Les collections

Les développeurs d'électronique automobile peuvent désormais tester des applications d'IA

Les développeurs d'électronique automobile peuvent désormais tester des applications d'IA

le industrie automobile peuvent bénéficier de moyens innovants et rentables d'utiliser la grande quantité de données générées par capteurs embarqués et unités de contrôle. Lorsque la valeur est extraite des données, cela peut aider à améliorer sécurité des véhicules et l'autonomie à moindre coût opérationnel.

"Les informations basées sur les données seront essentielles à l'innovation dans les secteurs de l'automobile et de l'assurance automobile. Par conséquent, la saisie d'informations très précises sur les voitures est la base nécessaire pour obtenir ces informations." --Katelyn Johnson, directrice chez American Family Ventures

Le nouveau Teraki basé sur le cloud Centre de développement pour Applications intelligentes artificielles (IA) permet désormais aux développeurs d'électronique automobile de faire des essais sur route en utilisant leurs propres données.

Les développeurs d'applications électroniques automobiles, tels que les équipementiers automobiles (OEM) et les fournisseurs électroniques de niveau 1, peuvent désormais utiliser une solution cloud formation aux données et environnement de prototypage cela leur permet de former les algorithmes de Teraki sur leurs propres données.

Basée à Berlin, privée et financée,Teraki est un démarrage de l'IA automobile qui fournit une percée données de bord logiciel de traitement pour répondre aux demandes croissantes de données de l'industrie électronique automobile.

De la société Basé sur l'IA Le logiciel de traitement intelligent du signal offre plus de 10 fois plus de performances de puce automobile, de communication et d'apprentissage. Selon l'entreprise, cela se traduit par des Applications d'IA possible à grande échelle dans des environnements embarqués.

Edge computing: un pilier fondamental de l'industrie automobile

La croissance exponentielle des données issues des véhicules connectés et autonomes nécessite l'utilisation de Bord l'informatique. Edge computing fait référence à l'informatique située à proximité de la source de données.

Dans les véhicules connectés, cela signifie près de capteurs. Les données générées par les véhicules augmentent rapidement et deviennent un défi. Les données collectées par les capteurs sont en partie transférées à le nuage.

Le Edge computing est également requis pour les fonctions liées à la sécurité. Ces fonctions doivent être disponibles à tout moment sans interruption. Pour l'instant, ces fonctions ne peuvent pas s'appuyer sur la connectivité sans fil car 5G ne sera pas disponible partout, du moins pendant les premières années.

Selon Teraki, de nombreuses applications dans la voiture sont relatif à la sécurité ou temps réel et ne peut pas compter entièrement sur un réseau. Par conséquent, ces applications devront fonctionner de manière autonome à l'intérieur du véhicule.

Par exemple, si un véhicule autonome se trouve sur une autoroute et doit s'arrêter en raison d'une urgence, le freinage d'urgence ne peut pas se permettre de retarder les latences de calcul et de transmission. Si tel est le cas, les passagers de la voiture pourraient être en danger.

Pour Teraki, les données qui proviennent applications critiques pour la sécurité la circulation dans les voitures doit être traitée près des capteurs pour être précise et fiable. C'est pourquoi le Edge computing joue un rôle important lorsque des décisions précises et rapides peuvent faire la différence, en particulier en cas d'urgence.

Il existe encore des défis à relever pour le faire rapidement et avec précision en raison des capacités de calcul limitées. Il y a place à amélioration. le défi principal en Edge computing consiste à amener l'apprentissage automatique et l'intelligence artificielle du cloud vers les appareils en périphérie.

Ou pour apporter l'apprentissage automatique et l'intelligence artificielle aux capteurs réels à la périphérie. Teraki dit que le défi spécifique est de savoir comment traiter les données avec précision et efficacité dans des environnements avec beaucoup moins de puissance de calcul et de capacité de stockage.

Enseigner des modèles d'IA ou des algorithmes d'apprentissage automatique

Formation aux données est une étape très essentielle utilisée pour enseigner les modèles d'intelligence artificielle ou les algorithmes d'apprentissage automatique sur la façon de faire des prédictions basées sur les données ou de prendre des décisions en construisant un modèle mathématique à partir de données d'entrée.

Selon Teraki, leur centre de développement est unique à l'industrie. Il automatise le processus complexe, offrant aux équipes de développement la possibilité de former rapidement Les algorithmes d'apprentissage automatique de Teraki basés sur leurs propres données.

Il permet également aux développeurs d'évaluer exactement ce avantages de performance La technologie de Teraki peut fournir.

«Avec le DevCenter, nous avons automatisé des tâches de formation aux données, permettant aux équipes de développement de tester plus rapidement notre solution avec leurs propres données», déclare Markus Kopf, Cofondateur de Teraki et directeur technique. "L'automatisation de tout ce processus est complexe et difficile."

Selon Kopf, leurs clients actuels trouvent "beaucoup plus facile de découvrir par eux-mêmes ce que la technologie de Teraki peut faire en termes de traitement de périphérie et d'amélioration des performances qui peuvent réduire leurs coûts de matériel et de communication de données, améliorer leurs applications et algorithmes et créer de les systèmes automobiles de demain. "

L'entreprise a réalisé plusieurs validations de pré-production par premium constructeurs automobiles, ainsi que des intégrations réussies sur une variété de microcontrôleurs. Dans l'ensemble, une période passionnante à venir pour l'industrie automobile.


Voir la vidéo: À Quoi Pourrait Ressembler Ton Smartphone en 2030? (Décembre 2021).