科技行者 11月6日 北京消息:汽车半导体供应商恩智浦半导体NXP Semiconductors N.V.(纳斯达克代码:NXPI)推出汽车车规级深度学习工具包eIQ Auto,扩展了公司eIQ机器学习产品系列。该工具包旨在帮助客户从开发环境快速地转向满足汽车行业严格标准的人工智能应用集成。eIQ Auto能够将基于深度学习的算法应用到视觉、自动驾驶、传感器融合、驾驶员监控和其他不断发展的汽车应用。
eIQ Auto工具包使客户能在PC端/云端/GPU环境下对汽车产品进行开发,并将其神经网络集成到S32处理器上。恩智浦的工具包和汽车级推断引擎使神经网络在具有严格安全要求的汽车应用中更容易部署。一个很好的例子是,在基于计算机视觉的系统中,传统计算机视觉算法加速向基于深度学习的算法转变。
深度学习有望在目标检测和分类中提供优于“传统”计算机视觉算法的检测精度和可维护性,但复杂性和高昂的成本阻碍了全车规的集成和实现。
eIQ Auto工具包旨在降低为深度学习算法的每一层选择,并集成嵌入式计算引擎所需的投资成本,从而帮助客户缩短产品上市时间。与其他嵌入式深度学习框架相比,自动选择过程使给定模型的性能提高了30倍。实现此性能的方式是优化可用资源的使用,减少时间和开发工作量——这是基于恩智浦的内部基准,使用单线程Tensor Flow(TF) Lite浮点模型与运行于S32V234双APEX-2上的Auto eIQ量化版本进行比较。这些红利可帮助开发人员对应用进行评估、微调和部署,以获得最大化的总体性能。
符合汽车车规级开发标准和功能安全要求是eIQ Auto和S32V集成的关键优势。eIQ Auto的推断引擎遵照严格的开发要求,符合Automotive SPICE®标准。S32V处理器提供最高级别的功能安全,支持ISO 26262,最高满足ASIL-C、IEC 61508和DO 178标准。
恩智浦副总裁兼高级驾驶员辅助解决方案总经理Kamal Khouri表示:“新一代汽车应用,比如当前自动驾驶测试车辆的集成方案,系统庞大,能耗高且不可能批量生产。新的eIQ工具包可帮助我们的客户在具有最高级别安全性和可靠性的嵌入式处理器环境中部署强大的神经网络。”
恩智浦的Auto eIQ深度学习工具包和车规级S32V芯片共同为新一代汽车应用提供性能、功能安全和质量的强大基础。
恩智浦eIQ Auto工具包包括:
eIQ Auto工具包亮点在于:
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。