Kolekcje

Programiści elektroniki samochodowej mogą teraz testować aplikacje AI

Programiści elektroniki samochodowej mogą teraz testować aplikacje AI


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Plik Przemysł motoryzacyjny mogą skorzystać z innowacyjnych i opłacalnych sposobów wykorzystania ogromnej ilości danych generowanych przez czujniki w pojazdach i jednostki sterujące. Wyodrębnienie wartości z danych może pomóc w poprawie bezpieczeństwo pojazdu i autonomię przy niższych kosztach operacyjnych.

„Spostrzeżenia oparte na danych będą kluczem do innowacji w sektorach motoryzacyjnym i ubezpieczeniowym, w związku z czym gromadzenie bardzo dokładnych informacji z samochodów jest podstawą potrzebną do uzyskania tych spostrzeżeń”. - Katelyn Johnson, dyrektor w American Family Ventures

Teraki jest nowy oparty na chmurze Centrum rozwoju Aplikacje sztucznej inteligencji (AI) teraz umożliwia konstruktorom elektroniki samochodowej jazdę próbną przy użyciu własnych danych.

Twórcy aplikacji elektroniki samochodowej, tacy jak producenci oryginalnego wyposażenia samochodowego (OEM) i dostawcy elektroniki pierwszej kategorii, mogą teraz korzystać z chmury szkolenie danych i środowisko prototypowania co pozwala im trenować algorytmy Teraki na ich własnych danych.

Z siedzibą w Berlinie, prywatna i finansowana,Teraki jest uruchomienie motoryzacyjnej sztucznej inteligencji który zapewnia przełom dane krawędziowe oprogramowanie do przetwarzania, aby sprostać rosnącym wymaganiom w zakresie danych w przemyśle elektroniki samochodowej.

Firmowy Oparte na sztucznej inteligencji Oprogramowanie do inteligentnego przetwarzania sygnału zapewnia ponad 10-krotny wzrost wydajności chipów samochodowych, komunikacji i uczenia się. Według firmy daje to dużą dokładność Aplikacje AI możliwe na dużą skalę w środowiskach wbudowanych.

Przetwarzanie brzegowe: fundamentalny filar przemysłu motoryzacyjnego

Gwałtowny wzrost danych pochodzących z połączonych i autonomicznych pojazdów wymaga użycia Brzeg przetwarzanie danych. Przetwarzanie brzegowe odnosi się do przetwarzania zlokalizowanego w pobliżu źródła danych.

W połączonych pojazdach oznacza to blisko czujniki. Dane generowane przez pojazdy szybko się powiększają i stają się wyzwaniem. Dane zebrane przez czujniki są częściowo przesyłane do Chmura.

Obliczenia brzegowe są również wymagane dla funkcji związanych z bezpieczeństwem. Funkcje te muszą być dostępne przez cały czas bez przerw. Na razie te funkcje nie mogą polegać na łączności bezprzewodowej 5G nie będzie dostępny wszędzie, przynajmniej przez pierwsze lata.

Według Teraki jest wiele zastosowań w samochodzie związany z bezpieczeństwem lub czas rzeczywisty i nie mogę w pełni polegać na sieci. Dlatego te aplikacje będą musiały działać autonomicznie wewnątrz pojazdu.

Na przykład, jeśli pojazd autonomiczny znajduje się na autostradzie i musi się zepsuć z powodu sytuacji awaryjnej, hamowanie awaryjne nie może pozwolić na opóźnienia w obliczeniach i transmisji. Jeśli tak się stanie, pasażerowie samochodu mogą być zagrożeni.

W przypadku Teraki dane, które pochodzą z aplikacje krytyczne dla bezpieczeństwa jazda w samochodach musi być przetwarzana w pobliżu czujników, aby była dokładna i niezawodna. Dlatego przetwarzanie brzegowe odgrywa ważną rolę, gdy dokładne i szybkie decyzje mogą mieć znaczenie, szczególnie w nagłych wypadkach.

Wciąż istnieją wyzwania, aby zrobić to szybko i dokładnie ze względu na ograniczone możliwości obliczeniowe. Jest miejsce na ulepszenia. Plik główne wyzwanie w Edge computing ma na celu przeniesienie uczenia maszynowego i sztucznej inteligencji z chmury do urządzeń na brzegu sieci.

Lub przenieść uczenie maszynowe i sztuczną inteligencję do rzeczywistych czujników na samym brzegu. Teraki twierdzi, że szczególnym wyzwaniem jest dokładne i wydajne przetwarzanie danych w środowiskach o znacznie mniejszej mocy obliczeniowej i pojemności pamięci.

Nauczanie modeli AI lub algorytmów uczenia maszynowego

Trening danych jest bardzo istotnym krokiem używanym do nauczania modeli sztucznej inteligencji lub algorytmów uczenia maszynowego w zakresie tworzenia prognoz opartych na danych lub podejmowania decyzji poprzez budowanie modelu matematycznego z danych wejściowych.

Według Teraki, ich Development Center jest unikalne w branży. Automatyzuje złożony proces, dając zespołom programistycznym możliwość szybko trenuj Algorytmy uczenia maszynowego Teraki oparte na własnych danych.

Pozwala także programistom dokładnie ocenić, co zalety wydajności Może to zapewnić technologia Teraki.

„Dzięki DevCenter zautomatyzowaliśmy zadania szkolenia danych, umożliwiając zespołom programistów szybsze testowanie naszego rozwiązania przy użyciu własnych danych” - mówi Markus Kopf, Współzałożyciel Teraki i CTO. „Automatyzacja całego procesu jest złożona i trudna”.

Według Kopf ich obecnym klientom „znacznie łatwiej jest przekonać się, co technologia Teraki może zrobić w zakresie przetwarzania brzegowego i poprawy wydajności, co może obniżyć koszty sprzętu i transmisji danych, ulepszyć ich aplikacje i algorytmy oraz stworzyć nowe możliwości systemy motoryzacyjne jutra ”.

Firma zakończyła kilka walidacji przedprodukcyjnych według premii producenci samochodów, a także udane integracje na różnych platformach mikrokontrolery. Podsumowując, nadchodzą ekscytujące czasy dla branży motoryzacyjnej.


Obejrzyj wideo: CAŁA PRAWDA O ISTQB (Lipiec 2022).


Uwagi:

  1. Gwern

    Przepraszam, nie mogę ci pomóc, ale jestem pewien, że pomogą ci znaleźć odpowiednie rozwiązanie. Nie rozpaczaj.

  2. Esdras

    Ten post jest nieporównywalny))), jest dla mnie bardzo interesujący :)

  3. Walsh

    Poświęć mi chwilę?

  4. Johanan

    Myślę, że nie masz racji. Jestem pewien. Mogę to udowodnić. Napisz w PM.

  5. Muhammed

    Przepraszam, ale myślę, że się mylisz. Jestem pewien. Proponuję omówić to. Napisz do mnie na PM.



Napisać wiadomość