Energiesparsame Edge-Elektronik für die Verkehrssteuerung (GreenEdge-FuE)

Abstract

Der erhebliche Energiebedarf zukünftiger Smart-City-Infrastrukturen entsteht insbesondere durch den Transport großer Sensordatenmengen zu Cloud-Servern sowie durch deren Verarbeitung auf generischen CPU-/GPU-Clustern. Das Verbundvorhaben GreenEdge-FuE verfolgte den Ansatz, die KI-basierte Datenverarbeitung in die unmittelbare Nähe der Sensoren zu verlagern und dabei klassische KI-Beschleunigerarchitekturen mit neuromorpher Hardware und Sensorik zu kombinieren. Als Referenzszenario diente die intelligente Überwachung von Straßenkreuzungen zum Schutz gefährdeter Verkehrsteilnehmer. Das Vorhaben gliederte sich in sechs Vorhabensziele, die von optimierter Sensordatenfusion über die Überführung von ANN- in SNN-Implementierungen und die Anbindung neuromorpher Sensoren bis hin zu Edge-Beschleunigerarchitekturen und Co-Design-Ansätzen reichten. Am Projekt waren fünf Partner beteiligt: FZI (Koordination), consider it GmbH, NXP Semiconductors Germany GmbH, Intel Deutschland GmbH und Forschungszentrum Jülich GmbH. Das Vorhaben lief vom 01.07.2022 bis zum 31.12.2025. Das Teilvorhaben der Intel Deutschland GmbH konzentrierte sich auf die Entwicklung von Spiking Neural Networks (SNN) auf der neuromorphen Hardware Loihi 2, die Anbindung event-basierter Kameras sowie die Erforschung von Co-Design-Ansätzen zwischen Algorithmen, Software und Hardware. Intel übernahm zudem die Leitung des Arbeitspakets Co-Design (AP5). Das übergeordnete Ziel war die Realisierung energieeffizienter, neuromorpher Verarbeitung von Kameradaten auf Loihi 2 in Echtzeit und die Quantifizierung der Vorteile gegenüber konventionellen Edge-Plattformen.