Projekt »KI-FLEX«

Im Projekt »KI-FLEX« entwickeln die Projektpartner eine leistungsstarke, energieeffiziente Hardware-Plattform und das dazugehörige Software-Framework für autonomes Fahren. Die »KI-FLEX«-Plattform soll Daten von Laser-, Kamera- und Radarsensoren im Auto zuverlässig und schnell verarbeiten und zusammenführen. Dabei kommen Methoden der Künstlichen Intelligenz (KI) zum Einsatz. Das Fahrzeug verfügt so jederzeit über ein präzises Abbild der realen Verkehrsbedingungen, kann sich selbst in diesem Umfeld verorten und auf Basis dieser Informationen in jeder Fahrsituation die richtige Entscheidung treffen. So wird autonomes Fahren sicher und zuverlässig.

 

Projektpartner:

  • Fraunhofer-Institut für Integrierte Schaltungen IIS (Konsortialführer)
  • Ibeo Automotive Systems GmbH
  • Infineon Technologies AG
  • videantis GmbH
  • TU München (Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme)
  • Fraunhofer-Institut für Offene Kommunikationssysteme FOKUS
  • Daimler Center for Automotive IT Innovations (DCAITI), TU Berlin
  • FAU Erlangen-Nürnberg (Lehrstuhl für Informatik 3: Rechnerarchitektur)

Bedarf an neuartigen Technologiekomponenten für autonomes Fahren

Neue Aufgaben

Vollautomatisiertes und fahrerloses Fahren (VDA-Automatisierungsstufen 4 und 5) erfordern zuverlässige Elektronikkomponenten für die multi-sensorische Umfelderfassung und robuste Positionsbestimmung.

Mehr Leistungsfähigkeit

Aktuelle Lösungen für die Sensordatenverarbeitung im Auto nutzen herkömmliche Prozessoren. Wachsende Datenmengen, immer komplexere Algorithmen und Echtzeitfähigkeit setzen jedoch leistungsfähigere Hardware-Komponenten voraus.

Wachsende Flexibilitätserfordernisse

Während die Produktzyklen im Automobilbereich sehr lang sind, entwickeln sich KI-Algorithmen rasant weiter. Deshalb sind flexible Komponenten gefragt, die einfach an neue Anforderungen angepasst werden können.

»KI-FLEX« – Besonderheiten der geplanten Hardware-Softwarelösung:

  • Flexible und hocheffiziente System-on-Chip-Plattform (SoC) für multisensorische Umfelderfassung im Automobilbereich
  • Flexibel programmierbarer, zukunftsfähiger Multi-Core-Deep-Learning-Beschleuniger als Chip (ASIC)
  • Algorithmen für die Sensorsignalverarbeitung und Sensordatenfusion, die auf der Verwendung neuronaler Netze (NN) basieren
  • Neuartige Lokalisierungs- und Kalibrierungsalgorithmen für die Informationsverarbeitung auf Basis von Kamera-, Lidar- und Radarsensoren
  • Neue Scheduling-Konzepte zur dynamischen Ressourcenplanung, um alle Komponenten des Systems jederzeit optimal auslasten zu können
  • Auf Künstlicher Intelligenz basierende Methoden und Tools zur Sicherstellung der funktionalen Sicherheit der KI-Algorithmen in der Anwendung und im geplanten Hard-Software-System
  • Eigenständige Anpassung des Systems an unterschiedliche Betriebszustände durch dynamische Rekonfiguration, beispielsweise bei Ausfall oder Störung einzelner Sensoren

Fraunhofer IIS bringt Expertise im Bereich neuromorphe Hardware ein:

  • Entwicklung eines flexiblen DLI-Beschleuniger-Kerns für den Multi-Core-Deep-Learning-Beschleuniger
  • Integration verschiedener DLI-Beschleuniger-Kerne in einen flexiblen, zukunftsfähigen ASIC
  • Integration des ASIC in die Hardware-Plattform

Die Architektur des ASIC ist dabei so ausgelegt, dass zukünftige Verbesserungen von NN-Architekturen, das heißt neu aufkommende NN-Typen und -Konzepte, damit weiterhin realisiert werden können. Dafür werden kritische Stellen gezielt rekonfigurierbar designt, um eine Brücke von der Starrheit eines ASICs hin zur Flexibilität eines FPGAs zu bauen.

Das könnte Sie auch interessieren

 

Künstliche Intelligenz

Hier geht es zurück zum Geschäftsfeld »Künstliche Intelligenz«