fijo de características definido en la SOP.

Para lograr estos beneficios, la validación debe escalar con la complejidad del sistema. Por tanto, las arquitecturas de computación centralizadas requieren infraestructura de desarrollo y pruebas estrechamente integrada, incluyendo simulación, entornos SIL/HIL y validación basada en flotas. Magna apoya esto mediante simulación en la nube, pruebas hardware-in-the-loop y validación de flotas en el mundo real, permitiendo ciclos de iteración más rápidos mientras mantiene la cobertura y la confianza a nivel de sistema antes del lanzamiento en producción.

Esto se ve respaldado además por la red global de ingeniería de Magna, que incluye equipos dedicados de ingeniería de software y sistemas centrados en la arquitectura E/E, algoritmos de percepción y herramientas de validación. Esta capacidad permite soporte a lo largo de todo el ciclo de vida del desarrollo, desde la definición de arquitectura hasta la validación a nivel de producción de sistemas de computación centralizados.

El verdadero cambio es arquitectónico

El valor fundamental de una HPCU no es simplemente un mayor rendimiento de cálculo. Es la capacidad de tratar la percepción como una capacidad a nivel de sistema, en lugar de un conjunto de sensores y ECUs aisladas. Ese cambio arquitectónico reduce la complejidad del sistema, mejora la reutilización de software entre programas y permite a los fabricantes escalar capacidades ADAS a través de líneas de vehículos y precios sin aumentar linealmente el costo, el esfuerzo de integración o la carga de validación.

Por tanto, el próximo capítulo de ADAS/AD no se definirá solo por el número de sensores, sino por arquitecturas capaces de transformar datos en bruto en inteligencia escalable, actualizable y lista para producción.

¿Quieres escalar la capacidad ADAS/AD sin añadir complejidad al sistema? Magna ofrece computación y sensores centralizados de alto rendimiento, fusión de sensores e integración a nivel de sistema, permitiendo un camino claro y escalable hacia arquitecturas L4. Conéctate con nosotros para acelerar tu hoja de ruta de próxima generación de ADAS/AD.

*Este documento fue traducido usando Microsoft Translator, bajo supervisión humana.

Headshot of Suresh Boddi, Vice President Engineering - High Performance Compute & Technology Partnerships - ADAS/AD

Suresh Boddi

Suresh Boddi es licenciado en Ingeniería por la Universidad Tecnológica Visvesvaraya y aporta casi dos décadas de experiencia en el avance de tecnologías de conducción automatizada y ADAS. En Magna, se centra en desarrollar y escalar plataformas de computación de alto rendimiento y soluciones integradas para sistemas de conducción asistida y automatizada.

We want to hear from you

Send us your questions, thoughts and inquiries or engage in the conversation on social media.

Historias relacionadas

Dentro del Espejo: 5 Desafíos de Integración que Remodelan los Sistemas de Seguridad del Conductor

Blog

De las Características a los Sistemas: Replanteando el Acceso de Vehículos

Artículo

Magna Earns Five 2025 General Motors Supplier of the Year Awards

Noticias y Comunicados de Prensa

Magna Awarded Driver and Occupant Monitoring System Program with European OEM

Noticias y Comunicados de Prensa

Mantenerse conectado

Puede mantenerse conectado con Magna News and Stories a través de alertas por correo electrónico enviadas a su bandeja de entrada en tiempo real.