EEMBC Lança ADASMark: Benchmark Real para SoCs de Assistência Avançada ao Motorista

Fabricantes de chips automotivos regularmente promovem seus system‑on‑chips (SoCs) construídos para Sistemas Avançados de Assistência ao Motorista (ADAS). No entanto, sem métricas objetivas, stakeholders — repórteres, analistas e, mais criticamente, montadoras — acham quase impossível distinguir um SoC ADAS de outro.

Na prática, o mercado depende de claims de vendors ou métricas cruas como trilhões de operações por segundo (TOPS). Comparar EyeQ5 da Intel/Mobileye com Xavier da Nvidia usando apenas TOPS é enganoso e oferece pouco insight acionável.

Para preencher essa lacuna, o consórcio de hardware embarcado EEMBC lançou recentemente o ADASMark, uma suíte de benchmarks de direção autônoma agora disponível para licenciamento. O toolset é projetado para ajudar fornecedores tier‑one e montadoras a otimizar recursos computacionais — de CPUs a GPUs e aceleradores dedicados — ao projetar suas stacks ADAS.

Mike Demler, analista sênior do The Linley Group, elogiou o ADASMark: "É refrescante que este benchmark seja baseado em workloads reais, não apenas números abstratos." Ele destacou participação da AU‑Zone Technologies, NXP Semiconductors e Texas Instruments, que juntos dão à suíte uma vantagem prática sobre testes genéricos como DeepBench da Baidu.

Design Centrado em Framework

EE Times entrevistou Peter Torelli, presidente e CTO da EEMBC, sobre desafios que montadoras enfrentam conforme veículos se tornam cada vez mais automatizados. Ele notou que enquanto muitos sistemas embarcados agora implantam múltiplos núcleos, "ainda há muito poucos frameworks que podem aproveitar totalmente recursos de computação assimétricos." Sem um framework robusto, cada instância de benchmark variaria dramaticamente across hardware, complicando comparações cross‑platform.

Ilustrado pelo diagrama de pipeline do ADASMark abaixo, a performance baseline usa uma única CPU para todos os estágios. No entanto, um desenvolvedor pode desejar plugar um chip neural‑net customizado para o estágio final de inferência ou um DSP dedicado para conversão de espaço de cor.

Em tais cenários, um framework simplifica o retargeting de dispositivos de computação, eliminando a necessidade de desenvolvedores escreverem código de interface bespoke — um processo que é demorado, propenso a erros e pode distorcer resultados de benchmark.

"AMP e OpenAMP são projetados para sistemas multicore simétricos e não atendem nossas necessidades", explicou Torelli. "OpenCV e OpenVX oferecem suporte parcial, mas adoção por fabricantes é inconsistente." Essa análise levou a EEMBC a criar o ADASMark em torno de um framework customizado adaptado a workloads reais.

Foco no Pipeline de Imagem

Principais features do ADASMark incluem API OpenCL 1.2 Embedded Profile para garantir consistência across implementações; uma série de micro‑benchmarks que quantificam performance para SoCs lidando com tarefas de computer‑vision, direção autônoma e mobile‑imaging; e um motor de inferência CNN de reconhecimento de sinais de trânsito desenvolvido pela AU‑Zone Technologies.

Como ADAS requer capacidades intensivas de detecção de objetos e classificação visual, o ADASMark foca no pipeline de imagem. Ele modela workloads altamente paralelos como stitching de surround‑view, detecção de contornos e classificação de sinais de trânsito baseada em CNN — exatamente as tarefas que sustentam a funcionalidade ADAS moderna.