瑞萨推出基于云的开发环境，以加速车用AI软件的开发与评估-Ameya360 electronic components purchasing network

瑞萨推出基于云的开发环境，以加速车用AI软件的开发与评估

Release time：2023-12-15

author：AMEYA360

source：瑞萨

reading：2417

　　全球半导体解决方案供应商瑞萨电子今日宣布推出一款基于云的全新开发环境，旨在简化车用AI工程师的软件设计流程。新平台AI Workbench作为集成虚拟开发环境，可帮助车用AI工程师在云端实现车载软件的设计、模拟和调试。

　　借助这一开发环境，工程师能够即刻利用微软(Microsoft)Azure(Azure Compute, IaaS services, Microsoft Entra ID and Azure Security)云的高性能计算资源启动车用软件设计，无需在PC端安装工具或索取评估板，即可通过在线仿真工具执行性能评估、调试和验证等任务。这一方式与“左移(Shift-Left)”开发理念相通，可以在设计周期的早期，甚至在实际硬件可用之前就能进行软件的创建和测试。例如，在即将推出的第五代R-Car片上系统(SoC)硬件样品发布之前，便可着手开发支持ADAS(高级驾驶辅助系统)和自动驾驶的AI应用软件。无论针对何种产品类型或应用，该环境都将作为一个统一的开发平台，用于设计和测试瑞萨的可扩展车用SoC及微控制器(MCU)。

　　“Mandali Khalesi, Global VP, HPC AI and Cloud Technology at Renesas表示：“我们很高兴能与领先的云技术供应商微软携手，为车用AI工程师打造基于云的虚拟开发和AI模型性能测试环境。同时，瑞萨充分利用软件使用情况的持续监控与分析等新功能，致力于AI开发环境的不断完善。”

　　Ulrich Homann, Corporate Vice President & Distinguished Architect, Cloud + AI at Microsoft表示：“基于云的开发是一种安全且经济高效的途径，可解决当今嵌入式项目日渐提升的复杂性难题。瑞萨与微软的合作旨在应对这一挑战，从而加速汽车行业的数字化转型。借助瑞萨的AI Workbench，开发人员现可以在由Azure提供支持的云环境中，使用瑞萨SoC高效地构建并测试适用于各类应用的软件。”

瑞萨推出基于云的开发环境，以加速车用AI软件的开发与评估

　　AI Workbench当前包括以下四个功能模块。瑞萨还计划在未来增强其产品，提供更多的功能，例如可选功能或定制选项，以支持各种开发流程。

　　1、升级版AI编译器工具链

　　瑞萨将采用新颖的“混合编译器(HyCo)”架构升级其SoC AI编译器工具链，并通过AI Workbench提供。自主开发的全新HyCo架构以及内核库将使工程师能够在瑞萨SoC(如DSP和NPU)上现有的第三方硬件加速器编译器覆盖范围之外，解锁更广泛的AI模型并拓展ONNX运算覆盖范围。

　　2、AI模型性能测试环境

　　瑞萨将提供一个在线测试环境NNPerf，供开发人员评估在瑞萨SoC上实时运行的AI模型性能。测试将在瑞萨全球器件库中的真实硬件上运行，无需评估板。借助批量处理代码程序、执行实时推理测试以及比较不同AI模型性能的能力，应用工程师能够对模型、内存占用、延迟等方面的权衡做出估算及决策。

　　3、软件开发环境

　　微软的代码编辑器Visual Studio Code(VSCode)和瑞萨的软件开发工具包(SDK)均可在云中使用。利用该工具套件，开发人员能够在几分钟内启动其云端开发环境，仅需PC端网络浏览器便可自定义其独立的开发环境并执行所有设计工作。

　　4、软件评估/验证环境

　　瑞萨还将提供一个环境，供开发人员使用AI模型性能测试工具NNPerf中定义的AI模型来测试和验证其应用软件。这包括SILS(软件在环模拟器)和HILS(硬件在环模拟器)等模拟器，允许用户验证为其特定AI应用设计的操作。

