Verbundprojekt: Technologie und Hardware für neuromorphe Computersysteme - TEMPO -; Teilvorhaben: Anwendung neuromorpher Hardwarebeschleuniger zur Echtzeit-Punktwolkenklassifizierung von Laserscannern

Laserscanner "LiDAR" werden als die vielversprechendsten Sensoren für die Wahrnehmung der Umwelt beim automatisierten Fahren gesehen. Zur Segmentierung und Objektklassifizierung der von LiDAR-Sensoren erzeugten 3D-Punktdaten werden derzeit Methoden des maschinellen Lernens wie "deep convolutional neuronal networks" angewendet. Für künftige Anwendungen im Bereich des automatisierten Fahrens sind jedoch Technologien erforderlich, die den Energieverbrauch und die Latenzzeit des Systems unter gleichzeitiger Beibehaltung der Genauigkeit deutlich reduzieren. Die Verwendung von sog. "spiking neuronal network" (SNN), die ereignisbasiert reagieren, erscheint im Hinblick auf die o.g. Kriterien erfolgversprechend und soll im vorliegenden Projekt untersucht werden. Im Teilvorhaben wird Valeo ein SW-Modell zur Verarbeitung der vom Laserscanner erzeugten 3D-Punktwolke in SNNs entwickeln, die Funktionsfähigkeit demonstrieren sowie auf den von Projektpartnern bereitgestellten neuromorphen HW-Plattformen implementieren. Im Wesentlichen sollen dadurch die Schlüsselparameter evaluiert werden. Die Ziele des Projektes lassen sich wie folgt zusammenfassen: - Entwicklung eines Softwaremodells - Demonstration der Funktionsfähigkeit des entwickelten Modells - Implementierung auf neuromorpher HW - Evaluierung hinsichtlich der o.g. KPIs