新思科技推出原型验证领域最新技术

新思科技近日宣布推出在原型验证领域最新的强大技术创新HAPS- 100,其可提供更快性能、更高调试效率以及卓越企业级可扩展性,来进一步加速软件开发和系统验证.HAPS- 100原型系统是新思科技Verification Continuum平台的一部分,支持设计人员、软件开发人员和验证工程师通过HAPS网关在任何地方开展...     

新思科技设计系统、验证平台双线出击

近日，新思科技针对IC设计及验证两个领域相继推出两款完整的解决方案，分别为高度自动化的设计环境Lynx设计系统及面向模拟／混合信号和数字设计的Discovery2009验证平台。     

新思科技凭借突破性机器学习技术将形式属性验证性能提高10倍

正Synopsys推出一种基于人工智能(AI)的最新形式验证应用,即回归模式加速器。作为新思科技VC Formal解决方案的组成部分,VC Formal采用最先进的机器学习算法,将设计和验证周期中的性能验证速度提高10倍。除了显著     

自动驾驶交叉路口测试场景建模及验证方法

自动驾驶汽车在缓解交通拥堵和消除交通事故方面发挥着重要作用.为了保证自动驾驶系统的安全性和可靠性,在自动驾驶汽车部署到公共道路之前,必须进行全面的测试.现有的测试场景数据大多来源于交通事故和交通违法场景,而且自动驾驶系统最基本的安全需求就是遵守交通法规,这充分体现了自动驾驶汽车遵守交通规则的重要性.然而,目前严重缺少针对交通法规构建的自动驾驶测试场景.因此,本文从交通法规出发,根据自动驾驶系统安全需求,提出交叉路口测试场景的Petri网建模及形式化验证方法.首先,依据自动驾驶测试场景对交规进行分类,提取适合自动驾驶汽车的文本交规,并进行半形式化表征.其次,以覆盖道路交通安全法规以及测试场景功能测试规程为目标,融合交叉路口场景要素的交互行为,合理选择并组合测试场景要素,布设交叉路口测试场景.然后,基于交规的测试场景被建模为一个Petri网,其中,库所描述自动驾驶汽车的状态,变迁表示状态的触发条件,并选择时钟约束规范语言（CCSL）作为中间语义语言,将Petri网转换为一个可进行形式化验证的中间语义模型,提出具体的转换方法.最后,通过Tina软件分析验证交规场景模型的活性、有界性和可达性,结果表明所建模型的正确性,并基于SMT的分析工具MyCCSL来分析CCSL约束,采用LTL公式以形式化方法验证交规场景模型的一致性.     

自动驾驶软件测试技术研究综述

自动驾驶系统（autonomous driving system,ADS）是一种集成高精度传感器、人工智能和地图导航系统等模块的信息—物理融合系统。该类系统中的自动驾驶软件完成了从高级辅助驾驶到无人驾驶任务中关键的感知、定位、预测、规划和控制任务。随着深度学习和强化学习等人工智能技术的发展和车载硬件设备的不断升级,高级别的自动驾驶软件已经逐渐应用于多种安全攸关的场景中,保障其运行稳定性与可靠性的测试技术逐渐成为学术界和产业界的研究重点。本文在广泛调研国内外文献基础上,对自动驾驶软件测试技术进行了深入分析与梳理。结合自动驾驶软件的架构特点及系统特征,讨论了面向自动驾驶系统的仿真测试和实景测试,以及面向组件的测试技术。其中,在仿真方法方面,分析了软件仿真、半实体仿真和在环仿真等技术;在仿真对象方面,讨论了静态环境仿真、动态场景仿真、传感器仿真和车辆动力学仿真等。同时,本文介绍了当前实景测试的进展与情况,重点分析了实景测试案例中的得失优劣。在面向自动驾驶软件组件的测试技术方面,重点讨论了当前数据驱动技术在感知组件、决策规划组件,以及控制组件测试方面的进展。最后,本文总结分析了自动驾驶软件测试当前面临的挑战,并对未来自动驾驶软件测试技术的研究方向和研究重点进行了展望。     

自动验证技术获得图灵奖

三人分享图灵奖 正当我们忙于抗震救灾和准备奥运的时候,2008年6月21日晚,美国计算机协会（ACM）在旧金山召开了2007年度ACM颁奖盛典。颁布了2007年度图灵奖、ACM Infosys基金会奖以及人工智能、软件系统、计算机理论与实践、计算科学与工程等领域的多个奖项。     

