最大的智能机器及应用系统软件框架提供商RTI公司近日宣布推出RTI Connext Drive® 2.0软件定义汽车生产级互联框架,加速与AUTOSAR Classic和ROS 2的直接集成,使开发人员能够利用熟悉的生态系统架构实现以数据为中心的网络互连。由此支持开发人员在熟悉的平台上更快地开始Biuld,并消除了定制编程的工作,同时将总体系统复杂度和成本降至最低,构建经得起未来考验并不断发展的系统。
Connext Drive 2.0提供了加速途径以便通过安全认证组件和远程操作插件输出高性能计算能力。Connext Drive基于数据分发服务(DDS™) 标准和领先的数据互连标准,已被汽车工业标准组织、AUTOSAR和ROS采用,帮助OEM厂商为任何特定应用场景推出最佳特色功能,快速开发多种车辆架构。新的Connext Drive 2.0具体功能包括:
此次发布的Connext Drive 2.0包含已经通过TUV SUD的ASIL D级安全认证组件,这是软件认证的最高层级,从而确保从ECU到中央网关在内的每个独立组件都达到汽车功能安全性要求。此外,其中还包括与两种流行实时操作系统的互操作性——面向armv8安全性的QNX以及面向Infineon TriCore的AUTOSAR Classic OS,由此为开发具备安全性的生产级汽车开辟了一条可靠且低成本的道路。Connext Drive 2.0已在美国、欧洲和亚洲的公路上投入生产运营。
英飞凌硅谷汽车创新中心(SVIC)负责人Nelson Quintana表示:“RTI Connext Drive提供以数据为中心的体系结构,帮助开发人员解决未来车辆面临的根本挑战。我们认识到此项技术的独特价值,并期待着扩大与RTI的合作,将其基于DDS的技术与英飞凌领先的AURIX)™汽车微控制器产品相结合,以支持下一代E/E架构。"
RTI公司汽车市场开发总监Pedro Lopez Estepa指出:“Connext Drive 2.0开创了应用场景驱动型产品,强化了RTI公司在市场中的地位。RTI公司致力于帮助客户突破当今汽车业的架构局限。我们的产品连年稳步发展,是包括长期安全认证的模块化解决方案,为自动驾驶电动汽车创新提供了有力支持。”
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。