Zum Hauptinhalt springen
Kleine KI-Modelle für eingebettete Systeme

Das Potenzial von Messdaten erschließen, intelligente ECU-Funktionen schaffen

Erleben Sie das revolutionäre Potenzial von KI in Ihren eingebetteten Systemen. Traditionell erfordert der Einsatz fortschrittlicher Machine-Learning-Modelle in Mikrocontrollern und Mikroprozessoren umfassende Kenntnisse in den Bereichen Datenwissenschaft, KI-Algorithmen, Hardware und Sicherheit. Unsere Plattform vereinfacht diesen gesamten Prozess und macht die KI-Integration intuitiv und effizient.

Die Herausforderung

Platzhalter

Die Herausforderung

Seit über zwei Jahrzehnten nutzen Ingenieure maschinelles Lernen (ML), um komplexe Fahrzeugsysteme wie Motoren, Bremsen und Aktoren zu optimieren und mit Tools wie ETAS ASCMO fortschrittliche Modelle, virtuelle Sensoren und präzise Steuerungen zu entwickeln. Die direkte Integration dieser Modelle in Steuergeräte kann Kosten senken, physische Sensoren ersetzen, die Entwicklung und Kalibrierung beschleunigen und Echtzeit-Schätzungen, Vorhersagen und intelligente Funktionen ermöglichen – so wird jahrelanges Fachwissen in geräteintegrierte KI für intelligentere, effizientere Fahrzeuge umgesetzt.

Wichtige Herausforderungen bei der Skalierung von ML-Modellen für die Produktion

Das beste KI-Modell finden

Die Entwicklung von KI für Steuergeräte ist komplex und erfordert Fachwissen in den Bereichen Modelltypen, Codierungsframeworks, Pipelines, Hyperparameter-Optimierung und Datenverarbeitung. Generische Tools stehen oft im Widerspruch zu den Arbeitsabläufen in der Automobilindustrie, was zu steilen Lernkurven und Ineffizienzen führt.

Bereitstellung auf eingebetteten Geräten

Die Umwandlung von KI-Modellen in produktionsreifen ECU-Code ist eine Herausforderung, die ECU-Kompatibilität, strenge Sicherheitsstandards, Echtzeitleistung und die Integration in Automobil-Toolchains erfordert. KI-Fachwissen überschneidet sich selten mit Embedded-Engineering-Kenntnissen, was zu einer großen Lücke führt.

Graphic of Tiny Ai models in embedded systems

Die Lücke schließen

Platzhalter

Automatische Erstellung und Kalibrierung von KI-Modellen

Die ASCMO-Toolfamilie ermöglicht die automatische Erstellung von KI-Modellen aus Daten und bietet hochpräzise Modellierung, Analyse und Optimierung großer, komplexer Systeme. Sie führt eine automatische Modellsuche durch, um die besten Kandidaten zu identifizieren, und wählt das optimale Modell auf der Pareto-Front anhand von Metriken wie RMSE, Modellgröße, Inferenzzeit, RAM und ROM aus.

Platzhalter

Embedded AI-Coder für leistungsstarke Bereitstellung

Der Embedded AI-Coder wandelt trainierte neuronale Netze in optimierten Embedded-C-Code für Mikrocontroller und Mikroprozessoren um, ohne dass spezielle Hardware oder Bibliotheken erforderlich sind. Er bietet erstklassige Leistung, unterstützt funktionale Sicherheit bis ASIL-D (ISO 26262) und lässt sich problemlos in bestehende Toolchains und Softwarearchitekturen wie AUTOSAR integrieren.

Wie viele Ressourcen können Tiny-KI-Modelle beanspruchen?

251021_Template_Website_Icons2_Left

1k ~10k Parameter

ETAS_Icon_Processor_Gradient_Digital_Left

1 KB bis 1 MB Speicherplatz

251021_Template_Website_Icons2_Left

10 us bis 500 s Inferenzzeit

Sind Sie bereit, Ihre SDV-Innovation voranzutreiben?

Kontaktieren Sie uns Grafik

Sind Sie bereit, Ihre SDV-Innovation voranzutreiben?

Schöpfen Sie das volle Potenzial Ihrer Fahrzeugsoftwareentwicklung aus. Kontaktieren Sie uns noch heute, um zu erfahren, wie ETAS-Lösungen Ihr nächstes Projekt voranbringen können.

E-Mail an: support.EmbeddedAI@etas.com

Illustration von Menschen mit einem Smartphone, einem E-Mail-Symbol und einem Laptop

Kontaktieren Sie uns

Haben Sie Fragen? Schreiben Sie uns gerne eine Nachricht. Wir helfen Ihnen gerne weiter.

Kontaktieren Sie uns noch heute!