Arquitectura de referencia para operaciones de vehículos autónomos (AVOps)

  • Artículo

Microsoft respalda el mercado de sistemas avanzados y autónomos de asistencia al conductor (ADAS) a través de Azure Cloud Services, servicios en el perímetro y tecnologías de inteligencia artificial de inteligencia artificial (IA). Azure proporciona una infraestructura escalable, segura y fiable para el almacenamiento, procesamiento y análisis de grandes cantidades de datos que generan los vehículos autónomos. Los servicios de Azure contribuyen a las operaciones de vehículos autónomos (AVOps) proporcionando capacidades para ingerir, procesar y gestionar cantidades de datos que alcanzan los exabytes. Las funcionalidades de IA de Microsoft se utilizan para desarrollar modelos aprendizaje automático para sistemas de conducción autónoma. Las soluciones de Microsoft ayudan a las empresas del sector automovilístico a acelerar el desarrollo y la implementación de tecnologías autónomas y ADAS.

Un flujo industrial típico para el ciclo de vida de desarrollo de vehículos autónomos donde se resaltan las tres etapas clave es como sigue:

  1. Ingesta y conservación de datos: la recopilación y clasificación de conjuntos de datos meticulosamente seleccionados para el desarrollo de sistemas avanzados de asistencia al conductor y vehículos autónomos (ADAS/AV).
  2. Pruebas, formación y simulación: simulación y formación en modelos ADAS/AV en numerosos escenarios reales.
  3. Creación y validación: verificación y validación del software a bordo del vehículo con vehículos conectados.

Diagrama de la arquitectura que muestra el ciclo de vida ADAS/AV

Retos actuales

Las empresas de movilidad se enfrentan a una serie de desafíos fundamentales cuando abordan el complejo panorama de las funciones autónomas y los fabricantes de equipos originales (OEM) de vehículos:

  • Dificultades de la administración de datos
  • Integración perfecta de hardware y software
  • Precisión de la simulación
  • Cumplimiento normativo
  • Preocupación por la ciberseguridad
  • Optimización de algoritmos
  • Infraestructura de seguridad
  • Coordinación de la colaboración en el diverso ecosistema de vehículos autónomos

Nuestro objetivo es abordar los retos que plantea la creación de un back-end que permita una solución de vehículo autónomo a escala mediante una arquitectura de referencia denominada operaciones de vehículo autónomo (AVOps). AVOps es una arquitectura de referencia integral que aborda los desafíos clave y al mismo tiempo brinda flexibilidad para trabajar con varios partners o soluciones personalizadas internas.

Ventajas de AVOps

Microsoft AVOps es compatible con la conducción autónoma y confiere especial importancia a agilizar la eficiencia y mejorar la verificación y validación de la seguridad, al tiempo que integra múltiples procesos y entornos de desarrollo en una plataforma unificada. AVOps, cuando se combina con soluciones críticas de partners, facilita la aceleración de las cargas de trabajo de conducción autónoma y las capacidades computacionales a la nube, lo que ahorra costes y tiempo a la vez que reduce la complejidad del proceso.

AVOps acelera el desarrollo de vehículos autónomos abordando las siguientes áreas clave:

  • Optimizar el desarrollo de ingeniería en un único repositorio, lago de datos y flujo de trabajo.
  • Crear y probar confirmaciones automáticamente para una detección de errores más rápida
  • Acelerar la innovación a través de código, datos, modelos y canales de formación compartidos
  • Automatizar todo el proceso desde la confirmación del código hasta la producción
  • Supervisar canalizaciones, infraestructura y productos en el entorno de producción para detectar anomalías
  • Replicar modelos de vehículos exactos en la nube para acelerar el tiempo de comercialización

Arquitectura de referencia de AVOps

AVOps establece un ciclo de vida de desarrollo de la conducción autónoma uniforme con un flujo de desarrollo de vehículos autónomos estándar del sector. El banco de pruebas digital para el desarrollo de ADAS/AV integra todos los procesos de desarrollo en una sola plataforma, desde DataOps, MLOps y DevOps hasta ValidationOps.

Diagrama que muestra la arquitectura de referencia de AVOps

La arquitectura AVOps incluye los siguientes cuatro elementos principales.

  • DataOps: ingiere datos de medición, como vídeos, imágenes, lidar y radar, y selecciona y extrae datos, y los etiqueta. Obtenga más información sobre DataOps aquí: DataOps para operaciones de vehículos autónomos
  • MLOps: entrena algoritmos, como modelos de percepción y modelos posteriores a la percepción.
  • ValidationOps: valida funciones de conducción autónoma basadas en modelos entrenados y datos reales sin procesar.
  • Funciones centralizadas de AVOps: ofrecer funcionalidades generales como la búsqueda de metadatos, catálogo de datos, orquestación general, gobernanza de plataformas y plantillas de infraestructura estandarizadas.

El desarrollo de vehículos autónomos requiere un almacenamiento considerable, informática de alto rendimiento y gestión de datos a través de muchos partners y equipos internos de ingeniería y TI para encontrar, seleccionar, mejorar, etiquetar y gestionar los conjuntos de datos más interesantes a través de la recopilación directa de datos del vehículo o los datos generados sintéticamente con fines de entrenamiento de IA/ML esenciales. La arquitectura de referencia AVOps permite a los partners/OEM acelerar su desarrollo de vehículos autónomos.

Mejora de AVOps con IA generativa

La IA generativa puede ayudar a reducir la complejidad, el coste y el tiempo de desarrollo y prueba de sistemas de conducción autónoma. El documento técnico de Microsoft, Mejora de la eficiencia en AVOps con IA generativa, explora cómo la IA generativa, una rama de la inteligencia artificial que puede crear nuevos contenidos o datos desde cero, mejora la movilidad autónoma y la capacidad de los vehículos para operar sin intervención humana. El documento explica los desafíos y oportunidades clave de la IA generativa para operaciones de vehículos autónomos (AVOps), como la simulación, validación, optimización y personalización. El documento enumera los principales casos de uso de IA generativa para AVOps, como generar escenarios sintéticos, validar datos de sensores, optimizar el comportamiento de conducción y personalizar la experiencia del usuario. Además, el artículo presenta el estado actual de la IA generativa y comenta sus direcciones futuras y los problemas abiertos para la movilidad autónoma.

Habilitar las tecnologías de Microsoft

Las tecnologías clave de Microsoft que habilitan la arquitectura de referencia AVOps incluyen:

Tecnología de habilitación Descripción
Azure Data Factory Azure Data Factory efectúa ETL mediante procesamiento por lotes y crea flujos de trabajo basados en datos para coordinar el movimiento y transformación de datos.
Azure Batch Azure Batch ejecuta inferencia por lotes a gran escala para la validación de bucle abierto dentro del un marco de trabajo Resin.
Azure CycleCloud Azure CycleCloud ofrece la forma más sencilla de administrar cargas de trabajo HPC utilizando cualquier Scheduler (como Slurm, Grid Engine, HPC Pack, HTCondor, LSF, PBS Pro o Symphony) en Azure.
Azure Arc Azure Arc es un puente que amplía la plataforma Azure para ayudarle a crear aplicaciones y servicios.
Azure Blob Storage Un almacenamiento de objetos enormemente escalable para cualquier tipo de datos no estructurados (imágenes, vídeos, audio, documentos y mucho más) de forma sencilla y rentable.

Pasos siguientes

Comenzar con el siguiente artículo:

Crear una solución de operaciones de vehículos autónomos (AVOps)

A continuación, puede consultar los siguientes artículos: