Sammlungen

Entwickler von Automobilelektronik können jetzt AI-Anwendungen testen

Entwickler von Automobilelektronik können jetzt AI-Anwendungen testen


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.

Das Automobilindustrie kann von innovativen und kostengünstigen Möglichkeiten zur Nutzung der enormen Datenmenge profitieren, die von generiert wird fahrzeuginterne Sensoren und Steuergeräte. Wenn Wert aus den Daten extrahiert wird, kann dies zur Verbesserung beitragen Fahrzeugsicherheit und Autonomie zu niedrigeren Betriebskosten.

"Datengesteuerte Erkenntnisse werden der Schlüssel zu Innovationen in der Automobil- und Kfz-Versicherungsbranche sein. Daher ist die Erfassung hochpräziser Informationen aus Autos die Grundlage, um diese Erkenntnisse zu gewinnen." - Kately Johnson, Principal bei American Family Ventures

Teraki ist neu Cloud-basiert Entwicklungszentrum für Künstliche intelligente (KI) Anwendungen Jetzt können Entwickler von Automobilelektronik ihre eigenen Daten testen.

Entwickler von Automobilelektronikanwendungen wie Automobilhersteller (OEMs) und Tier-1-Elektroniklieferanten können jetzt Cloud-basierte Anwendungen verwenden Datentraining und Prototyping-Umgebung Dadurch können sie Terakis Algorithmen auf ihre eigenen Daten trainieren.

In Berlin ansässig, in Privatbesitz und finanziert,Teraki ist ein Kfz-KI-Start das bietet Durchbruch Kantendaten Verarbeitungssoftware, um den wachsenden Datenanforderungen der Automobilelektronikindustrie gerecht zu werden.

Die Firmen AI-basiert Intelligente Signalverarbeitungssoftware bietet eine mehr als zehnfache Steigerung der Chip-, Kommunikations- und Lernleistung von Kraftfahrzeugen. Dies führt nach Angaben des Unternehmens zu einer hohen Genauigkeit KI-Anwendungen in eingebetteten Umgebungen maßstabsgetreu möglich.

Edge Computing: Eine grundlegende Säule für die Automobilindustrie

Das exponentielle Wachstum von Daten, die von vernetzten und autonomen Fahrzeugen stammen, erfordert die Verwendung von Kante Computing. Edge-Computing bezieht sich auf Computing in der Nähe der Datenquelle.

In vernetzten Fahrzeugen bedeutet dies in der Nähe von Sensoren. Von Fahrzeugen erzeugte Daten nehmen schnell zu und werden zu einer Herausforderung. Die von den Sensoren erfassten Daten werden teilweise an übertragen die Wolke.

Edge-Computing ist auch für sicherheitsrelevante Funktionen erforderlich. Diese Funktionen müssen jederzeit ohne Unterbrechungen verfügbar sein. Derzeit können diese Funktionen nicht auf drahtlose Konnektivität angewiesen sein 5G wird zumindest in den ersten Jahren nicht überall verfügbar sein.

Laut Teraki gibt es viele Anwendungen im Auto Sicherheitsbezogen oder Echtzeit und kann sich nicht vollständig auf ein Netzwerk verlassen. Daher müssen diese Anwendungen autonom arbeiten im Fahrzeug.

Befindet sich beispielsweise ein autonomes Fahrzeug auf einer Autobahn und muss es aufgrund eines Notfalls kaputt gehen, kann sich die Notbremsung keine Verzögerungen bei Rechen- und Übertragungslatenzen leisten. In diesem Fall könnten die Passagiere im Auto gefährdet sein.

Für Teraki die Daten, die von kommen sicherheitskritische Anwendungen Das Fahren in Autos muss in der Nähe der Sensoren verarbeitet werden, um genau und zuverlässig zu sein. Aus diesem Grund spielt Edge Computing eine wichtige Rolle, wenn genaue und schnelle Entscheidungen insbesondere im Notfall einen Unterschied machen können.

Aufgrund der eingeschränkten Rechenkapazitäten gibt es immer noch Herausforderungen, dies schnell und genau zu tun. Es gibt Raum für Verbesserungen. Das Hauptherausforderung Beim Edge-Computing sollen maschinelles Lernen und künstliche Intelligenz aus der Cloud auf die Geräte am Edge übertragen werden.

Oder um maschinelles Lernen und künstliche Intelligenz zu den eigentlichen Sensoren am äußersten Rand zu bringen. Laut Teraki besteht die besondere Herausforderung darin, Daten in Umgebungen mit weitaus weniger Rechenleistung und Speicherkapazität genau und effizient zu verarbeiten.

Unterrichten von KI-Modellen oder Algorithmen für maschinelles Lernen

Datentraining Dies ist ein sehr wichtiger Schritt, um Modelle für künstliche Intelligenz oder Algorithmen für maschinelles Lernen zu vermitteln, wie datengesteuerte Vorhersagen getroffen oder Entscheidungen getroffen werden können, indem ein mathematisches Modell aus Eingabedaten erstellt wird.

Laut Teraki ist ihr Entwicklungszentrum einzigartig in der Branche. Es automatisiert den komplexen Prozess und bietet Entwicklungsteams die Möglichkeit dazu schnell trainieren Terakis Algorithmen für maschinelles Lernen basieren auf eigenen Daten.

Außerdem können Entwickler genau bewerten, was Leistungsvorteile Terakis Technologie kann bieten.

"Mit dem DevCenter haben wir automatisierte Datenschulungsaufgaben, mit denen Entwicklungsteams unsere Lösung schneller mit ihren eigenen Daten testen können", sagt er Markus Kopf, Terakis Mitbegründer und CTO. "Die Automatisierung dieses gesamten Prozesses ist komplex und schwierig."

Laut Kopf fällt es ihren derzeitigen Kunden "viel leichter, selbst zu erfahren, was die Technologie von Teraki in Bezug auf Kantenverarbeitung und Leistungsverbesserung leisten kann, um ihre Hardware- und Datenkommunikationskosten zu senken, ihre Anwendungen und Algorithmen zu verbessern und neue Möglichkeiten zu schaffen." die Automobilsysteme von morgen. "

Das Unternehmen hat mehrere Vorproduktionsvalidierungen per Premium abgeschlossen Automobilherstellersowie erfolgreiche Integrationen auf einer Vielzahl von Mikrocontroller. Alles in allem spannende Zeiten für die Automobilindustrie.


Schau das Video: GPT-3 vs Human Brain (Juni 2022).


Bemerkungen:

  1. Matthias

    Ich gratuliere übrigens, dieser brillante Gedanke fällt gerade jetzt

  2. Kasar

    Schande und Schande!

  3. Daxton

    alles super



Eine Nachricht schreiben