상황
1.
일단 무지에서 오는 막막함이 좀 큰 거 같습니다. 저희가 사용하려는 라이다와 같은 센서들의 연산량을 버텨줄 장비를 구비하는 것이 목적인데 사실 연산량 자체가 얼마나 되는지 알 방법이 현재로선 없기 때문에 딱 이거면 될 거 같다는 근거가 부족해요.
a.
사실 저희가 하려는 대회 환경에서 16채널 라이다 자체는 조금 과할 수도 있습니다. 해당 라이다로 SLAM 및 다른 센서를 돌리려면 더 스펙이 좋은 PC를 사용한다고 한 연구원한테 얘기를 들었는데 3D 형태인 결과 값을 2D로 변환해서 사용한다든가 하는 방식으로 해결을 해보려고 합니다.
b.
추가적으로 16채널 라이다 실행 이미지를 확인하신 분들은 알겠지만 생각보다 16채널의 성능이 과하지 않다는 사실도 어느정도 아시라 생각이 듭니다. 이에 따라 연산량이 어느 정도 될지 예상이 전혀 되지는 않지만 우선 저희가 할 수 있는 자리에서 최선을 하는 방향밖에 없다고 생각이 듭니다.
2.
일단 Orin은 가격 상 좀 과한거 같아서 Jetson 라인을 구매할 수 있다면 AGX Xavier를 고려하고 있습니다.
3.
그리고 산업용 PC쪽은 nuvo 시리즈를 많이 쓰는 것 같아 찾아보니 대부분 견적을 받아야하는 상황인데 아직 답변은 못받았습니다.
자율주행pc에 적합한 산업용pc를 계속 알아보고 있는데 다수가 그래픽카드와 추가 램을 지원한다 되어있고 pc껍데기만 구입한 후 내부 연산량을 감당하기 위한 추가 부품들은 따로 구매 해야 되는것으로 확인 되었고 이에 따라 금액적인 부분은 비슷하거나 높을것으로 예상이 됩니다.
NVIDIA Jetson
Jetson AGX Orin
CPU: 8core ARM Cortex-A78AE v8.2 64bit CPU 2MB L2 + 4MB L3
GPU: Jetson AGX Orin GPU(1792core NVIDIA Ampere Architecture GPU with 56 Tensor Cores)
RAM: 32GB
배송 기간: 5-9 영업일 내 홍콩 발송
가격: 3,000,000 ~
연산 속도: 200TB/s
Jetson AGX Xavier
CPU: 8코어 ARM v8.2 64bit
GPU: Jetson AGX Xavier GPU (512core Volta GPU with Tensor core)
RAM: 32GB
구매 링크:
배송 기간:
가격: 2,000,000 ~
전원: 10W ~ 20W
연산 속도: 32TB/s
작년 출전 한 숙명여대 팀에서도 이 컴퓨터를 사용했음
Industrial PC
찾아보니 자율주행용으로는 Nuvo 시리즈가 많이 사용되는듯함
Nuvo-9000 Series
CPU: Supporting Intel
13th-Gen Core
CPU
GPU: UHD Graphics 770 (32EU)
RAM: 64 GB DDR5 4800 SDRAM
배송 기간:
가격: 견적 받기
전원:
연산 속도:
Nuvo-6108GC series
CPU:
Supports Intel
Xeon
E3 V5 and 6th-Gen Core
LGA 1151 CPU
•
Intel
Xeon
Processor E3-1275 v5 (8M Cache, 3.6/ 4.0 GHz)*
•
Intel
Xeon
Processor E3-1268L v5 (8M Cache, 2.4/ 3.4 GHz)
•
Intel
Core
i7-6700 (8M Cache, 3.4/ 4.0 GHz)*
•
Intel
Core
i5-6500 (6M Cache, 3.2/ 3.6 GHz)*
•
Intel
Core
i7-6700TE (8M Cache, 2.4/ 3.4 GHz)
•
Intel
Core
i5-6500TE (6M Cache, 2.3/ 3.3 GHz)
다수 지원한다는 것으로 보아 하니 선택 사항인듯
GPU: Intel
HD 530 controller
RAM: Up to 32 GB ECC/ non-ECC DDR4-2133
배송 기간:
가격: 견적 받기(견적 넣어논 상태)
다만 다 지원만 한다는것으로 보아서 추가 필요한 부품들을 따로 구매해야될듯
전원:
연산 속도:
GPU 성능 비교 (FP32_성능지표중 하나 / TDP_전력)
UHD Graphics770: Nuvo-9000
젯슨 호환 플랫폼
딥러닝 알고리즘 활용도에 따른 성능 차이