Wie KI in Designs eingebetteter Computersysteme angewendet wird, die auf SOSA abgestimmt sind

Datum der Veröffentlichung:
July 15, 2021

Wie KI in Designs eingebetteter Computersysteme angewendet wird, die auf SOSA abgestimmt sind

„KI-Technologien sind die mächtigsten Werkzeuge seit Generationen, um Wissen zu erweitern, den Wohlstand zu steigern und die menschliche Erfahrung zu bereichern.“ — Nationale Sicherheitskommission für künstliche Intelligenz; Abschlussbericht 2021

KI kommt den Kriegskämpfern vor Ort mit verbesserten Tools zugute

In einer Welt, in der die Menge an Dateneingaben und Videofeeds weiter zunimmt, benötigen Entwickler eingebetteter Systeme die Tools und Mittel, um diese Eingaben ordnungsgemäß zu verwalten und diese Daten verwertbar zu machen. Für missionskritische und sicherheitsrelevante Militär- und Verteidigungsoperationen wird diese Aufgabe noch wichtiger.

Die Implementierung von KI-basierten Lösungen in robusten Embedded-Computing-Umgebungen ist nicht der einzige Trend, der sich auf die Systementwicklung auswirkt. Die Forderung des US-Verteidigungsministeriums, Systeme und Elektronik plattformübergreifend und herstellerübergreifend kompatibel zu machen, treibt den Wandel auch in der Branche voran.

Zum Glück ermöglicht der SOSA™ Technical Standard, eine der Initiativen für offene Standards, die vom Modular Open System Approach (MOSA) des DoD unterstützt werden, das erforderliche Maß an Datenberechnung und -verarbeitung, das die KI-Anforderungen erfordern. Die Fähigkeit von Systemen, eine gemeinsame Architektur zu verwenden, bietet die Möglichkeit für die schnelle Entwicklung fortschrittlicher Verarbeitungskapazitäten, die KI-gestützte Berechnungen ermöglichen.

Unterstützung der KI-Infrastruktur durch SOSA

KI-Anwendungen verwenden SBCs, GPGPUs und FPGA-Beschleuniger mit einem eingebetteten System. In SOSA werden die Boards, die sie implementieren, als PICs oder Plug-In-Karten bezeichnet.
Es ist die eigentliche Anwendung — ISR, EW usw. —, die die Algorithmen und Datensätze steuert, die für den Anwendungsfall spezifisch sind, was wiederum die Systemtopologie bestimmt.
Einige Systemimplementierungen benötigen möglicherweise mehr als einen Beschleuniger oder GPGPU. Da GPGPUs oder Beschleuniger die Verwendung der Erweiterungsebene erfordern, muss ein System, das auf SOSA abgestimmt ist, die Verbindungen berücksichtigen, die zur Erleichterung der Datenübertragung erforderlich sind.

Effektive Systementwicklung

Beim Aufbau eines eingebetteten Systems, das eine Datenverarbeitung auf KI-Ebene sowie die Einhaltung des technischen Standards von SOSA erfordert, können Sie unter Berücksichtigung bestimmter Entwurfsprinzipien alle Ihre Systemanforderungen erfüllen.

Die Einfachheit von SOSA beweist Leistung

Um die Interoperabilität zwischen verschiedenen Systemen und Plattformen sicherzustellen, beschränkt SOSA die Anzahl der akzeptablen Profile, die bei der Systementwicklung verwendet werden können. Diese begrenzte Anzahl von Designoptionen kommt rechenintensiven Systemen zugute, da Profile wiederverwendet werden, wodurch der Bedarf an komplexen Integrationsbemühungen reduziert wird.

Ziel des Standards ist es, eine herstellerunabhängige offene Systemarchitektur zu entwerfen, um die Systementwicklungskosten zu senken sowie die Rekonfigurierbarkeit von Systemen und zukünftige Systemaktualisierungen einfacher und schneller zu gestalten. Ein wichtiger Bestandteil ist die Sicherstellung der Konformität von Sensorkomponenten und SOSA-Modulen im Einklang mit dem technischen Standard.

Downloads

Keine Artikel gefunden.

Weitere Blog-Beiträge lesen

What is Edge AI Enabling in Industrial Computing Applications?

What is Edge AI Enabling in Industrial Computing Applications?

Similar to how cloud computing evolved over the last decade to the de facto way of storing and managing data, Edge AI is taking off. Edge AI is one of the most notable trends in artificial intelligence, as it allows people to run AI processes without having to be concerned about security or slowdowns due to data transmission. And its impact is notable in industrial embedded computing, since it allows platforms to react quickly to inputs without access to the cloud. We asked some Edge AI partners: If analytics can be performed in the cloud, what is the benefit of an Edge AI approach, especially as it’s related to industrial embedded computing?

Membership in the NVIDIA® Partner Network

Membership in the NVIDIA® Partner Network

We are taking AI Computing to the next level! Find out how our membership in the NVIDIA® Partner Network complements the designs of our rugged computing systems to deliver enhanced deployable systems specifically designed to operate in harsh environments.