Table of Contents Table of Contents
Previous Page  23 / 100 Next Page
Information
Show Menu
Previous Page 23 / 100 Next Page
Page Background

23

EMBEDDED

SETTEMBRE

FOCUS ON |

IN TEMPO REALE

di una enorme quantità di dati provenienti da diverse

sorgenti (telecamere, lidar, radar e così via), che devono

essere fuse ed interpretate (tipicamente tramite l’ausi-

À $ À

-

dere decisioni in real-time relative alla assistenza alla

guida (e in futuro relative alla guida autonoma). Una

delle problematiche non ancora risolte completamente

su questi sistemi riguarda la predicibilità dei tempi di

D \ 9

Á

J

-

se condivise e in particolare al sottosistema della me-

moria provocano infatti oscillazioni enormi nei tempi di

calcolo. Per limitare

questi effetti, possono

essere utilizzate tec-

niche apposite come

PREM e MemGuard,

che permettono di

migliorare la predi-

cibilità tramite l’uso

rispettivamente

di

prefetching e di li-

mitatori di banda di

memoria. Su questo

argomento Eviden-

ce è particolarmente

impegnata assieme

all’Università di Mo-

#>F 

-

go per fornire maggiori caratteristiche di predicibilità ai

sistemi multicore di prossima generazione nell’ambito

9 F2 2 F#3 & #=

[1]

.

EMBEDDED:

-

tare per la raccolta e gestione dei dati (IoT e Big Data)

À

À

Gai:

Nell’ambito del trattamento dei dati occorre sot-

tolineare quanto sia necessaria l’applicazione di tec-

;

D

D

9

À

ottenere una garanzia dal punto di vista della safety

À

molti sistemi saranno richiesti i livelli di safety più

elevati, con i relativi costi aggiuntivi che un tale svi-

luppo comporta). Inoltre, particolare attenzione dovrà

DD

9 À

dati scambiati sia all’interno dell’auto sia all’esterno.

Anche in questo caso, si richiederanno dei livelli di sa-

fety EAL elevati (6 o 7), nonché lo sviluppo di librerie

9 À ; 9

embedded di piccola dimensione.

EMBEDDED:

Con riferimento ai prodotti/soluzioni

-

vità avete in uscita?

Gai:

Evidence rilascerà durante questo anno la nuova

versione 3 del sistema operativo automotive ERIKA

Enterprise. Si tratta di una completa riscrittura del

sistema, nata per supportare architetture di nuova ge-

nerazione multicore eterogenee, nonché tematiche di

safety ISO26262 e di security. Inoltre, Evidence inse-

rirà ERIKA 3 in una piattaforma completa, che vedrà

l’utilizzo di più sistemi operativi sullo stesso chip tra-

J

FH

=

V F @

EMBEDDED:

Quali nuovi progetti e partnership vi

vedono impegnati nel settore automotive e con quali

Gai:

Da alcune settimane Evidence è diventato part-

D 4&>!=43 1

-

ber. Questo ci permetterà di potere realizzare prodotti

;

D

4&>!

-

=43 ;

À

versione del sistema operativo ERIKA Enterprise V3,

;{

À9 D 3>*1 ;

-

rà esteso con un tool di generazione del middleware

3>#@ #

FH

À

9 V F

di Siemens, progetto che permette la coesistenza di

più sistemi operativi all’interno della stessa piattafor-

ma Multicore.

>

9

J

9

-

3#>/O4

[2]

F#3 & #=

[1]

, quest’ultimo

coordinato dall’Università di Modena e che vede tra

i vari partner anche aziende come Magneti Marelli e

%/>!"

DD D

9

autonoma, valet parking e autopiloti.

J

À K ^

D

modulare che metta assieme necessità scalabili che

vanno dai sistemi operativi minimali per applicazioni

powertrain, cambio robotizzato e sensori, verso l’inte-

grazione in sistemi multicore alte prestazioni basati

su chip ARM di nuova generazione, con supporto per

accelerazioni GPU (stiamo ad esempio lavorando al

porting di ERIKA3 sulla Nvidia Parker PX2), o FPGA

9 #3/‚4?

0

Ultrascale+).

Note

[1]

http://www.hercules2020.eu

[2]

http://www.retinaproject.eu/

Paolo Gai,

Ceo di Evidence