　　供货信息

　　AI Workbench将于2024年1月推出部分预览版。瑞萨计划从2024年二季度开始扩大AI Workbench的可用范围，并在未来为其它主要云服务构建类似的环境。此外，瑞萨还考虑将R-Car联盟合作伙伴提供的工具集成至云环境中，以提升效率。

（"Note: The information presented in this article is gathered from the internet and is provided as a reference for educational purposes. It does not signify the endorsement or standpoint of our website. If you find any content that violates copyright or intellectual property rights, please inform us for prompt removal."）

行业新闻

瑞萨丨技术干货｜解决方案套件概念：AI赋能的智能电动自行车——重塑城市出行与智能交通

　　电动自行车正在迅速重塑城市出行方式。作为汽车之外更可持续、更灵活的选择，电动自行车不仅有助于缓解交通拥堵，也符合绿色低碳的发展趋势。随着电动自行车技术的不断进步和普及，用户对安全性、可靠性和智能辅助功能的期待也在持续提升。　　然而，无论是传统机械自行车还是电动自行车，当前仍高度依赖骑手的主动感知以及按计划进行的维护保养。许多机械问题往往是逐步演变的，在性能明显下降或故障真正发生之前，几乎没有预警信号。这种被动式维护方式容易导致意外故障、更高的维修成本，甚至带来潜在的安全隐患。　　瑞萨通过AI赋能的智能电动自行车概念方案应对这些挑战。该方案基于嵌入式边缘人工智能(AI)，在自行车本体上即可实现预测性维护、智能骑行辅助、环境感知以及电池管理优化，无需依赖云端连接。　　嵌入式边缘AI实现预测性与智能骑行　　智能电动自行车的核心由Renesas AIK-RA8D1 AI开发套件驱动。该套件基于RA8D1微控制器(MCU))，这是一款面向实时嵌入式AI应用设计的高性能Arm® Cortex-M85® MCU。借助Renesas Reality AI Tools®，开发者可以部署高度优化的AI模型，使其完全运行于MCU本地，无需云端计算支持。　　这种系统架构在实现更安全、更高效骑行体验的同时，也有效控制了功耗和系统成本，非常适合大规模部署于智能出行设备中。　　AI赋能的智能电动自行车围绕以下两大核心能力，全面提升骑行体验:　　AI驱动的状态监测　　更顺畅、更安全的骑行体验，全面提升用户感受　　瑞萨电动自行车概念　　AI驱动的状态监测　　无论是传统自行车、电动自行车，还是共享出行车队中的自行车，本质上都是精密的机械系统。其性能高度依赖于关键部件的健康状况，包括链条、齿轮、轴承以及车架连接部位。随着时间推移，这些部件会因机械应力、环境影响以及骑行工况而逐渐磨损和劣化。　　传统的维护方式通常依赖定期人工检查或基于里程的保养周期。这些方法往往不够精准且偏被动，容易导致突发故障，增加维护成本和运营风险。　　通过将AIK‑RA8D1与加速度传感器直接集成到自行车中，实时AI驱动的状态监测成为可能。系统可持续分析振动特征和运动模式，及早发现机械性能退化的迹象。　　关键预测性维护功能包括：　　链条劣化检测(Chain Deterioration Detection)——系统监测传动系统的振动模式。当振动特征偏离正常状态时，可在性能明显下降之前识别出链条过度磨损或润滑异常问题。　　齿轮异常检测(Gear Anomaly Detection)——AI模型可识别由齿轮齿面磨损、损坏或变速器对位异常引起的异常振动模式，实现早期干预。　　轴承失效检测(Bearing Failure Detection)——轴承在劣化过程中会产生特定的高频振动特征。系统可在出现可听噪声或严重机械损伤之前就检测到这些异常。　　车架结构监测(Frame Structure Monitoring)——通过振动分析，还可识别车架的松动或结构性变化，从而提升骑行安全性并延长整车使用寿命　　瑞萨如何实现智能自行车监测　　要构建高精度的状态监测AI模型，必须采集涵盖正常运行状态和多种机械故障状态的数据集。　　