Foto von Alessio Lin ein Unsplash
Die Automobilindustrie kann von innovativen und kostengünstigen Möglichkeiten zur Nutzung der großen Datenmenge profitieren, die durch generiert wird fahrzeuginterne Sensoren und Steuereinheiten. Wenn Wert aus den Daten extrahiert wird, kann dies zur Verbesserung beitragen. Fahrzeugsicherheit und Autonomie bei geringeren Betriebskosten.
"Datengesteuerte Erkenntnisse werden der Schlüssel zur Innovation in der Automobil- und Kfz-Versicherungsbranche sein. Daher ist die Erfassung hochpräziser Informationen aus Autos die Grundlage für diese Erkenntnisse." - Katelyn Johnson, Principal bei American Family Ventures
Terakis neu Cloud-basiert Entwicklungszentrum für Künstliche Intelligente KI Anwendungen ermöglicht es Entwicklern der Automobilelektronik jetzt, anhand ihrer eigenen Daten eine Probefahrt durchzuführen.
Entwickler von Automobilelektronikanwendungen wie OEMs Automotive Original Equipment Manufacturers und Tier 1-Elektroniklieferanten können jetzt eine Cloud-basierte Software verwenden. Datentraining und Prototyping-Umgebung damit können sie trainieren Terakis Algorithmen für ihre eigenen Daten.
in Berlin ansässig, in Privatbesitz und finanziert Teraki ist ein Kfz-KI-Start das bietet Durchbruch Kantendaten Verarbeitungssoftware zur Erfüllung der wachsenden Datenanforderungen der Automobilelektronikindustrie.
Das Unternehmen AI-basiert Intelligente Signalverarbeitungssoftware bietet eine mehr als 10-fache Steigerung der Chip-, Kommunikations- und Lernleistung von Kraftfahrzeugen. Laut Angaben des Unternehmens führt dies zu einer sehr genauen Leistung. KI-Anwendungen in eingebetteten Umgebungen maßstabsgetreu möglich.
Edge Computing: Eine grundlegende Säule für die Automobilindustrie
Das exponentielle Wachstum von Daten, die von verbundenen 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 gesammelten 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 sicherheitsrelevant oder Echtzeit und kann sich nicht vollständig auf ein Netzwerk verlassen. Daher müssen diese Anwendungen autonom arbeiten. im Fahrzeug .
Zum Beispiel, wenn ein autonomes Fahrzeug Befindet sich auf einer Autobahn und muss aufgrund eines Notfalls unterbrochen werden. Die Notbremsung kann keine Verzögerungen bei Rechen- und Übertragungslatenzen verursachen. In diesem Fall sind die Passagiere im Auto möglicherweise gefährdet.
Für Teraki die Daten, aus denen sicherheitskritische Anwendungen Das Fahren in Autos muss in der Nähe der Sensoren verarbeitet werden, um genau und zuverlässig zu sein. Deshalb spielt Edge Computing eine wichtige Rolle, wenn genaue und schnelle Entscheidungen einen Unterschied machen können, insbesondere im Notfall.
Aufgrund der eingeschränkten Rechenkapazitäten gibt es immer noch Herausforderungen, dies schnell und genau zu tun. Es gibt Raum für Verbesserungen. Hauptherausforderung Beim Edge-Computing sollen maschinelles Lernen und künstliche Intelligenz aus der Cloud auf die Geräte am Edge übertragen werden.
Oder um maschinelles Lernen zu bringen und Künstliche Intelligenz zu den eigentlichen Sensoren am äußersten Rand. 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 ist ein sehr wichtiger Schritt, um Modelle der künstlichen Intelligenz oder Algorithmen des maschinellen Lernens zu lehren, wie man datengesteuerte Vorhersagen trifft oder Entscheidungen trifft, indem man aus Eingabedaten ein mathematisches Modell erstellt.
Laut Teraki ist ihr Entwicklungszentrum branchenweit einzigartig . Es automatisiert den komplexen Prozess und bietet Entwicklungsteams die Möglichkeit, schnell trainieren Terakis Algorithmen für maschinelles Lernen basieren auf ihren eigenen Daten.
Entwickler können damit auch genau bewerten, was Leistungsvorteile Terakis Technologie kann bieten.
"Mit dem DevCenter haben wir automatisierte Datentrainingsaufgaben, mit denen Entwicklungsteams unsere Lösung schneller mit ihren eigenen Daten testen können", sagt Markus Kopf Terakis Mitbegründer und CTO: "Die Automatisierung dieses gesamten Prozesses ist komplex und schwierig."
Laut Kopf ist es für ihre derzeitigen Kunden "viel einfacher, selbst zu erfahren, was die Teraki-Technologie in Bezug auf Kantenverarbeitung und Leistungsverbesserung leisten kann, um ihre Hardware- und Datenkommunikationskosten zu senken, ihre Anwendungen und Algorithmen zu verbessern und neue zu erstellen."Möglichkeiten in den Automobilsystemen von morgen. "
Das Unternehmen hat mehrere Vorproduktionsvalidierungen per Premium abgeschlossen. Automobilhersteller sowie erfolgreiche Integrationen auf einer Vielzahl von Mikrocontroller Alles in allem spannende Zeiten für die Automobilindustrie.