ADAS- und AD-KI-Software optimieren
Renesas und Fixstars entwickeln Toolsuite für R-Car-SoCs
Renesas und Fixstars, ein Anbieter von Multi-Core-CPU/GPU/FPGA-Beschleunigungstechnologie, wollen gemeinsam eine Toolsuite für R-Car-SoCs entwickeln. Diese soll es ermöglichen, Software für autonome Fahrsysteme und Fahrerassistenzsysteme zu optimieren und schnell zu simulieren.
Die Tools nutzen die Leistungsfähigkeit der R-Car SoCs und sollen eine schnelle Entwicklung von Netzwerkmodellen mit hochpräziser Objekterkennung bereits in der Anfangsphase der Softwareentwicklung gestatten. Dies reduziert die Nachbearbeitung und hilft so, die Entwicklungszyklen zu verkürzen.
Deep Learning zur hochpräzisen Objekterkennung
Die heutigen AD- und ADAS-Anwendungen nutzen Deep Learning, um eine hochpräzise Objekterkennung zu erreichen. Die Verarbeitung von Deep-Learning-Inferenzen erfordert riesige Mengen an Datenberechnungen und Speicherkapazität.
Die Modelle und ausführbaren Programme für Automobilanwendungen müssen für ein Automotive-SoC optimiert werden, da die Echtzeitverarbeitung mit begrenzten Recheneinheiten und Speicherressourcen eine anspruchsvolle Herausforderung darstellen kann. Darüber hinaus muss der Prozess von der Software-Evaluierung bis zur Verifizierung beschleunigt werden. Um die Genauigkeit und Leistung zu verbessern sind zudem immer wieder Aktualisierungen erforderlich.
Renesas und Fixstars haben die folgenden Tools entwickelt, um diese Anforderungen zu erfüllen.
1. R-Car Neural Architecture Search (NAS) Tool zur Generierung für R-Car optimierte Netzwerkmodelle
Dieses Tool erzeugt Deep-Learning-Netzwerkmodelle, die den CNN-Beschleuniger (Convolutional Neural Network), DSP und Speicher des R-Car-Bausteins effizient nutzen. Damit lassen sich kompakte Netzwerkmodelle schnell entwickeln. Diese ermöglichen eine hochpräzise Objekterkennung und eine schnelle Verarbeitungszeit auch ohne tiefgreifende Kenntnisse oder Erfahrung mit der R-Car-Architektur.
2. R-Car DNN Compiler zum Kompilieren von Netzwerkmodellen für R-Car
Dieser Compiler wandelt optimierte Netzwerkmodelle in Programme um, die das Leistungspotenzial des R-Car SoCs voll ausschöpfen. Er konvertiert Netzwerkmodelle in Programme, die schnell auf der CNN-IP ausgeführt werden können. Außerdem führt er auch eine Speicheroptimierung durch, um das begrenzt vorhandene Hochgeschwindigkeits-SRAM maximal zu nutzen.
3. R-Car DNN Simulator für die schnelle Simulation von kompilierten Programmen
Dieser Simulator dient zur schnellen Überprüfung der Funktionsweise von Programmen auf einem PC anstelle auf dem eigentlichen R-Car-Chip. Mit diesem Tool können Entwickler die gleichen Operationsergebnisse erzeugen, die auch von R-Car SoCs erzeugt würden. Wird die Erkennungsgenauigkeit der Inferenzverarbeitung während des Prozesses der Verschlankung von Modellen und der Optimierung von Programmen beeinträchtigt, können die Entwickler sofortiges Feedback zur Modellentwicklung geben. Auf diese Weise lassen sich die Entwicklungszyklen verkürzen.
Automotive Software Platform Lab
Renesas und Fixstars werden mit dem gemeinsamen Automotive SW Platform Lab auch weiterhin Software für Deep Learning entwickeln und Operationsumgebungen aufbauen. Diese sollen die Erkennungsgenauigkeit und -leistung durch kontinuierliche Aktualisierung der Netzwerkmodelle gewährleisten und verbessern.
Unterstützung von R-Car V4H-SoCs
Der erste Teil der heute verfügbaren Tools wurde auf die R-Car V4H-SoCs für AD- und ADAS-Anwendungen ausgelegt. Sie kombinieren leistungsstarke Deep-Learning-Performance von bis zu 34 Tera-Operationen pro Sekunde (TOPS) mit überlegener Energiebilanz.
Den Software-first-Ansatz verfolgen
»Renesas entwickelt auch weiterhin integrierte Entwicklungsumgebungen, die es Kunden ermöglichen, den Software-first-Ansatz zu verfolgen«, sagt Hirofumi Kawaguchi, Vice President der Automotive Software Development Division bei Renesas. »Indem wir die Entwicklung von Deep-Learning-Modellen unterstützen, die auf R-Car zugeschnitten sind, helfen wir unseren Kunden, AD- und ADAS-Lösungen zu realisieren. Gleichzeitig reduzieren wir die Zeit bis zur Markteinführung und die Entwicklungskosten.«
»Genesis for R-Car ist eine cloudbasierte Evaluierungsumgebung, die wir gemeinsam mit Renesas entwickelt haben. Sie ermöglicht es Entwicklern, Bausteine zu einem früheren Zeitpunkt im Entwicklungszyklus zu evaluieren und auszuwählen. Sie kommt bereits bei vielen Kunden zum Einsatz«, erläutert Satoshi Miki, CEO von Fixstars. »Wir werden weiterhin neue Technologien entwickeln, um maschinelle Lernvorgänge (MLOps) zu beschleunigen, die für die Wartung der neuesten Softwareversionen in Automobilanwendungen genutzt werden können.«
Das könnte Sie auch interessieren
Aufgepasst
Das ändert sich 2023 für Autofahrer:innen
Produkte des Jahres 2023
Die Kandidaten der Kategorie Automotive
Neue Niederlassung in Shanghai
Blickfeld expandiert nach China
