Guida alla progettazione delle operazioni dei veicoli autonomi (AVOps)
Questo articolo offre una panoramica delle fasi, dell'architettura e delle sfide coinvolte nella creazione di un back-end per abilitare una soluzione di veicoli autonomi su larga scala. Per altre informazioni sulle informazioni, le raccomandazioni tecnologiche e le soluzioni open source e partner per aree specifiche, ad esempio simulazione e modelli di dati, vedere l'idea della soluzione Operazioni automatizzate dei veicoli.
Le operazioni del veicolo autonomo (AVOps) richiedono in genere una notevole quantità di spazio di archiviazione e calcolo per:
- Acquisire ed elaborare dati e scene dai veicoli di test, come materiale di apprendimento per i modelli di percezione che i veicoli devono guidare autonomamente.
- Eseguire il training dei modelli di percezione per riconoscere un ambiente, come funzionalità di base per guidare autonomamente.
- Eseguire la convalida della sicurezza in base alle simulazioni a ciclo aperto e a ciclo chiuso.
Fasi principali
Lo sviluppo di una soluzione di guida autonoma (AD) prevede in genere tre fasi principali:
- Inserire e curare i dati. Raccolta e perfezionamento di set di dati scelti con attenzione per lo sviluppo avanzato del sistema di assistenza guida/veicolo autonomo (ADAS/AV).
- Testare, eseguire il training e simulare in modo iterativo. Simulazione e training di modelli ADAS/AV in numerosi scenari di verità di base.
- Compilare e convalidare. Verifica e convalida del software nel veicolo con veicoli connessi.
AVOps implementa un ciclo di vita di sviluppo autonomo:
Elementi dell'architettura
L'architettura AVOps è costituita dai quattro elementi principali seguenti. L'articolo successivo di questa serie descrive questi elementi in modo più dettagliato.
- DataOps. Inserire dati di misurazione (video, immagini, lidar e radar), curare ed estrarre dati ed etichettare i dati.
- MLOps. Eseguire il training di algoritmi, ad esempio modelli di percezione e modelli di post-percezione.
- ValOps. Convalidare le funzioni di guida autonome in base ai modelli sottoposti a training e ai dati di verità non elaborati.
- Funzioni centralizzate AVOps. Offrire funzionalità generali come la ricerca di metadati, il catalogo dati, l'orchestrazione complessiva, la governance della piattaforma e i modelli di infrastruttura standardizzati.
Sfide
- Raccolta dati. Raccolta e analisi di grandi quantità di dati per identificare i modelli e migliorare le prestazioni del veicolo nel tempo. La maggior parte dei costi dello sviluppo di veicoli autonomi viene impiegata per la gestione dei dati e i test.
- Gestione dei dati. Gestire grandi quantità di dati generati da sensori e sistemi del veicolo e determinare quali dati sono utili.
- Copertura dello scenario. Verifica che l'OEM abbia testato il veicolo in una gamma di scenari, tra cui condizioni meteorologiche, illuminazione e strade diverse.
- Complessità. Gestione del set di algoritmi e sistemi di grandi dimensioni e diversificati necessari per il funzionamento autonomo.
- Verifica e convalida. Test approfondito del software per assicurarsi che si comporti come previsto in una gamma di scenari e ambienti.
- Disponibilità dei dati. Condivisione dei dati. Team distribuiti a livello globale e terze parti rendono la condivisione di una sfida.
AVOps consente alle organizzazioni di sfruttare la scalabilità, la flessibilità e l'efficacia dei costi dell'infrastruttura basata sul cloud e riduce il time-to-market per i veicoli automatizzati.
Collaboratori
Questo articolo viene gestito da Microsoft. Originariamente è stato scritto dai seguenti contributori.
Autori principali:
- Ryan Matsumura | Senior Program Manager
- Jochen Schroeer | Lead Architect (Service Line Mobility)
Altri contributori:
- Mick Alberts | Writer tecnico
- David Peterson | Capo architetto
- Gabriel Sallah | HPC/AI Global Black Belt Specialist
Per visualizzare i profili LinkedIn non pubblici, accedere a LinkedIn.
Passaggi successivi
Per altre informazioni sulle informazioni, le raccomandazioni tecnologiche e le soluzioni open source e dei partner per aree specifiche come simulazione e modelli di dati, vedere l'idea della soluzione:
Potrebbero essere utili anche le risorse seguenti: