ST機(jī)器學(xué)習(xí)解決方案助力車企探索汽車AI可能性

來(lái)源：意法半導(dǎo)體博客

(資料圖)

意法半導(dǎo)體的首款車規(guī)機(jī)器學(xué)習(xí)解決方案SL-AIAID012401V1由AEKD-AICAR1評(píng)估套件、AI人工智能插件和AutoDevKit車規(guī)開(kāi)發(fā)板組成，能夠識(shí)別駐車、正常路況、崎嶇道路、車輪側(cè)滑或突然轉(zhuǎn)向四種汽車狀態(tài)。這是一個(gè)難得的機(jī)會(huì)，可以通過(guò)測(cè)試和開(kāi)發(fā)汽車人工智能應(yīng)用，以確定該技術(shù)是否適合這個(gè)市場(chǎng)。事實(shí)上，許多車企還在探索在行業(yè)現(xiàn)階段，機(jī)器學(xué)習(xí)對(duì)他們是否有意義。從頭開(kāi)始創(chuàng)建算法需要投入大量的人力和資金。把評(píng)估解決方案導(dǎo)入我們的 AutoDevKit 平臺(tái)，可以讓開(kāi)發(fā)人員更輕松地探索車規(guī)人工智能的可行性。

將機(jī)器學(xué)習(xí)引入汽車的挑戰(zhàn)

尋找正確的應(yīng)用

汽車狀態(tài)識(shí)別系統(tǒng)的整體架構(gòu)

雖然機(jī)器學(xué)習(xí)的熱度在消費(fèi)市場(chǎng)上穩(wěn)步上升，但是，汽車行業(yè)仍在探究機(jī)器學(xué)習(xí)技術(shù)可以為汽車帶來(lái)什么。幾十年來(lái)，人工智能一直是汽車行業(yè)的一個(gè)熱門話題，研究人員早在 2001年就已經(jīng)在探索如何在導(dǎo)航系統(tǒng)中應(yīng)用機(jī)器學(xué)習(xí)。然而，人工智能趨向于用在幾種應(yīng)用場(chǎng)景，例如，自動(dòng)駕駛或事故檢測(cè)。此外，出于安全性和可靠性考慮，汽車行業(yè)幾十年來(lái)一直依賴啟發(fā)式方法。簡(jiǎn)而言之，汽車制造商在不需要訓(xùn)練神經(jīng)網(wǎng)絡(luò)的情況下就已經(jīng)擅長(zhǎng)提供先進(jìn)的功能。因此，開(kāi)發(fā)平臺(tái)必須降低汽車機(jī)器學(xué)習(xí)的技術(shù)門檻，同時(shí)又不影響設(shè)計(jì)者構(gòu)想較為傳統(tǒng)的應(yīng)用。

找到正確的工具

為了幫助開(kāi)發(fā)人員創(chuàng)建他們的殺手級(jí)應(yīng)用程序，無(wú)論它是否使用機(jī)器學(xué)習(xí)算法，AEKD-AICAR1都配備了一個(gè)帶有4mb閃存的MCU，以及AEK-LCD-DT028V1顯示屏，用于UIs和更一般的應(yīng)用程序。主板還提供兩個(gè) CAN FD 收發(fā)器和兩個(gè)電位器，用于測(cè)試模數(shù)轉(zhuǎn)換器的性能。因此，這個(gè)電路板可以連接執(zhí)行器板驅(qū)動(dòng)電機(jī)，處理無(wú)線通信功能，或者管理LED 等設(shè)備。因此，這塊板子的靈活性足以幫助開(kāi)發(fā)團(tuán)隊(duì)用其他的系統(tǒng)開(kāi)發(fā)應(yīng)用。然而，顧名思義，我們的開(kāi)發(fā)團(tuán)隊(duì)用AEKD-AICAR1開(kāi)發(fā)應(yīng)用，因?yàn)槠囆袠I(yè)要求降低機(jī)器學(xué)習(xí)的技術(shù)門檻。

