Sensor-Datenplattform
Hardwaregestempeltes Ingest, Synchronisation und Versionierung von LiDAR-, Radar-, Ultraschall- und Kameraströmen, mit fahrzeugweisen Kalibrierungsaufzeichnungen.
Fusionspipeline und Laufzeit im Fahrzeug
Eine modulare Plattform für Sensordatenerfassung, Kalibrierung, multimodale Fusion, Modelltraining, Optimierung und Inferenz im Fahrzeug.
Entwicklungsfahrzeug, Sensorsuite
Multisensor-Wahrnehmungspipeline
Die Plattform bietet definierte Schnittstellen für Datenerfassung, Kalibrierung, Fusion, Modelltraining, Optimierung und Inferenz im Fahrzeug.
- 01
Sensor-Datenebene
LiDAR-, Radar-, Ultraschall- und Kameraströme mit fahrzeugspezifischer Kalibrierung aufnehmen und synchronisieren.
- Erfassung mit Hardware-Zeitstempeln
- Kalibrierungsprotokolle je Fahrzeug
- Versionierte Datensätze
- 02
Kalibrierung & Fusion
Jede Modalität auf ein gemeinsames Koordinatensystem und eine Zeitbasis ausrichten und zu einer gemeinsamen Repräsentation fusionieren.
- Intrinsische und extrinsische Kalibrierung
- Zeitliche Ausrichtung und Drift-Prüfungen
- Einheitliche räumliche Repräsentation
- 03
Modelltraining
Wahrnehmungs- und Planungsmodelle auf der fusionierten Repräsentation trainieren, angepasst an jeden Sensorsatz.
- Multimodale Wahrnehmungsmodelle
- Szenariobasierte Evaluierung
- Hardwarebewusstes Training
- 04
Laufzeit an Bord
Das Modell innerhalb eines festen Budgets auf dem Automotive-SoC kompilieren, quantisieren und ausführen.
- Quantisierung und Destillation
- Deterministisches Scheduling
- Latenz- und Leistungsbudget
Die Pipeline läuft auf Ihrer oder unserer Infrastruktur. Das Training findet im Rechenzentrum statt, die Inferenz im Fahrzeug.
Vom Sensor-Ingest bis zur Modellbewertung
Die Plattform bietet einen integrierten Engineering-Workflow von der Sensordatenverwaltung bis zu Modellbereitstellung und Evaluation.
Kalibrierung & Fusion
Intrinsische und extrinsische Kalibrierung, zeitliche Ausrichtung und Drift-Überwachung, die eine räumliche Repräsentation erzeugen, die das Modell nutzen kann.
Multimodale Modelle
Wahrnehmungs- und Planungsmodelle, trainiert auf der fusionierten Repräsentation und angepasst an Ihre Sensorkonfiguration.
Modell-Optimierung
Quantisierung, Destillation, Pruning und hardwarebewusstes Tuning für das Automotive-SoC im Fahrzeug.
Runtime im Fahrzeug
Deterministische Inferenz, Echtzeit-Scheduling und sicherheitsbegrenzte Planung und Regelung.
Evaluation & Tooling
Szenariosimulation, Regressions-Suites und Datensatzversionierung, die Ergebnisse über Modellrevisionen hinweg vergleichbar halten.
Betriebsanforderungen je Pipeline-Stufe
Betriebsanforderungen werden auf dem Produktions-Stack für Sensoreingang, Kalibrierung, Fusion, Training, Export und Inferenz im Fahrzeug gemessen.
- Sensoren
- LiDAR, Millimeterwellenradar, Ultraschall und Kamera auf einer hardwaregestempelten, kalibrierten Zeitbasis.
- Kalibrierung
- Fahrzeugweise intrinsische und extrinsische Kalibrierung, mit Drift-Überwachung und aufgezeichneten Kalibrierungsversionen.
- Fusion
- Eine gemeinsame räumliche Repräsentation, die gültig bleibt, wenn ein Sensor hinzugefügt, ersetzt oder entfernt wird.
- Training
- Multi-Node-GPU-Training mit Checkpointing, elastischer Planung und Fehlerwiederherstellung.
- Modell-Export
- Quantisierte Formate für Automotive-SoCs, erzeugt über einen hardwarebewussten Tuning-Schritt.
- Inferenz im Fahrzeug
- Deterministische Planung mit einem begrenzten Latenz- und Leistungsbudget von der Wahrnehmung bis zur Planung.
Multisensor-Kalibrierung und Fusion
LiDAR-, Radar-, Ultraschall- und Kameradaten werden vor dem Modelltraining fahrzeugweise kalibriert und auf ein gemeinsames Koordinatensystem sowie eine gemeinsame Zeitbasis ausgerichtet.
Die Fusion erfolgt in einer gemeinsamen raum-zeitlichen Repräsentation; Änderungen der Sensorkonfiguration werden über Kalibrierung und Datensatzversionierung verwaltet.
- Kalibrierung pro Fahrzeug mit Drift-Überwachung
- Hardwaregestempelte Synchronisation über vier Modalitäten
- Radar und Ultraschall fusioniert mit Kamera und LiDAR
Bereitstellungsarchitektur
Training und Datenverarbeitung laufen in Public Cloud, Private Cloud, On-Premise oder Edge-Umgebungen; quantisierte Inferenzmodelle laufen im Fahrzeug.
-
Public Cloud
Elastisches Training und Datenverarbeitung auf verwalteter Infrastruktur, für Programme, die schnell starten.
-
Private Cloud oder On-Premise
In Ihrem Netzwerk, unter Ihrem Data-Governance- und Zugriffskontrollregime.
-
Edge
Regionale Verarbeitung nahe am Ort der Datenerfassung, wodurch Übertragungen begrenzt bleiben.
-
Im Fahrzeug
Das quantisierte Modell und die Runtime auf Automotive-Compute, innerhalb des Latenz- und Leistungsbudgets.
Architektur- und Integrationsbewertung
Die Bewertung umfasst Sensorkonfiguration, Kalibrierungsanforderungen, Zielrechner im Fahrzeug, Bereitstellungsbedingungen und anfänglichen Umfang.