ZuSE-KI-mobil
| Leitung: | Prof. Dr.-Ing. Holger Blume |
| Team: | Matthias Lüders, M.Sc., Martin Friedrich, M.Sc., Sousa Weddige, M.Sc., Oliver Renke, M.Sc., Christoph Riggers, M.Sc. |
| Jahr: | 2020 |
| Förderung: | BMBF |
| Laufzeit: | Mai 2020 - Dezember 2025 |
| Weitere Informationen | https://www.elektronikforschung.de/projekte/ki-mobil |
| Bemerkungen: | Infineon Technologies AG, T3-Technologies, Dream Chip Technologies GmbH, Gottfried Wilhelm Leibniz Universität Hannover, Technische Universität Dresden, Karlsruher Institut für Technologie, BMW, ZF Friedrichshafen AG, Technische Universität München |
In dem vom BMBF geförderten Projekt Zuse-KI-Mobil forscht das IMS gemeinsam mit den Industriepartnern BMW, Infineon, ZF, Dreamchip und T3 sowie den Universitäten Dresden (TUD), Karlsruhe (KIT) und München (TUM) an einem Ökosystem für eingebettete KI im Automobilbereich. In Phase 2 werden die in Phase 1 begonnenen Arbeiten am IMS fortgeführt und erweitert. Dazu gibt es am IMS vier Forschungsschwerpunkte:
-
Sensorsignalverarbeitung von LiDAR-, RADAR- und Kamera-Daten
-
Entwicklung und Erforschung einer KI-Compiler-Toolchain mit Apache TVM
-
KI-Benchmarking der Zuse-KI-Mobil Hardware Plattform
-
Implementierung und Aufbau von Demonstratoren in das Demofahrzeug PANDA
Für die Sensorsignalverarbeitung werden verschiedene moderne LiDAR- und RADAR-Sensoren und deren Verarbeitung mit modernen KI-Algorithmen untersucht. Als LiDAR-Sensoren werden u.a. Solid State LiDAR mit neuartigen FMCW LiDAR-Sensoren verglichen. Als RADAR-Sensoren kommen neuartige 4D-RADAR-Sensoren zum Einsatz. Im Bereich der KI-Signalverarbeitung werden klassische Convolutional Neural Networks (CNNs) mit modernen KI-Algorithmen wie Transformer Networks verglichen und untersucht. Die Forschungsergebnisse werden anschließend in einen praxisorientierten Demonstrator überführt und in das Forschungsfahrzeug PANDA integriert.
Um KI-Algorithmen effizient auf der Zuse-Hardwareplattform KI-Mobil und insbesondere auf dem in der ersten Projektphase entwickelten KI-Accelerator SPA-ML der TU Dresden ausführen zu können, wird eine leistungsfähige und flexible KI-Compiler-Toolchain erforscht und entwickelt. Die Basis der Compiler-Toolchain bildet Apache TVM. In Apache TVM werden ein Backend für den SPA-ML sowie Optimierungen wie Memory-Tiling oder Layer-Fusion integriert und effiziente Methoden erforscht.
Zur Ermittlung von Performance- und Energiewerten der Hardwareplattform Zuse-KI-Mobil und zum Vergleich mit anderen KI-Plattformen wird am IMS ein Benchmarking durchgeführt. Dazu werden relevante Benchmarkalgorithmen aus Industrie und Forschung ausgewählt, optimiert und für verschiedene Plattformen implementiert. Als Ergebnis wird eine Einordnung der Zuse-KI-Mobil Plattform in die Landschaft der KI-Beschleuniger durchgeführt.
Alle am IMS durchgeführten Arbeiten und Forschungen werden in Form von Demonstratoren in das Versuchsfahrzeug PANDA integriert. Dazu gehört insbesondere die Demonstration von Signalverarbeitungsalgorithmen im Live-Betrieb mit moderner Sensorik.
Das Projekt Zuse-KI-Mobil leistet mit allen Projektpartnern einen Beitrag zur Weiterentwicklung der eingebetteten KI in Deutschland und damit auch zur Souveränität Deutschlands bei der KI-Hardware.
