Estás leyendo la publicación: Problemas de los vehículos autónomos y cómo resolverlos – Thought Leaders
Los vehículos autónomos requieren más que una simple inteligencia artificial. Un automóvil autónomo recibe datos de varias fuentes, como sonares, cámaras, radares, GPS y lidar, lo que le permite navegar en cualquier entorno. La información de estos dispositivos debe procesarse rápidamente y los volúmenes de datos son enormes.
La información de los sensores no solo es procesada por la computadora del automóvil en tiempo real. Algunos datos se envían a centros de datos periféricos para su posterior análisis. Y luego, a través de una jerarquía compleja, se redirige a varias nubes.
La IA con la que está dotado el vehículo es crucial, pero también las capacidades de procesamiento de las computadoras a bordo, los servidores periféricos y la nube. La velocidad de envío y recepción de datos por parte del coche, junto con la baja latencia, también son muy importantes.
Problema de volumen de datos
Incluso los automóviles normales, con un conductor al volante, generan cada vez más datos. Los coches autónomos pueden generar aproximadamente 1 TB de datos por hora. Esta cantidad de datos es simplemente gigantesca. Y representa una de las barreras para la adopción masiva de la conducción autónoma.
Desafortunadamente, todos los datos de un automóvil autónomo no se pueden procesar en la nube o en los centros de datos periféricos, ya que esto genera demasiado retraso. Incluso un retraso de 100 ms puede marcar la diferencia entre la vida o la muerte de un pasajero o peatón. El automóvil debe responder a las circunstancias emergentes lo más rápido posible.
Para reducir la demora entre la recepción de la información y la respuesta, parte de la información es analizada por la computadora de a bordo. Por ejemplo, nuevo Modelos de jeeps están equipados con una computadora a bordo con 25-50 núcleos de procesamiento que sirven de control de crucero, monitor de punto ciego, advertencia de obstáculos, frenado automático, etc. Los nodos del vehículo se comunican entre sí a través de una red interna. También encaja en el concepto de computación periférica si consideramos la computadora embarcada como un nodo periférico de la red. Como resultado, los vehículos no tripulados conforman una red híbrida compleja que combina centros de datos centralizados, la nube y muchos nodos periféricos. Estos últimos se ubican no solo en los automóviles sino también en semáforos, puestos de control, estaciones de carga, etc.
Dichos servidores y centros de datos fuera del automóvil brindan toda la asistencia posible con la conducción autónoma. Permiten que el automóvil “vea” más allá del alcance de sus sensores, coordinan la carga en la red de carreteras y ayudan a tomar decisiones óptimas.
Interacción entre sí e infraestructura
Los sistemas de visión artificial y GPS proporcionan a los vehículos autónomos información sobre su ubicación y su entorno inmediato. Sin embargo, el rango del entorno calculado aumenta constantemente. Aún así, un automóvil solo puede recopilar una cantidad limitada de información. Por lo tanto, el intercambio de datos es absolutamente necesario. Como resultado, cada vehículo puede analizar mejor las condiciones de conducción en función del conjunto de datos más significativo recopilado por la flota de vehículos autónomos. Los sistemas de comunicación de vehículo a vehículo (V2V) se basan en redes de malla creado por vehículos en la misma área geográfica. V2V se utiliza para intercambiar información y enviar señales a otros vehículos, como advertencias de distancia.
Las redes V2V se pueden ampliar para compartir información con la infraestructura de tráfico, como los semáforos. Ya es apropiado hablar aquí de comunicación V2I (vehículo a infraestructura). Los estándares V2I continúan evolucionando. En los EE. UU., la Administración Federal de Carreteras (FHWA) publica regularmente varios Guías e informes V2I para ayudar a mejorar la tecnología. Los beneficios de V2I se extienden mucho más allá de la seguridad. Además de mejorar la seguridad, la tecnología de infraestructuras vehiculares ofrece ventajas en términos de movilidad e interacción con el medio ambiente.
Los conductores que recorren la misma ruta todos los días recuerdan todos los baches en el camino. Los coches autónomos también están aprendiendo constantemente. Los automóviles autónomos cargarán la información útil disponible en los centros de datos periféricos, por ejemplo, integrados en las estaciones de carga. Las estaciones de carga se basarán en algoritmos de inteligencia artificial que ayudarán a analizar los datos recibidos de los automóviles y ofrecerán posibles soluciones. A través de la nube, estos datos se transmitirán a otros vehículos no tripulados de la red común.
Si este modelo de intercambio de datos entre todos los automóviles autónomos realmente se materializa en unos pocos años, entonces podemos esperar exabytes (millones de terabytes) de datos por día. Según varias estimaciones, en este momento pueden aparecer en las carreteras de cientos de miles a decenas de millones de automóviles autónomos.
5G como la clave del éxito
Como se mencionó anteriormente, los automóviles autónomos pueden recibir información sobre peatones y ciclistas no solo de sus sensores, sino también a través del intercambio de datos con otros automóviles, semáforos y otras infraestructuras urbanas.
Varios Proyectos de coches conectados 5G ya existe. Los automóviles utilizan la red 5G del operador de telefonía móvil y la tecnología C-V2X (Cellular Vehicle-to-Everything) para comunicarse con otros automóviles, ciclistas e incluso semáforos. Estos últimos están equipados con cámaras termográficas que detectan a los peatones que se aproximan al cruce; como resultado, aparece una advertencia en el tablero del automóvil. Los ciclistas conectados son informados de su ubicación, lo que evita situaciones de peligro. En caso de poca visibilidad, los autos estacionados encienden automáticamente las luces intermitentes de emergencia, notificando a todos los autos que se aproximan de su posición.
