Freigeben über

Referenzarchitektur für den autonomen Fahrzeugbetrieb (AVOps)

  • Artikel

Microsoft unterstützt den Markt für autonome und fortschrittliche Fahrerassistenzsysteme (ADAS) durch seine Microsoft Azure Dienste, Edge-Dienste und KI-Technologien für künstliche Intelligenz. Azure bietet eine skalierbare, sichere und zuverlässige Infrastruktur für die Speicherung, Verarbeitung und Analyse der riesigen Datenmengen, die von autonomen Fahrzeugen generiert werden. Azure-Dienste unterstützen den autonomen Fahrzeugbetrieb (AVOps), indem sie Funktionen zur Aufnahme, Verarbeitung und Bereitstellung von Exabytes an Daten bereitstellen. Die KI-Funktionen von Microsoft werden zur Entwicklung von Machine Learning-Modellen für autonome Fahrsysteme genutzt. Microsoft-Lösungen helfen Unternehmen in der Automobilindustrie, die Entwicklung und Bereitstellung autonomer und ADAS-Technologien zu beschleunigen.

Ein typischer Branchenflow für den Entwicklungslebenszyklus autonomer Fahrzeuge, der drei Schlüsselphasen hervorhebt, ist wie folgt:

  1. Datenerfassung und -kuratierung: Sammlung und Verfeinerung sorgfältig ausgewählter Datensätze für die Entwicklung fortschrittlicher Fahrerassistenzsysteme/autonomer Fahrzeuge (ADAS/AV).
  2. Testen, Training und Simulation: Simulation und Training von ADAS/AV-Modellen in zahlreichen Ground-Truth-Szenarien.
  3. Aufbau und Validierung: Verifizierung und Validierung der Software im Fahrzeug mit vernetzten Fahrzeugen.

Diagramm mit der Architektur und dem ADAS/AV-Lebenszyklus

Derzeitige Herausforderungen

Mobilitätsunternehmen stehen vor einer Reihe zentraler Herausforderungen, wenn sie sich in der komplexen Landschaft autonomer Fähigkeiten und Originalausrüster (OEMs) von Fahrzeugen zurechtfinden wollen:

  • Feinheiten der Datenverwaltung
  • Nahtlose Hardware-Software-Integration
  • Simulationsgenauigkeit
  • Gesetzlich vorgeschriebene Konformität
  • Bedenken hinsichtlich der Cybersicherheit
  • Algorithmusoptimierung
  • Sicherheitsinfrastruktur
  • Orchestrierung der Zusammenarbeit innerhalb des vielfältigen Ökosystems autonomer Fahrzeuge

Unser Ziel besteht darin, die Herausforderungen zu bewältigen, die mit der Erstellung eines Back-Ends verbunden sind, um eine autonome Fahrzeuglösung im großen Maßstab durch eine Referenzarchitektur namens Autonomous Vehicle Operations (AVOps) zu ermöglichen. AVOps ist eine End-to-End-Referenzarchitektur, die die wichtigsten Herausforderungen angeht und gleichzeitig Flexibilität für die Zusammenarbeit mit verschiedenen Partnern oder unternehmensinternen kundenspezifischen Lösungen bietet.

Vorteile von AVOps

Microsoft AVOps unterstützt autonomes Fahren, indem es großen Wert auf die Beschleunigung der Effizienz und die Verbesserung der Sicherheitsüberprüfung und -validierung legt und gleichzeitig mehrere Entwicklungsprozesse und -Umgebungen in einer einheitlichen Plattform integriert. In Kombination mit wichtigen Partnerlösungen erleichtert AVOps die Beschleunigung der Workloads und Rechenkapazitäten des autonomen Fahrens in die Cloud. Dies spart Kosten und Zeit und reduziert gleichzeitig die Komplexität des Prozesses.