自动驾驶汽车障碍物检测技术综述

如何可靠地感知环境和辨别障碍物是自动驾驶汽车最重要的能力之一。其中,障碍物检测是文献中讨论最广泛的课题之一。在任何车辆运动中,都需要非常仔细地对障碍物进行检测,如果检测是可靠的,那么就能确定它的优化方案,以确保行车安全。文章介绍了自动驾驶汽车障碍物检测方法所需各类不同类型传感器的特点,重点阐述了基于电磁波信息、图像信息、多信息融合的障碍检测技术,其中许多方法已经提出了不同的应用领域和场景,为智能车研发提供一定的参考和借鉴。     

飞思卡尔DSP系列为下一代无线基站部署提供更高的性能支持

随着行业向速度更高、延迟更低且以数据为中心的3G-LTE移动网迁移,OEM厂商需要能够提供更高吞吐量的DSP,以满足日益复杂的基站计算要求。飞思卡尔最新的DSP通过其MAPLE-B基带加速计增强版本满足该需求。灵活的MAPLE-B2加速计在小块硅中提供高水平的吞吐量,从而在优化成本和功耗的同时在高级天线处理算法的实施中实现低延迟。     

飞思卡尔DSP系列为下一代无线基站部署提供更高的性能支持

<正>随着行业向速度更高、延迟更低、以数据为中心的3G-LTE移动网迁移,OEM厂商需要能够提供更高吞吐量的DSP,以满足日益复杂的基站计算要求。飞思卡尔最新的DSP通过其MAPLE-B基带加速计增强版本可     

新思科技推出PrimeSim Continuum解决方案

新思科技近日在世界用户大会(SNUG)上宣布推出PrimeSimContinuum解决方案.该方案是电路仿真技术的统一工作流程,可加速超收敛设计的创建和签核.PrimeSim Continuum 是新思科技定制设计平台的基础,以下一代SPICE和FastSPICE架构为基础,是业界唯一经过验证的GPU加速技术,为设计团...     

软件开发技术温故思新

21世纪信息社会将高度地依赖于信息系统。信息社会中战略资源是信息:信息的发掘与增加、信息的管理、信息的开发、流通和利用以及更新将是提高社会劳动生产率的主要手段。其核心技术与计算机紧密相关。计算机的应用,早已从数值计算领域发展到几乎深入到人类生产和生活的一切领域。可以预料到21世纪时,计算机将从目前基本上还是一种自成体系的设备,发展成一种到处都存在,但又看不见摸不着的“隐藏”在其它设备中的部件,使计算机完全融合在人类生活之中。 软件是灵魂 技术是保障 事实上,在现代化的社会中已经很难想象没有“计算机”、没有“软件”会是怎样?而计算机软件与硬件的关系也发生     

自动驾驶车辆在无信号交叉口右转驾驶决策技术研究

利用深度强化学习（deep reinforcement learning,DRL）技术实现自动驾驶决策已成为国内外研究热点,现有研究中的车辆交通流缺乏随机性与真实性,同时自动驾驶车辆在环境中的有效探索具有局限性。因此利用TD3算法进行自动驾驶车辆在无信号交叉口下的右转驾驶决策研究,首先在Carla仿真平台中开发无信号交叉口的训练与测试场景,并添加交通流管理功能,提高系统训练和测试随机性。其次,为了提高自动驾驶车辆的探索性,对TD3算法中的Actor网络进行改进,为目标动作添加OU噪声。最后使用通行成功率和平均通行时间评估指标评价自动驾驶行为决策。结果表明,在不同交通流场景下,改进后的TD3算法通行成功率与基于DDPG算法控制的车辆相比平均提升6.2%,与基于规则的AEB模型相比平均提升23%。改进后的TD3算法不仅能够探索更多可能,而且其通行决策表现更加突出。     