Las capacidades de las redes móviles 5G son útiles aquí. Proporcionan velocidades rápidas, latencia muy baja y la capacidad de admitir una gran cantidad de conexiones simultáneas. Los automóviles autónomos sin tales capacidades de procesamiento de datos no podrán realizar muchas tareas más rápido que una persona. Por ejemplo, para determinar la apariencia de un peatón en el cruce más cercano. Además, los retrasos deben ser mínimos, ya que incluso una fracción de segundo de retraso puede provocar un accidente.
Los principales fabricantes de automóviles como BMW, Daimler, Hyundai, Ford y Toyota ya están integrando la tecnología 5G en sus productos. Los operadores celulares ya han gastado miles de millones de dólares en la construcción de redes 5G. Por lo tanto, este es el momento adecuado para dotar a los vehículos de un conjunto de habilidades que serán útiles en la operación diaria.
Todos los experimentos con automóviles autónomos conectados a 5G se detendrán a menos que se establezca una infraestructura 5G. Nuevamente, un vehículo no tripulado puede generar 1 TB de datos por hora, por lo que la red móvil debe estar lista para transferir estos datos.
Cómo procesar y almacenar exabytes de datos
No todos los tipos de datos requieren procesamiento inmediato, y la computadora a bordo tiene capacidades limitadas de rendimiento y almacenamiento. Por lo tanto, los datos que pueden “esperar” deben acumularse y analizarse en centros de datos periféricos, mientras que algunos de los datos migrarán a la nube y se procesarán allí.
Es responsabilidad de los gobiernos de las ciudades y los fabricantes de automóviles capturar, procesar, transferir, proteger y analizar datos sobre cada automóvil, embotellamiento, peatón o bache. Algunos arquitectos de ciudades inteligentes ya están experimentando con algoritmos de aprendizaje automático que analizan los datos de tráfico de manera más eficiente para identificar rápidamente los baches en la carretera, regular el tráfico y responder instantáneamente a los accidentes. Desde una perspectiva global, los algoritmos de aprendizaje automático brindan recomendaciones para mejorar la infraestructura urbana.
Para introducir la conducción totalmente autónoma en nuestra vida, es necesario resolver el problema del procesamiento y almacenamiento de grandes cantidades de datos. Todos los días, un vehículo no tripulado puede generar hasta 20 TB de datos. ¡Solo un auto! En el futuro, puede llevar a que se generen exabytes de datos en un día. Para almacenar estos datos, necesita una infraestructura de borde de alto rendimiento, flexible, segura y confiable. También existe el problema del procesamiento eficiente de datos.
Para que la computadora a bordo tome decisiones en tiempo real, necesita la información más actualizada sobre el medio ambiente. Los datos antiguos, como la información sobre la ubicación del automóvil y la velocidad de hace una hora, ya no suelen ser necesarios. Sin embargo, estos datos son útiles para mejorar aún más los algoritmos de conducción autónoma.
Los desarrolladores de sistemas de inteligencia artificial deben recibir grandes cantidades de datos para entrenar redes de aprendizaje profundo: identificar objetos y su movimiento a través de cámaras, información lidar y combinar de manera óptima información sobre el entorno y la infraestructura para tomar decisiones. Para los especialistas en seguridad vial, los datos que recogen los coches inmediatamente antes de accidentes o situaciones de peligro en la vía son vitales.
Dado que los datos son recopilados por automóviles autónomos y transferidos desde ellos a los centros de datos periféricos, después de lo cual migra al almacenamiento en la nube, la cuestión de utilizar una arquitectura de almacenamiento de datos optimizada y en niveles se vuelve cada vez más relevante. Los datos nuevos deben analizarse de inmediato para mejorar los modelos de aprendizaje automático. Aquí se requiere un alto rendimiento y una baja latencia. SSD y unidades HAMR de alta capacidad con soporte para tecnologías de unidades múltiples son los más adecuados para este propósito.
Una vez que los datos han pasado la etapa de análisis inicial, deben almacenarse de manera más eficiente: en almacenamiento nearline tradicional de alta capacidad pero de bajo costo. Estos servidores de almacenamiento son adecuados si los datos pueden ser necesarios en el futuro. Los datos antiguos que es poco probable que se necesiten, pero que deben conservarse por algún otro motivo, se pueden mover al nivel de archivo.
Los datos se procesarán y analizarán cada vez más en el borde, marcando el comienzo de la era de la Industria 4.0, que está cambiando la forma en que usamos los datos. Edge Computing permitirá que los datos se procesen cerca de donde se recopilan, en lugar de un servidor en la nube tradicional, lo que permitirá analizarlos mucho más rápido y responder de inmediato a situaciones cambiantes. Una red de intercambio de información de alta velocidad entre automóviles y centros de datos periféricos ayudará a que la conducción autónoma sea más segura y confiable.
Conclusión
Esperemos que este análisis haya arrojado algo de luz sobre la importancia de los datos en el campo de la conducción autónoma. La adopción masiva de vehículos no tripulados implica la recopilación de una gran cantidad de datos que deben ser procesados no solo por la computadora a bordo, sino también por los servidores perimetrales y la nube. La infraestructura de procesamiento de datos debe estar lista de antemano.
A medida que se extienda la adopción de 5G, los automóviles autónomos comenzarán a generar más y más datos, que luego se analizarán y utilizarán para hacer realidad las ciudades inteligentes. Lograr este objetivo no será muy fácil, pero al final, abriremos un nuevo capítulo en la historia de un medio de transporte tan popular como el automóvil.
Los automóviles autónomos están a la vanguardia de las tecnologías de inteligencia artificial, las comunicaciones y el almacenamiento de datos. Para alcanzar el nivel de conducción totalmente autónoma, es necesario continuar con el desarrollo y la mejora de estas tecnologías.