为此，系统采用AIK-RA8D1 AI开发套件，并通过Pmod™模块连接外部加速度传感器。开发套件和传感器均直接安装在自行车上，在真实骑行场景中采集振动和运动数据。　　数据集采集通过Data Storage Tools完成。该工具可作为插件集成在Renesas e² studio中，也可作为独立应用供第三方IDE用户使用工具可实时采集加速度传感器的原始数据，并进行存储，用于后续的数据标注和AI模型训练。　　Figure1.Training Set-up　　AI模型开发与部署　　在完成数据标注并上传至Renesas Reality AI Tools后，可利用云端AutoML功能训练和评估多个AI模型，并针对RA8D1 MCU进行部署优化。　　最终选定的模型能够识别七种系统状态：　　电动自行车状态：识别空闲与静止状态　　链条运行状态：识别正常的正向与反向链条运动　　齿轮异常：基于变速器位置检测两种故障状态　　后轮结构状态：识别潜在的后轮松动问题　　该优化模型在仅占用5KB内存的情况下，实现了99.63%的识别准确率，可高效运行于RA8D1 MCU上。　　Figure2.Model Development to Deployment Flow　　部署完成后，推理结果可通过集成在e² studio开发环境中的AI Live Monitor工具进行实时监控。　　AI增强型骑行智能　　除状态监测外，AIK RA8D1还可作为智能电动自行车计算核心，充当中央处理节点，分析来自电机、电池及各类传感器的数据——支持在有或无额外传感硬件的情况下运行。　　AI赋能的骑行功能示例包括：　　载荷分布检测——通过分析振动与运动信号，系统可估算骑手及货物的重量分布。据此推荐或自动调整坐垫位置，以提升舒适性和踩踏效率。　　路面类型识别(Surface Detection)——AI模型可识别沥青路、碎石路或不平整地形。并根据路况动态调整电机扭矩和功率输出，从而提升稳定性与能效。　　目标检测，实现更安全骑行(Object Detection for Safer Riding)——结合视觉传感器时，AI模型可识别周围车辆与障碍物，在盲区来车时触发预警。　　“See with Sound”的空间感知能力——通过麦克风阵列，系统可估算周围车辆的来向，并向骑手提供空间方位提示，而无需持续视觉关注。　　推动下一代智能出行　　AI驱动的智能电动自行车方案充分展示了嵌入式边缘AI对个人出行和共享交通的变革潜力。通过将预测性维护与环境感知能力直接集成到自行车中，制造商能够打造更安全、更可靠、更高效的出行解决方案。　　瑞萨AI技术致力于帮助客户基于可扩展的边缘AI平台，构建适用于实时嵌入式部署的智能出行系统。　　告别突发故障，从瑞萨开始打造更智能、更安全的自行车。　　准备好将AI驱动的状态监测引入骑行领域了吗?

2026-06-02 09:56 reading：324

model	brand	Quote
BD71847AMWV-E2	ROHM Semiconductor
CDZVT2R20B	ROHM Semiconductor
RB751G-40T2R	ROHM Semiconductor
MC33074DR2G	onsemi
TL431ACLPR	Texas Instruments

model

brand

Quote

ROHM Semiconductor

ROHM Semiconductor

ROHM Semiconductor

onsemi

Texas Instruments

model	brand	To snap up
TPS63050YFFR	Texas Instruments
BP3621	ROHM Semiconductor
BU33JA2MNVX-CTL	ROHM Semiconductor
STM32F429IGT6	STMicroelectronics
IPZ40N04S5L4R8ATMA1	Infineon Technologies
ESR03EZPJ151	ROHM Semiconductor

model

brand

To snap up

Texas Instruments

ROHM Semiconductor

ROHM Semiconductor

STMicroelectronics