AVOps beschleunigt die Entwicklung autonomer Fahrzeuge, indem es die folgenden Schlüsselbereiche anspricht:

  • Optimiert die technische Entwicklung in einem einzigen Repository, Data Lake und Workflow.
  • Erstellt und testet für eine schnellere Fehlererkennung.
  • Beschleunigt Innovationen durch gemeinsam genutzten Code, Daten, Modelle und Trainings-Pipelines.
  • Automatisiert den gesamten Prozess vom Code-Commit bis zur Produktion.
  • Überwacht Pipelines, Infrastruktur und Produkte in der Produktion auf Anomalien.
  • Repliziert die exakten Fahrzeugmodelle in der Cloud, um die Markteinführungszeit zu verkürzen.

AVOps Referenzarchitektur

AVOps implementiert einen Entwicklungslebenszyklus für autonomes Fahren, der einem branchenüblichen Entwicklungsablauf für autonome Fahrzeuge entspricht. Die digitale Testumgebung für die ADAS/AV-Entwicklung integriert alle Entwicklungsprozesse in einer Plattform, von DataOps, MLOps und DevOps bis hin zu ValidationOps.

Diagramm mit der AVOps Referenzarchitektur.

Die AVOps-Architektur umfasst die folgenden vier Hauptelemente.

  • DataOps: Nimmt Messdaten wie Videos, Bilder, Lidar und Radar auf, kuratiert und extrahiert Daten und beschriftet Daten. Erfahren Sie hier mehr über DataOps: DataOps für den autonomen Fahrzeugbetrieb
  • MLOps: Trainiert Algorithmen wie Wahrnehmungsmodelle und Post-Wahrnehmungsmodelle.
  • ValidationOps: Validiert autonome Fahrfunktionen basierend auf trainierten Modellen und rohen Grund-Wahrheits-Daten.
  • Zentralisierte AVOps-Funktionen: Bereitstellung übergreifender Funktionen wie Metadatensuche, Datenkatalog, allgemeine Orchestrierung, Plattform-Governance und standardisierte Infrastrukturvorlagen.

Die Entwicklung autonomer Fahrzeuge erfordert beträchtlichen Speicherplatz, Hochleistungsrechnen und Datenmanagement bei vielen internen Technik-/IT-Teams und Partnern, um die interessantesten Datensätze durch direkte Fahrzeugdatenerfassung oder synthetisch generierte Daten für kritische KI/KM-Schulung zu finden, zu kuratieren, zu verbessern, zu kennzeichnen und zu verwalten. Mithilfe der AVOps-Referenzarchitektur können Partner/OEMs die Entwicklung autonomer Fahrzeuge beschleunigen.

Verbesserung von AVOps mit generativer KI

Generative KI kann dazu beitragen, die Komplexität, Kosten und Zeit bei der Entwicklung und Erprobung autonomer Fahrsysteme zu reduzieren. Weitere Informationen finden Sie unter AVOps mit generativer KI verbessern.

Für Microsoft-Technologien aktiviert

Zu den wichtigsten Microsoft-Technologien, die die AVOps-Referenzarchitektur ermöglichen, gehören:

Technologie aktivieren Eigenschaft
Azure Data Factory Azure Data Factory führt ETL (Extrahieren, Transformieren, Laden) per Batchverarbeitung durch und erstellt datengesteuerte Workflows zum Orchestrieren der Datenbewegung und Transformieren von Daten.
Azure Batch Azure Batch führt umfangreiche Batch-Inferenz zur Open-Loop-Validierung innerhalb eines Resin-Frameworks aus.
Azure CycleCloud Azure CycleCloud bietet die einfachste Möglichkeit, Hochleistungs-Workloads (HPC) mit einem beliebigen Planer (wie Slurm, Grid Engine, HPC Pack, HTCondor, LSF, PBS Pro oder Symphony) auf Azure zu verwalten.
Azure Arc Azure Arc ist eine Brücke, die die Azure-Plattform erweitert, um Sie beim Erstellen von Anwendungen und Diensten zu unterstützen.
Azure Blob Storage Ein massiv skalierbarer Objektspeicher für jede Art von unstrukturierten Daten–Bildern, Videos, Audio, Dokumenten usw. – einfach und kostengünstig.

Nächste Schritte,

Erste Schritte mit den folgenden Artikeln:

Erstellen Sie eine Lösung für den autonomen Fahrzeugbetrieb (AVOps)

Sie können dann auf die folgenden Artikel verweisen: