Compartir a través de

Guía de diseño de operaciones de vehículos autónomos (AVOps)

  • Artículo

En este artículo se proporciona información general sobre las fases, la arquitectura y los desafíos implicados en la creación de un back-end para habilitar una solución de vehículos autónomos a escala. A fin de obtener más información sobre las recomendaciones tecnológicas y las soluciones de partners y código abierto para áreas específicas, como la simulación y los modelos de datos, vea la idea de solución de operaciones de vehículos automatizados.

Normalmente, las operaciones de vehículos autónomos (AVOps) requieren una cantidad considerable de almacenamiento y proceso para:

  • Capturar y procesar datos y escenas de vehículos de prueba, como material de aprendizaje para los modelos de percepción que los vehículos necesitan para conducir de forma autónoma.
  • Entrenar modelos de percepción para reconocer un entorno, como la funcionalidad base para conducir de forma autónoma.
  • Realizar una validación de seguridad basada en simulaciones de bucle abierto y bucle cerrado.

Fases clave

El desarrollo de una solución de conducción autónoma (AD) normalmente implica tres fases clave:

  • Ingesta y mantenimiento de datos. Recopilación y refinamiento de conjuntos de datos cuidadosamente elegidos para el desarrollo avanzado del sistema de asistencia para conductores / vehículos autónomos (ADAS/AV).
  • Probar, entrenar y simular de forma iterativa. Simulación y entrenamiento de modelos ADAS/AV en numerosos escenarios reales.
  • Compilar y validar. Verificación y validación de software en vehículos conectados.

Las AVOps implementan un ciclo de vida de desarrollo de conducción autónoma:

Diagrama que muestra el ciclo de vida del desarrollo de la conducción autónoma.

Elementos de la arquitectura

La arquitectura de las AVOps consta de los siguientes cuatro elementos principales. En el siguiente artículo de esta serie se describen estos elementos con más detalle.

  • DataOps. Ingiere datos de medición (vídeos, imágenes, lídar y radar), mantiene y extrae datos, y etiqueta datos.
  • MLOps. Entrenar algoritmos, como modelos de percepción y modelos posteriores a la percepción.
  • ValOps. Valida las funciones de conducción autónoma basadas en modelos entrenados y datos reales sin procesar.
  • Funciones centralizadas de las AVOps. Proporcionar funcionalidades generales, como la búsqueda de metadatos, el catálogo de datos, la orquestación general, la gobernanza de la plataforma y las plantillas de infraestructura estandarizadas.

Diagrama que muestra los elementos de una arquitectura de las AVOps.

Desafíos

  • Recopilación de datos. Recopilar y analizar grandes cantidades de datos para identificar patrones y mejorar el rendimiento del vehículo con el paso del tiempo. La mayoría de los costos de desarrollo de vehículos autónomos se invierten en la administración de datos y las pruebas.
  • la administración de datos; Controlar las grandes cantidades de datos generados por los sensores y sistemas del vehículo, y determinar qué datos son útiles.
  • Cobertura de escenarios. Asegurarse de que el OEM ha probado el vehículo en una serie de escenarios, incluyendo diferentes condiciones meteorológicas, de iluminación y de carreteras.
  • Complejidad. Administrar el amplio y diverso conjunto de algoritmos y sistemas necesarios para el funcionamiento autónomo.
  • Comprobación y validación. Probar exhaustivamente el software para asegurarse de que se comporta según lo previsto en una variedad de escenarios y entornos.
  • Disponibilidad de datos. Uso compartido de datos. Los equipos dispersos globalmente y terceros hacen que el uso compartido sea un desafío.

Las AVOps permiten a las organizaciones aprovechar la escalabilidad, la flexibilidad y la rentabilidad de la infraestructura basada en la nube y reduce el tiempo de comercialización de los vehículos automatizados.

Colaboradores

Microsoft mantiene este artículo. Originalmente lo escribieron los siguientes colaboradores.

Creadores de entidad de seguridad:

Otros colaboradores:

Para ver los perfiles no públicos de LinkedIn, inicie sesión en LinkedIn.

Pasos siguientes

A fin de obtener más información sobre las recomendaciones tecnológicas y las soluciones de partners y código abierto para áreas específicas, como la simulación y los modelos de datos, vea la idea de solución:

Idea de solución para la solución de AVOps

Puede que le resulten de utilidad los siguientes recursos: