Enable AI models to run on the edge

Viktiga resultat som projektet gav

Sammanfattning: Projektet optimerade två av Volvos AI-användningsfall för nuvarande och framtida hårdvaruplattformar med Embedls metoder, med fokus på djupa neurala nätverk för datorseende och signalbehandling samt analys av framtida hårdvara. Resultat: Målanvändningsfallen nådde låg slutledningsfördröjning och tillfredsställande DNN-prestanda på utvalda HW-mål. Vi etablerade en process för att utvärdera nästa generations hårdvara för DNN-inferens.

Långsiktiga effekter som förväntas

Projektdeltagare har nu en tydligare förståelse för tekniker för optimering av djupa neurala nätverk och deras tillämpning för DNN-modellinferens i fordon. Denna kunskap ger en solid grund för att effektivt utnyttja denna teknik i framtida projekt.

Upplägg och genomförande

Syftet med projektet var att optimera två av Volvos AI-drivna användningsfall för att köras på Volvos befintliga såväl som framtida hårdvaruplattformar. Genom att använda Embedl SDK når målanvändningsfallen låg slutledningsfördröjning på utvalda HW-mål. Vi etablerade en process för att utvärdera nästa generations hårdvara för DNN-inferens. Volvo och Embedl träffades en gång varannan vecka för att styra projektet. Embedl och Volvos ingenjörer arbetade tillsammans för att implementera lösningar.