瑞萨电子和专注多核CPU/GPU/FPGA加速技术的Fixstars公司合作开发一套用於R-Car SoC的工具软体，以优化并快速模拟用於自动驾驶（AD）系统和先进驾驶辅助系统（ADAS）的软体。这些工具软体可以在软体开发初期即充份利用R-Car的性能优势，快速开发具有高精度物件辨识的网路模型，可以减少开发後期的重工，有助於缩短开发周期。

瑞萨电子和Fixstars公司合作开发用於R-Car SoC的AD和ADAS AI最隹化软体工具，优化并快速模拟用於自动驾驶系统和先进驾驶辅助系统的软体。

瑞萨车用软体开发部??总裁Hirofumi Kawaguchi表示：「瑞萨持续创造整合式开发环境，为客户提供『软体优先』的开发方式。透过支援为R-Car量身订做的深度学习模型的开发，帮助我们的客户建构AD和ADAS解决方案，以缩短上市时间和开发成本。」

Fixstars执行长Satoshi Miki表示：「GENESIS for R-Car是我们与瑞萨共同建构的云端评估环境，使工程师得以在开发前进行元件的评估和选择，且已经有许多客户开始使用。我们将持续开发新技术来加速机器学习操作（MLOps），以用於维护最新版的车用应用软体。」

目前AD和ADAS应用采用深度学习来实现高精度的物件辨识。深度学习的推理过程需要大量的资料运算和记忆体空间。而实际车用产品的模型和可执行程式必须针对车用SoC进行优化，因为使用有限的运算单元和记忆体空间进行即时处理是一项非常有挑战性的任务。此外，也需要加快从软体评估到验证的流程，并且需要持续更新应用程式以提高准确性和性能。

瑞萨和Fixstars开发以下的工具来满足客户需求，包括用於产生针对R-Car的优化网路模型、用於为R-Car编译网路模型，以及用於快速模拟执行经过编译的程式。瑞萨和Fixstars将持续在「Automotive SW Platform Lab」上开发深度学习软体，并建构执行环境，透过不断更新网路模型来维持和提高辨识精度和性能。

目前推出的第一套工具专为适用於AD和ADAS应用的R-Car V4H SoC设计，结合高达每秒34万亿次运算（TOPS）的深度学习性能和高效能。