跳至主要内容
适用于嵌入式系统的微型人工智能模型

释放测量数据的潜力,打造智能ECU功能

在您的嵌入式系统中体验人工智能的革命性潜力。传统上,将先进的机器学习模型部署到微控制器和微处理器需要深厚的数据科学、人工智能算法、硬件及安全领域的专业技能。我们的平台简化了整个过程,使人工智能集成变得直观高效。

挑战

占位符

挑战

二十多年来,工程师们一直利用机器学习(ML)技术优化发动机、制动系统和执行器等复杂汽车系统,借助ETAS ASCMO等工具开发出先进模型、虚拟传感器和精密控制系统。将这些模型直接集成到电子控制单元(ECU)中,可实现以下优势:降低成本、替代物理传感器、加速开发与标定流程,并支持实时估算、预测及智能功能——将多年专业经验转化为车载人工智能,从而打造更智能、更高效的车辆。

将机器学习模型投入生产的关键挑战

寻找最佳人工智能模型

开发用于ECU的人工智能技术极为复杂,需要掌握模型类型、编码框架、管道设计、超参数调优及数据处理等专业知识。通用工具常与汽车行业工作流程冲突,导致学习曲线陡峭且效率低下。

在嵌入式设备上的部署

将人工智能模型转化为可投入生产的ECU代码面临诸多挑战,需要满足ECU兼容性、严格的安全标准、实时性能要求,并集成到汽车工具链中。人工智能专业知识与嵌入式工程技能鲜有交集,由此形成重大技术鸿沟。

Graphic of Tiny Ai models in embedded systems

弥合差距

占位符

自动AI模型创建与校准

ASCMO工具家族能够从数据中自动创建人工智能模型,为大型复杂系统提供高精度建模、分析与优化服务。该工具通过自动模型搜索识别最佳候选方案,并基于均方根误差(RMSE)、模型规模、推理时间、RAM和ROM等指标,在帕累托前沿上选出最优模型。

占位符

嵌入式AI编码器,实现高性能部署

嵌入式人工智能编码器可将训练好的神经网络转换为针对微控制器和微处理器优化的嵌入式C代码,无需专用硬件或库文件。该工具提供业界领先的性能表现,支持最高ASIL-D级(ISO 26262)的功能安全标准,并能轻松集成至现有工具链及AUTOSAR等软件架构中。

微型人工智能模型能消耗多少资源?

251021_Template_Website_Icons2_Left

1k ~10k 参数

ETAS_Icon_Processor_Gradient_Digital_Left

1KB~1MB内存

251021_Template_Website_Icons2_Left

10微秒至500微秒的推理时间

准备好加速您的电动出行创新了吗?

联系我们 Grafic

准备好加速您的电动出行创新了吗?

释放电动汽车开发的全部潜力。立即联系我们,了解ETAS解决方案如何助力您的下一个项目。

邮件发送至:support.EmbeddedAI@etas.com

智能手机、电子邮件图标和笔记本电脑的插图

联系我们

您有任何疑问吗?欢迎随时给我们留言。我们非常乐意为您提供帮助。

立即联系我们!