CANoe4AI
Avec CANoe4AI, vous testez et analysez des composants logiciels d’IA à l’aide de méthodes de test spécifiques à l’IA. Et ce, dès les premières phases de développement, dans des environnements SIL virtuels, sans matériel physique. L’outil soutient les tests basés sur les données et les scénarios et s’intègre de manière flexible dans les environnements de développement existants, tels que les workflows CI/CT. Cela vous permet d’améliorer la qualité logicielle et de détecter les erreurs à un stade précoce.
Associé à CANoe, vous disposez d’un environnement de test tout-en-un pour évaluer des systèmes complets, y compris les réseaux et les E/S.
Les défis liés aux tests des algorithmes d'IA
Dans un nombre croissant d’appareils – par exemple les calculateurs électroniques (ECU) dans le secteur automobile ou les contrôleurs médicaux –, les algorithmes d’IA prennent en charge le traitement de grandes quantités de données. Bon nombre de ces appareils fonctionnent en temps réel. Cependant, de nombreux modèles d’IA, en particulier les plus complexes, ne sont pas déterministes et leurs décisions ne sont pas facilement compréhensibles pour les humains. Cela rend le dépannage, la testabilité et la confiance dans la fiabilité des systèmes très difficiles.
Vector possède plusieurs décennies d’expérience dans le test du Logiciel embarqué et de systèmes en réseau complets. Avec CANoe4AI, nous élargissons notre gamme de produits pour y inclure le test d’algorithmes d’IA embarqués. CANoe4AI est actuellement en phase de pré-lancement et a fait l’objet de tests approfondis avec des cas d’utilisation génériques. Avant sa mise sur le marché, nous souhaitons également tester des cas d’utilisation spécifiques avec cet outil.
CANoe4AI – Principales fonctionnalités
- Intégration flexible
Utilisez-le comme application web ou bibliothèque Python pour l'intégrer à des configurations d'IA complexes et à des pipelines CI/CD. - Analyse intelligente des indicateurs
Décompose les indicateurs de performance pour identifier les échantillons sous-performants. - Décisions d’IA compréhensibles
Utilise des méthodes d’IA explicables pour montrer ce qui a influencé la décision de l’IA, ce qui facilite la détection des erreurs.
- Recherche par similarité et génération d'ensembles de données
Permet de trouver des échantillons similaires à l’aide de requêtes sous forme d’images ou de texte afin de constituer de meilleurs ensembles de données. - Support étendu pour les tâches d’IA et les formats
Supporte les tâches de classification, de détection et de régression pour les images, les vidéos et les séries chronologiques dans PyTorch, TensorFlow, ONNX et bien d’autres encore. - Intégration complète de la chaîne d’outils Vector
S'intègre de manière transparente aux autres outils Vector pour créer des workflows d'IA de bout en bout.
