车端 AI 实际时分分析系统

2024年6月KURTDEKOSKI汽车SWSEPBD的业务发展与产品管理RENESASELECTRONICSCORPORATION 在瑞萨电子处理器上为Edge AI提供支持的平台 RealityAI平台结合了MCU/MPU边缘节点的高级信号处理和机器学习 几乎可以在瑞萨提供的所有MCU和MPU内核上运行，并不断添加新的内核。Reality AI还支持瑞萨电机控制板。 自动搜索各种信号处理转换，以创建自定义、优化的功能转换 自动生成机器学习模型、解释性可视化和硬件设计分析 可从16位扩展到64位核心 AI/ML技术 不断变化的行业需求驱动汽车 提高驾驶安全性减少对司机的依赖 软件优先开发结构传感器融合 AI和ML的优势 减少人为错误，尤其是在涉及分析数字或信号数据的过程中。人工智能不会像人类那样由于疲劳或错误而产生疏忽。通过自动化更多功能以及识别和整合冗余流程来提高运营效率。 现实AI在RAM，闪存和处理周期方面提供市场上最小的型号 现实AI支持的模型瑞萨MCU 自主MEGA趋势 提高自主水平，降低驾驶员参与水平提高对迷幻驾驶员感知的特征水平AI软件:使用传感器馈送的机器学习算法用于自动驾驶汽车的AIAV硬件:传感器为汽车的AI系统提供关键数据输入 高度自动化 车辆能够在某些条件下执行所有驾驶功能。驾驶员可以选择控制车辆。 现实AI软件和解决方案 使用AI/ML解决常见的工程难题 工程师对AI / ML的挫败感现实AI如何使其变得更好 现实AI产品产品组合 提供软件和解决方案 现实AI软件 瑞萨MCU、MPU和电机控制套件上用于模型创建和硬件优化的软件 现实AI产品组合概述 现实AI解决了完整的AIOT设计生命周期 只有5％的典型项目成本用于构建模型 软件帮助其他95% 现实AI工具®-应用程序输入信号 “开始”与现实AI产品组合 大多数客户从我们的“入门”软件包开始，该软件包将软件与增强的入门和服务相结合，然后再切换到年度软件订阅 现实AI发展 使用RELESAS汽车MCU和SoC 瑞萨通过丰富的汽车MCU和SoC系列满足客户的不同要求 汽车、消费者和工业物联网应用 RealityAITinyML模型在每个瑞萨MCU上运行 目标用例用声音看 环境参与者发出的声音通常可以在被看到之前听到 •围绕角落•受阻碍的视图•在远处•车辆盲点•其他传感器看不到的地方•司机不集中的地方 使用声音，SWS的AI技术可在- 汽车应用特点 即将到来的车辆和其他声源，以增强现有的自主驾驶和ADAS系统 分心驾驶 紧急车辆检测 +盲点检测 +其他车辆+喇叭喇叭+行人+骑自行车的人 自主紧急制动-行人/骑自行车的人 骑自行车的门预防 +路面条件/地形 目标用例用声音看 目标使用案例：状态监测道路条件和地形 针对各种噪声模式，表明影响驾驶习惯的不同路面 干燥路面湿路面(多少)积雪/冰冷的路面砾石或砂土路面鹅卵石表面 开发级别= PoC 目标用例微碰撞 检测对车辆的微小冲击 玻璃破碎刮痕/刮痕小色/凹痕 开发级别= PoC 目标用例音频和语音命令 允许受控的机舱内通信 防欺骗 记录的诗句实际 目标使用案例 存在检测、驾驶员/乘员行为和轮廓 存在检测和乘员行为和分析方法2：多普勒雷达视频 方法3：UWB 使用多普勒雷达或UWB来区分人类，宠物和无生命的物体（座椅移位，推挤，呼吸，手势等） 目标使用案例：状态监测电动机-(实际检查电动机) 小型电机的发展水平=预生产 EV驱动电机发展水平 使无传感器ML模型能够直接部署到电机控制板： •使用板上已有的电气信息•采用高采样率电流和电压作为代理额外组件（如加速度计） 目标使用案例：状态监测预测维护、剩余使用寿命和异常检测 演示视频 使用安装在轮舱中的外部麦克风监控轮胎的磨损状态使用振动和电机提示来确定过滤器的剩余寿命使用振动提示来监控旋转轴，以实现平衡和运行状态以及异常检测利用振动提示的泵，知道他们是干的或气蚀 开发水平=预生产 目标使用案例：状态监测RealityCheckHVAC 使用机器学习和边缘处理，现在可以构建具有检测各种故障和操作条件的本地能力的HVAC单元 检测/预测的目标条件 •客舱/室外气流阻塞•冷凝器/蒸发器堵塞•制冷剂充量问题-充量不足/过量充量•风扇/鼓风机故障•压缩机故障•电容器故障•加热/冷却能力降低•过滤器寿命预测•其他条件 发展水平=概念 获奖，专利技术 +