來源：意法半導體博客

(資料圖)

意法半導體的首款車規機器學習解決方案SL-AIAID012401V1由AEKD-AICAR1評估套件、AI人工智能插件和AutoDevKit車規開發板組成，能夠識別駐車、正常路況、崎嶇道路、車輪側滑或突然轉向四種汽車狀態。這是一個難得的機會，可以通過測試和開發汽車人工智能應用，以確定該技術是否適合這個市場。事實上，許多車企還在探索在行業現階段，機器學習對他們是否有意義。從頭開始創建算法需要投入大量的人力和資金。把評估解決方案導入我們的 AutoDevKit 平臺，可以讓開發人員更輕松地探索車規人工智能的可行性。

將機器學習引入汽車的挑戰

尋找正確的應用

汽車狀態識別系統的整體架構

雖然機器學習的熱度在消費市場上穩步上升，但是，汽車行業仍在探究機器學習技術可以為汽車帶來什么。幾十年來，人工智能一直是汽車行業的一個熱門話題，研究人員早在 2001年就已經在探索如何在導航系統中應用機器學習。然而，人工智能趨向于用在幾種應用場景，例如，自動駕駛或事故檢測。此外，出于安全性和可靠性考慮，汽車行業幾十年來一直依賴啟發式方法。簡而言之，汽車制造商在不需要訓練神經網絡的情況下就已經擅長提供先進的功能。因此，開發平臺必須降低汽車機器學習的技術門檻，同時又不影響設計者構想較為傳統的應用。

找到正確的工具

為了幫助開發人員創建他們的殺手級應用程序，無論它是否使用機器學習算法，AEKD-AICAR1都配備了一個帶有4mb閃存的MCU，以及AEK-LCD-DT028V1顯示屏，用于UIs和更一般的應用程序。主板還提供兩個 CAN FD 收發器和兩個電位器，用于測試模數轉換器的性能。因此，這個電路板可以連接執行器板驅動電機，處理無線通信功能，或者管理LED 等設備。因此，這塊板子的靈活性足以幫助開發團隊用其他的系統開發應用。然而，顧名思義，我們的開發團隊用AEKD-AICAR1開發應用，因為汽車行業要求降低機器學習的技術門檻。

AEKD-AICAR1：讓機器學習變得更好用的解決方案

指引開發者

AEKD-AICAR1套件

AEKD-AICAR1 配有 AEK-CON-SENSOR1連接器板和AIS2DW12三軸加速度計。開發人員可以獲取MEMS數據，并使用長短期記憶 (LSTM) 遞歸神經網絡(RNN)確定汽車的四種狀態。該套件還旨在簡化演示應用的開發，因為AEKD-AICAR1在MCU閃存內預裝了提前訓練好的神經網絡。LSTM RNN當前版本是在 Google Colab環境中使用 TensorFlow 2.4.0框架開發的神經網絡，然后，我們使用意法半導體的工具將提前訓練好的神經網絡轉換為適合在STM32上運行的C 代碼庫。

為了進一步指導和培訓開發者，我們為用戶提供了一份Google Colab環境、模型訓練、數據采集等工具的用戶入門指南。用戶可以使用 TensorFlow 等眾多熱門機器學習框架創建、訓練和驗證神經網絡，從而使團隊能夠借用許多現有的社區項目。然后，我們還展示了意法半導體神經網絡所用人工智能插件是如何優化算法，使其適合在微控制器上運行。簡而言之，我們分享我們的知識經驗和實用工具，以便開發人員可以更輕松地測試項目，確定機器學習是否適合汽車應用。

使用真實環境

最終，工程師將獲得一個程序，這個程序可以讓他們嘗試用傳感器開發新應用，評估自己的需求，并更好地了解從頭開始需要付出的成本的一小部分內是可行的需求。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傳感器，做進一步的評測。汽車行業固有的安全性和可靠性限制要求讓開發者無法用市面上可以買到的消費級電路板測試汽車產品概念。AEKD-AICAR1通過在許多人用于開發實際應用的汽車級平臺上進行實驗，從而解決了這個問題。

構想原創應用

由于汽車行業的機器學習仍處于起步階段，用戶經常尋找具有最大靈活性的平臺。事實上，用一個系統開發多個項目有助于節省時間和資源，例如，有一位客戶對LSTM 節點稍加改動，即可分析車輛懸架的響應性能，確定彈簧補償程度，從而改善駕駛體驗。同樣，開發人員可以用傳感器開發新應用，例如，預測電池的充電狀態，或將傳感器安裝在方向盤上，用于檢查駕駛員的心率。簡而言之，AEKD-AICAR1 靈活多變，應用不限于傳統的汽車應用及狀態檢測。

關鍵詞：