[EDITION ABONNES] Il y a tout juste un an, NXP faisait son entrée dans l’arène de l’apprentissage automatique pour systèmes embarqués avec l’environnement logiciel eIQ (lire notre article ici). eIQ était alors présenté par son concepteur comme un environnement incluant les outils qui permettent de structurer et d’optimiser des modèles d’apprentissage automatique ...(machine learning ou ML) préalablement entraînés dans le nuage pour qu’ils puissent s’exécuter dans des équipements aux ressources limitées. Aujourd’hui la firme batave en décline une version adaptée au marché de l’automobile, eIQ Auto, censée aider les utilisateurs à passer rapidement d’un environnement de développement à des implémentations d’applications IA (intelligence artificielle) répondant aux strictes contraintes des standards reconnus dans ce domaine précis.

Selon NXP, eIQ Auto permet d’appliquer des algorithmes fondés sur l’apprentissage profond à la vision artificielle, à la conduite sans chauffeur, à la fusion de capteurs, à la surveillance du conducteur, etc.

Dans le détail, grâce à eIQ Auto, il est possible - dans un premier temps - de développer des applications IA à des fins de production dans des environnements sur PC, sur un processeur graphique GPU ou dans le cloud, puis - dans un second temps - de déployer les réseaux de neurones ainsi conçus et entraînés sur des processeurs S32 de NXP, et notamment sur la famille de processeurs de vision artificielle S32V pour systèmes d’assistance évoluée à la conduite.

Selon la société néerlandaise, les algorithmes d’apprentissage profond promettent une meilleure précision et une meilleure maintenabilité que les algorithmes de vision artificielle classiques dans les applications de détection et de classification d’objets ; mais leur implémentation pleine et entière dans une automobile est à la fois complexe et génératrice de coûts. Doté d’un moteur d’inférence de classe automobile, l’environnement eIQ Auto, quant à lui, permettrait de réduire le temps de mise sur le marché en abaissant les coûts d’investissement liés au choix et à la programmation des moteurs de calcul embarqués pour chaque couche d’un algorithme d’apprentissage profond. Selon NXP, ce processus de sélection automatisé conduit à des performances jusqu’à 30 fois supérieures à celles d’autres frameworks de deep learning embarqués (comme TensorFlow Lite) à modèle donné.

Le moteur d’inférence, i.e. le logiciel chargé d’exécuter sur les processeurs S32V le réseau de neurones préalablement entraîné peut, de son côté, optimiser les performances en ordonnançant les tâches pour qu’elles s’exécutent sur le ou les accélérateurs les plus éco-efficaces présents dans la puce-système (*). Développé en conformité avec les contraintes strictes du secteur automobile, ce moteur d’inférence s’avère compatible avec la norme de qualité Automotive Spice, assure en outre la firme batave. Les processeurs S32V, quant à eux, disposent des niveaux élevés de sûreté de fonctionnement stipulés par les normes ISO 26262 (jusqu’au niveau Asil-C), CEI 61508 et DO-178.

« Les applications automobiles de prochaine génération, telles celles que l’on trouve dans les implémentations de véhicules de test autonomes sont massives, énergivores et quasi impossibles à intégrer dans le cadre d'une production d’automobiles en volume, indique Kamal Khouri, vice-président et directeur général des solutions ADAS chez NXP. L’environnement eIQ Auto, lui, vise à permettre à nos clients de déployer des réseaux de neurones performants sur un processeur embarqué, tout en respectant des niveaux très élevés de sûreté et de fiabilité. » La disponibilité généralisée de l’environnement eIQ Auto est prévue dans le courant du premier trimestre 2020.

(*) A titre d’exemple, le SoC S32V234 s’articule autour de quatre cœurs Arm Cortex-A53 avec extensions Neon, d’une unité de traitement graphique (GPU) 3D, d’un double moteur de traitement d’image Apex-2, d’un processeur d’image ISP et d’un cœur de microcontrôleur Cortex-M4.

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA https://www.linkedin.com/showcase/embedded-ia/