煤矿井下网联式自动驾驶技术研究

通过分析地面常规自动驾驶智能化和网联化技术发展现状及技术特点,结合煤矿井下无GNSS（全球卫星导航系统）信号覆盖、巷道照度低、遮挡物与障碍物较多、煤尘粉尘普遍存在的环境特点,提出了煤矿井下开展自动驾驶研究的关键技术,即无GNSS的移动高精定位技术、激光雷达技术、基于毫米波雷达的井下障碍物检测技术、井下低照度视频实时增强和特征匹配技术、井下环境高精地图技术、井下自动驾驶车辆决策规划技术、井下自动驾驶车辆控制执行技术、井下5G通信技术、C-V2X直连通信技术等;指出煤矿井下开展自动驾驶应用具有少人化/无人化需求显著、运营管理主体明确、场景封闭、路线固定、车速较慢、渗透率可控、5G建设基础较好、接口易开放等优势。构建了包括井下自动驾驶车辆、巷道基础设施、人员、煤矿云/边缘计算平台及煤矿自动驾驶应用服务平台的“人-车-巷-云”煤矿井下网联式自动驾驶系统参考架构,设计了包括感知定位系统、网联协同系统、车载操作系统、车辆基础组件的煤矿自动驾驶车辆架构,提出煤矿井下网联式自动驾驶演进将经历3个阶段：第1阶段为远程自动驾驶,实现车辆驾驶人员从井下到井上的转移;第2阶段为具有紧急接管边界的车辆自动驾驶,...     

自动驾驶安全关键场景生成技术综述

安全关键场景生成是自动驾驶的重要方向,在自动驾驶测试、汽车安全性评估和汽车安全标准构建等领域都有着很高的应用价值,是关系自动驾驶应用落地的关键。现有研究缺乏重点围绕安全关键场景生成技术的综述,因此本文对安全关键场景生成技术进行了系统性综述。首先,分析了安全关键场景生成技术的综述相关研究;其次,对安全关键场景生成模型进行了对比分析;再次,分类总结了基于聚类、贝叶斯网络和对抗网络的安全关键场景生成方法的进展;最后,对安全关键场景生成方法研究趋势进行了展望。     

新思科技推动汽车产业完善安全生态

<正>现在各行各业都在加速数字化转型,技术不断更新迭代,这背后离不开软件的支持。软件是数字化转型的核心,使企业能够以创新的方式为客户创造价值。如果由于软件的安全漏洞而遭受攻击,意味着业务运营存在危险。因此,各大企业都在积极部署软件安全计划,以便更顺畅地完成数字化转型,获得用户的信赖。     

新思科技实现硬件仿真性能突破

新思科技近日宣布在硬件仿真领域实现了突破性技术创新——ZeBu EP1,可提供10 MHz性能,以加速高性能计算(HPC)、5G、GPU、人工智能(AI)和汽车等领域复杂片上系统(SoC)的硬件和软件验证.ZeBu EP1硬件仿真系统基于新思科技经验证的直连架构来优化设计通信并提供前所未有的仿真性能.此外,ZeBu所独...     

飞思卡尔新款处理器有助于降低下一代电子阅读器的成本 促进其创新

<正>eReader处理器的顶级供应商期望通过集成了先进的ARM Cortex-A8技术和最新E Ink控制器的i.MX508器件来扩展其领先地位DisplaySearch预测,2010年全球eBook/eReader器件的发货量将是2009年的3倍,增长到1400万件以上。这种增长的关键将提高数字阅读体验的质量,同时又经济实惠。针对这一市场,飞思卡尔半导体正在通过其     

自动驾驶场景下的轨迹预测技术综述

轨迹预测是自动驾驶和智能交通领域的关键技术,对于车辆和移动行人轨迹的准确预测可提升自动驾驶系统对周围环境变化的感知能力,保障自动驾驶系统的安全性。数据驱动轨迹预测方法可捕捉智能体之间的交互特征,对场景内智能体历史运动和静态环境信息进行分析,准确预测智能体的未来轨迹。介绍轨迹预测的数学模型并将其分为传统轨迹预测方法和数据驱动轨迹预测方法 2类,阐述主流数据驱动轨迹预测方法所面临的智能体交互建模、运动行为意图预测、轨迹多样性预测、场景内静态环境信息融合等4个主要挑战,从轨迹预测数据集使用、性能评价指标、模型特点等方面出发对典型数据驱动轨迹预测方法进行分析与对比,总结归纳这些典型数据驱动轨迹预测方法针对上述挑战的解决思路和应用场景,并对自动驾驶场景下轨迹预测技术的未来发展方向进行展望。     

基于深度强化学习的自动驾驶技术研究

传统的自动驾驶行为决策算法需要人为设定复杂的规则,从而导致车辆决策时间长、决策效果不佳、对于新的环境不具有适应性,而强化学习作为近年来机器学习和智能控制领域的主要方法之一,车辆仅通过与环境交互便可以学习到合理、有效的策略。本文基于DDPG(Deep Deterministic Policy Gradient)算法,通过设计合理的奖励函数、深度卷积网络、探索策略,在Carla模拟器中实现指定路线的自动驾驶。