Mózg samochodu autonomicznego będzie w chmurze. W chmurze AWS

Kazimierz Sikorski
Kazimierz Sikorski
materiały prasowe
Nadchodzi era samochodów autonomicznych, które mogą sprawić, że jazda stanie się bezpieczniejsza. Do tego potrzebują ogromnych ilości informacji, które najlepiej bezpiecznie trzymać w chmurze.

Samochody autonomiczne (samojezdne) to sprawa niedalekiej przyszłości i mogą sprawić, że jazda stanie się bezpieczniejsza i bardziej efektywna.

Auta te wyposażone w łącza internetowe, za pośrednictwem których nawiązują relacje ze sobą i otaczającym je środowiskiem. W tych samochodach implementowane są różnego rodzaju funkcjonalności, jak np. zachowanie dystansu i zsynchronizowanie hamowania dla uniknięcia wypadków.

Dla zapewnienia bezpieczniejszej jazdy, będą też wyposażone w takie funkcje, jak wspomaganie pasa ruchu, unikanie kolizji i automatyczne wzywanie służb ratunkowych.

Niektóre marki idą dalej w zakresie automatyzacji, wprowadzając innowacje umożliwiające pojazdom komunikację z pobliską infrastrukturą, a nawet z pieszymi.

Aby rozwijać i wdrażać autonomiczne samochody na dużą skalę, niezbędna jest odpowiednia infrastruktura technologiczna. Produkcja tych pojazdów wymaga mocy obliczeniowych o wysokiej wydajności, bezproblemowego zabezpieczenia cybernetycznego i zdolności do zarządzania dużymi zbiorami danych. Dlatego coraz więcej firm bierze pod uwagę niezawodność, skalowalność i bezpieczeństwo zapewniane przez chmurę.

Szkolenie i testowanie

Samochody autonomiczne mają być pojazdami, które działają bezpieczniej niż ludzie. Do tego potrzeba szeroko zakrojonego modelowania i testowania. Zdolność do gromadzenia, przechowywania i zarządzania danymi ma tutaj kluczowe znaczenie, podobnie jak zaawansowane techniki uczenia maszynowego.
Instytut Badawczy Toyoty (TRI) uważa, że dokładne szkolenie autonomicznych samochodów wymaga przeprowadzenia testów na odległość bilionów kilometrów.

Aby to osiągnąć, dysponuje flotą samochodów testowych wyposażonych w czujniki kierunku światła i zasięgu (Lidar), które rejestrują dane, gromadząc codziennie terabajty danych, wymagające szybkiego wyszukiwania i analizy.
„TRI wykorzystuje AWS do zarządzania tymi danymi i uzyskania dostępu do mocy obliczeniowej, niezbędnej do szybkiego szkolenia modeli sztucznej inteligencji. Korzystając z infrastruktury chmury obliczeniowej, zyskano możliwość uruchamiania niemal dowolnej mocy obliczeniowej i zasobów przechowywania danych na żądanie – gdy tylko jest to wymagane, w ciągu minut”, mówi Tomasz Stachlewski, CEE Senior Solutions Architecture Manager w AWS.

Obecnie TRI, wykorzystując moc chmury, cyklicznie przelicza na nowo wytrenowane modele sztucznej inteligencji na podstawie nowych danych, które są przez nich gromadzone – zwiększając dzięki temu dokładność i szybciej wprowadzając nowe funkcje.

Przekraczanie granic
Umożliwienie autonomicznym samochodom podejmowania szybkich decyzji w oparciu o dane sprawi, że nasze drogi będą bezpieczniejsze. Maszyny te potrzebują niezawodnej infrastruktury o małych opóźnieniach i wysokiej dostępności. Muszą analizować informacje w czasie rzeczywistym, w tym dane dotyczące warunków drogowych, pogody i zachowania innych pojazdów. Zastosowanie AI pozwoli na szybkie i bezpieczne reagowanie samochodu na warunki drogowe.
„Edge computing pozwala tej podstawowej technologii samochodowej na przetwarzanie danych w samochodzie. Kiedy sekunda opóźnienia może zmienić bezpieczną reakcję w niebezpieczną, autonomiczne pojazdy nie mogą sobie pozwolić na oczekiwanie na przetwarzanie danych w odległych serwerowniach”, mówi Stachlewski. „Dlatego organizacje muszą szukać dostawców usług chmurowych ze zintegrowanymi rozwiązaniami edge. Pozwalają one na analizę krytycznych danych u źródła”.

Bezpieczeństwo w chmurze

Przy projektowaniu autonomicznych samochodów zorientowanych na bezpieczeństwo, szczególnie ważnie jest bezpieczeństwo cyberprzestrzeni. Każdy pojazd staje się nowym punktem końcowym, który musi być zabezpieczony.

AWS zapewnia pełen zestaw usług wspierających autonomiczny rozwój i wdrażanie pojazdów oraz systemy wspomagania kierowcy (ADAS). „Niemal nieograniczona pojemność pamięci masowej i obliczeniowej chmury AWS oraz wsparcie dla popularnych rozwiązań do deep learning, takich jak Apache MXNet, TensorFlow i PyTorch, przyspieszają trenowanie i testowanie algorytmów. Z kolei AWS Greengrass zapewnia obliczenia edge z możliwością ML w celu przetwarzania w czasie rzeczywistym lokalnych reguł i zdarzeń w pojeździe. Połączenie skalowalnej pamięci masowej i pojemności obliczeniowej oraz wsparcie dla ML pomaga przyspieszyć testy i rozwój usług” dodaje Tomasz Stachlewski.

Elektrownia atomowa w Polsce za 20 lat

Wideo

Komentarze

Komentowanie artykułów jest możliwe wyłącznie dla zalogowanych Użytkowników. Cenimy wolność słowa i nieskrępowane dyskusje, ale serdecznie prosimy o przestrzeganie kultury osobistej, dobrych obyczajów i reguł prawa. Wszelkie wpisy, które nie są zgodne ze standardami, proszę zgłaszać do moderacji. Zaloguj się lub załóż konto

Nie hejtuj, pisz kulturalne i zgodne z prawem komentarze! Jeśli widzisz niestosowny wpis - kliknij „zgłoś nadużycie”.

Podaj powód zgłoszenia

Nikt jeszcze nie skomentował tego artykułu.
Dodaj ogłoszenie