Поделиться через

Руководство по проектированию автономных транспортных средств (AVOps)

  • Статья

В этой статье представлен обзор этапов, архитектуры и проблем, связанных с созданием внутреннего сервера для обеспечения масштабируемого решения автономного транспортного средства. Дополнительные сведения см. в этой статье, рекомендации по технологиям и решения для партнеров и с открытым кодом для конкретных областей, таких как моделирование и модели данных, см . в этой статье.

Для операций автономного транспортного средства (AVOps) обычно требуется значительное количество хранилищ и вычислений:

  • Захват и обработка данных и сцен из тестовых транспортных средств, как учебный материал для моделей восприятия, которые автомобили должны работать автономно.
  • Обучение моделей восприятия для распознавания среды в качестве базовой функциональности для автономного управления.
  • Выполните проверку безопасности на основе моделирования открытых и закрытых циклов.

Ключевые этапы

Разработка решения автономного вождения (AD) обычно включает три ключевых этапа:

  • Прием и получение данных. Сбор и уточнение тщательно выбранных наборов данных для разработки расширенной системы помощи водителям / автономному транспортному средству (ADAS/AV).
  • Итеративно тестировать, обучать и имитировать. Моделирование и обучение моделей ADAS/AV в различных сценариях правды на земле.
  • Сборка и проверка. Проверка и проверка программного обеспечения в автомобиле с подключенными автомобилями.

AVOps реализует автономный жизненный цикл разработки для вождения:

Diagram that shows the autonomous driving development lifecycle.

Элементы архитектуры

Архитектура AVOps состоит из следующих четырех основных элементов. В следующей статье этой серии подробно описаны эти элементы.

  • DataOps. Прием данных измерения (видео, изображений, лидаров и радаров), курирование и извлечение данных, а также данные меток.
  • MLOps. Обучение алгоритмов, таких как модели восприятия и модели после восприятия.
  • ValOps. Проверьте автономные функции вождения на основе обученных моделей и необработанных данных истины.
  • Централизованные функции AVOps. Предоставьте многофункциональные функции, такие как поиск метаданных, каталог данных, общая оркестрация, управление платформами и стандартизированные шаблоны инфраструктуры.

Diagram that shows the elements of an AVOps architecture.

Сложности

  • Сбор данных. Сбор и анализ больших объемов данных для выявления шаблонов и повышения производительности транспортного средства с течением времени. Большая часть расходов на разработку автономных транспортных средств тратится на управление данными и тестирование.
  • Управление данными. Обработка больших объемов данных, создаваемых датчиками и системами транспортных средств, и определение полезных данных.
  • Покрытие сценариев. Обеспечение того, чтобы OEM тестировал автомобиль в различных сценариях, включая различные погодные условия, освещение и дорожные условия.
  • Сложность. Управление большим и разнообразным набором алгоритмов и систем, необходимых для автономной работы.
  • Проверка и проверка. Тщательное тестирование программного обеспечения, чтобы гарантировать, что он ведет себя должным образом в различных сценариях и средах.
  • Доступность данных. Общий доступ к данным. Глобально распределенные команды и третьи стороны делают общий доступ к проблеме.

AVOps позволяет организациям воспользоваться преимуществами масштабируемости, гибкости и экономичности облачной инфраструктуры и сократить время на рынок автоматизированных транспортных средств.

Соавторы

Эта статья поддерживается корпорацией Майкрософт. Первоначально он был написан следующими участник.

Основные авторы:

Другие участник:

Чтобы просмотреть неопубликованные профили LinkedIn, войдите в LinkedIn.

Следующие шаги

Дополнительные сведения см. в этой статье: рекомендации по технологиям и решения с открытым кодом для конкретных областей, таких как моделирование и модели данных, см. в этой статье:

Идея решения AVOps

Могут также быть полезными следующие ресурсы.