組み込みシステム向け小型AIモデル

計測データの可能性を広げ、インテリジェントなECU機能を実現

組み込みシステムにおけるAIの可能性は無限に広がっています。従来、高度な機械学習モデルをマイクロコントローラやマイクロプロセッサに展開するには、データサイエンス、AIアルゴリズム、ハードウェア、安全性の分野における高度なスキルが求められてきました。ETASのプラットフォームは、この全プロセスを簡素化し、AI統合を直感的で効率的なものにします。

AI活用の取り組み

AI活用の取り組み

過去数十年、エンジニアは機械学習（ML）を活用してエンジン、ブレーキ、アクチュエータなどの複雑な自動車システムを最適化し、ソフトウェアツールを用いて高度なモデル、仮想センサー、精密な制御を実現してきました。これらのモデルをECUに直接統合することで、コスト削減、物理センサーの代替、開発・適合の加速、リアルタイムでの予測・インテリジェント機能の実現が可能となり、長年の専門知識をデバイス上のAIへと転換し、よりスマートで効率的な開発を実現してきました。

問い合わせ

機械学習モデルを本番環境に適用する際の主な課題

最適なAIモデルの選定

ECU向けAIの開発は複雑であり、モデルの種類、コーディングフレームワーク、パイプライン、ハイパーパラメータ調整、データ処理に関する専門知識が必要となります。汎用ツールは自動車業界のワークフローと衝突することが多く、急峻な学習曲線と非効率性を生み出します。

組込みデバイスへの展開

AIモデルを実稼働可能なECUコードへ変換することは容易ではありません。ECU互換性、厳格な安全基準、リアルタイム性能、自動車ツールチェーンへの統合が求められます。AIの専門知識と組込みエンジニアリング技術を兼ね備えた専門家は不足しているため、大きなギャップが生じています。

Graphic of Tiny Ai models in embedded systems

ギャップを補完するソリューション

自動AIモデル作成と適合

ASCMOツール群は、データからAIモデルを自動生成し、大規模で複雑なシステムの高精度なモデリング、分析、最適化を実現します。自動モデル探索により最適な候補を特定し、RMSE、モデルサイズ、推論時間、RAM、ROMなどの指標を用いてパレートフロント上で最適モデルを選択します。

高性能デプロイメント向け組み込みAIコーダー

組み込みAIコーダーは、特別なハードウェアやライブラリを必要とせずに、学習済みニューラルネットワークをマイクロコントローラおよびマイクロプロセッサー向けの最適化された組み込みCコードに変換します。業界最高クラスの性能を実現し、ASIL-D（ISO 26262）までの機能安全をサポートし、AUTOSARなどの既存のツールチェーンやソフトウェアアーキテクチャに容易に統合できます。

ホワイトペーパー：先進AIを車載ECUに統合する方法

このETASホワイトペーパーは、高度なAI専門知識を必要とせずに、強力な機械学習（ML）モデルを開発・最適化し、生産用ECUへ確実に展開するための革新的なアプローチをエンジニアに紹介します。実践的なガイドとして、本稿はユーザーフレンドリーなワークフローを通じてML手法の複雑性を抽象化し、これらのモデルをマイクロコントローラやマイクロプロセッサに適した効率的で安全な組込みコードへ変換するツールチェーンを提示します。

驚くほど簡単に高精度なモデルを生成し、組み込みデバイス向けに高度に最適化されたCコードとして提供する方法を学びましょう。

ホワイトペーパーを入手する [英語]