AEKD-AICAR1：讓機(jī)器學(xué)習(xí)變得更好用的解決方案

指引開(kāi)發(fā)者

AEKD-AICAR1套件

AEKD-AICAR1 配有 AEK-CON-SENSOR1連接器板和AIS2DW12三軸加速度計(jì)。開(kāi)發(fā)人員可以獲取MEMS數(shù)據(jù)，并使用長(zhǎng)短期記憶 (LSTM) 遞歸神經(jīng)網(wǎng)絡(luò)(RNN)確定汽車的四種狀態(tài)。該套件還旨在簡(jiǎn)化演示應(yīng)用的開(kāi)發(fā)，因?yàn)?/strong>AEKD-AICAR1在MCU閃存內(nèi)預(yù)裝了提前訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)。LSTM RNN當(dāng)前版本是在 Google Colab環(huán)境中使用 TensorFlow 2.4.0框架開(kāi)發(fā)的神經(jīng)網(wǎng)絡(luò)，然后，我們使用意法半導(dǎo)體的工具將提前訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為適合在STM32上運(yùn)行的C 代碼庫(kù)。

為了進(jìn)一步指導(dǎo)和培訓(xùn)開(kāi)發(fā)者，我們?yōu)橛脩籼峁┝艘环?/strong>Google Colab環(huán)境、模型訓(xùn)練、數(shù)據(jù)采集等工具的用戶入門指南。用戶可以使用 TensorFlow 等眾多熱門機(jī)器學(xué)習(xí)框架創(chuàng)建、訓(xùn)練和驗(yàn)證神經(jīng)網(wǎng)絡(luò)，從而使團(tuán)隊(duì)能夠借用許多現(xiàn)有的社區(qū)項(xiàng)目。然后，我們還展示了意法半導(dǎo)體神經(jīng)網(wǎng)絡(luò)所用人工智能插件是如何優(yōu)化算法，使其適合在微控制器上運(yùn)行。簡(jiǎn)而言之，我們分享我們的知識(shí)經(jīng)驗(yàn)和實(shí)用工具，以便開(kāi)發(fā)人員可以更輕松地測(cè)試項(xiàng)目，確定機(jī)器學(xué)習(xí)是否適合汽車應(yīng)用。

使用真實(shí)環(huán)境

最終，工程師將獲得一個(gè)程序，這個(gè)程序可以讓他們嘗試用傳感器開(kāi)發(fā)新應(yīng)用，評(píng)估自己的需求，并更好地了解從頭開(kāi)始需要付出的成本的一小部分內(nèi)是可行的需求。在AEKD-AICAR1 捆綁包中有連接器板，這意味著用戶可以輕松換用另一個(gè)傳感器，做進(jìn)一步的評(píng)測(cè)。汽車行業(yè)固有的安全性和可靠性限制要求讓開(kāi)發(fā)者無(wú)法用市面上可以買到的消費(fèi)級(jí)電路板測(cè)試汽車產(chǎn)品概念。AEKD-AICAR1通過(guò)在許多人用于開(kāi)發(fā)實(shí)際應(yīng)用的汽車級(jí)平臺(tái)上進(jìn)行實(shí)驗(yàn)，從而解決了這個(gè)問(wèn)題。

構(gòu)想原創(chuàng)應(yīng)用

由于汽車行業(yè)的機(jī)器學(xué)習(xí)仍處于起步階段，用戶經(jīng)常尋找具有最大靈活性的平臺(tái)。事實(shí)上，用一個(gè)系統(tǒng)開(kāi)發(fā)多個(gè)項(xiàng)目有助于節(jié)省時(shí)間和資源，例如，有一位客戶對(duì)LSTM 節(jié)點(diǎn)稍加改動(dòng)，即可分析車輛懸架的響應(yīng)性能，確定彈簧補(bǔ)償程度，從而改善駕駛體驗(yàn)。同樣，開(kāi)發(fā)人員可以用傳感器開(kāi)發(fā)新應(yīng)用，例如，預(yù)測(cè)電池的充電狀態(tài)，或?qū)鞲衅靼惭b在方向盤上，用于檢查駕駛員的心率。簡(jiǎn)而言之，AEKD-AICAR1 靈活多變，應(yīng)用不限于傳統(tǒng)的汽車應(yīng)用及狀態(tài)檢測(cè)。