Implementierung eines Hardwarebeschleuniger für Neuronale Netze zur Verarbeitung von Radardaten

Kontext 

Künstliche Intelligenz wird in zahlreichen Anwendungen zur Verarbeitung großer Datenmenge genutzt. Im Automotive Bereich gewinnt zunehmend die Verarbeitung von Radardaten an Bedeutung und gilt als entscheidend für den Erfolg vollautonomer Systeme. Insbesondere die sensornahe Vorverarbeitung der Daten unterliegt strengen Anforderungen an die Latenz und benötigte Fläche.

Aufgaben 

Im Rahmen dieser Arbeit soll ein Beschleuniger für Neuronale Netze zur Verarbeitung von Radardaten untersucht werden. Dieser soll schlussendlich in ein bestehendes Fahrzeugsystem eingebettet werden. Um den Anforderungen des Systems gerecht zu werden sollen Optimierungen, wie z.B. Quantisierung, Pruning, Approximate Computing oder Sparsity, untersucht werden. Der Beschleuniger soll hinsichtlich Latenz und Ressourcenaufwand optimiert werden.

Voraussetzungen

• Programmiererfahrung in Python und C++
• Grundkenntnisse über Neuronale Netze
• Motivation und Interesse am selbstständigen Lösen von technischen Problemen
• Grundkenntnisse über FPGAs sind von Vorteil