El auge de los vehículos autónomos es un testimonio de los avances en inteligencia artificial, pero su éxito depende de mucho más que solo la IA. Los vehículos autónomos dependen de una red de sensores, que incluyen cámaras, GPS, sonares, lidares y radares, para navegar en diversos entornos. El ordenador de a bordo del vehículo procesa esta información en tiempo real; algunos datos también se transmiten a centros de datos externos para un análisis más profundo y, finalmente, pasan a través de varios sistemas en la nube. Manejar estas grandes cantidades de datos es un desafío importante para la industria de los vehículos autónomos.
En este contexto, el papel del Internet de las cosas se vuelve crucial. No se trata sólo de las capacidades de la IA, sino también del poder de la informática integrada, los servidores periféricos y las tecnologías de la nube. La eficiencia de la infraestructura de IoT para permitir una transmisión rápida de datos y garantizar una baja latencia es vital para el funcionamiento perfecto de los vehículos autónomos.
Desafíos del procesamiento de datos
Hoy en día, incluso los coches normales con conductor producen cantidades cada vez mayores de datos. Cuando se trata de vehículos autónomos, la generación de datos está en otro nivel, alcanzando alrededor de 1TB por hora. El desafío radica en el procesamiento de toda esta información.
No es práctico depender únicamente de la nube o de centros de datos periféricos para procesar todos los datos de un vehículo autónomo, ya que esto introduce retrasos excesivos. En el mundo de la conducción autónoma, incluso un retraso de 100 milisegundos puede ser crítico y representar potencialmente la diferencia entre la vida y la muerte de un peatón o un pasajero de un automóvil. Por lo tanto, estos vehículos deben estar equipados para responder inmediatamente a situaciones cambiantes, lo que hace que el procesamiento rápido de datos sea vital.
Para minimizar el retraso entre la recepción y la respuesta a la información, una parte de los datos es procesada por la computadora a bordo del automóvil. Tomemos como ejemplo los nuevos modelos Jeep. Vienen equipados con un ordenador de a bordo que consta de unos 50 núcleos de procesamiento. Esta computadora impulsa una variedad de funciones como monitoreo de puntos ciegos, control de crucero, frenado automático, advertencia de obstáculos, etc. Los distintos nodos del vehículo se comunican internamente, creando una red dentro del vehículo.
Esta configuración se alinea bien con el concepto de Computación de vanguardia dentro del Internet de las cosas framework, considerando el ordenador de abordo como un nodo periférico de la red IoT. Como resultado, los vehículos autónomos forman una red híbrida compleja que integra centros de datos centralizados, servicios en la nube y numerosos nodos periféricos. Los nodos no se limitan a vehículos; también están integrados en estaciones de carga, puestos de control, semáforos, etc.
Los centros de datos y servidores fuera del vehículo ayudan enormemente en la navegación sin conductor. Permiten que el vehículo “vea” más allá del alcance de sus sensores, gestione las cargas de tráfico de la red de carreteras y ayude a tomar decisiones de conducción óptimas. Este sistema interconectado supone un importante avance en materia de seguridad vial.
La revolución del intercambio de datos en la tecnología de los vehículos autónomos
Los sistemas de visión por computadora y el GPS equipan a los vehículos autónomos con información esencial sobre su ubicación y su entorno. Sin embargo, a pesar del alcance cada vez mayor de sus cálculos de localización, un solo automóvil sólo puede recopilar una cantidad finita de datos. Por tanto, el intercambio de datos entre vehículos es fundamental. Este intercambio permite que cada vehículo comprenda mejor las condiciones de conducción utilizando un conjunto de datos más amplio recopilado por toda la flota de vehículos autónomos. Sistemas de vehículo a vehículo utilizar redes de malla formado por vehículos dentro de la misma área para compartir información y enviarse señales como advertencias de distancia entre sí.
Además, las redes de vehículo a vehículo se están expandiendo progresivamente para incluir interacciones con la infraestructura vial, como los semáforos. Aquí es donde entra en juego la comunicación entre vehículo e infraestructura. Los estándares V2I evolucionan continuamente. En los Estados Unidos, por ejemplo, la Administración Federal de Carreteras periódicamente publica guías e informes para fomentar los avances tecnológicos. Los beneficios de V2I van mucho más allá de la seguridad. Además de mejorar la seguridad vial, la tecnología Vehículo-Infraestructura ofrece ventajas de movilidad e interacción ambiental.
Así como los conductores que recorren la misma ruta a diario se familiarizan con cada bache, los vehículos autónomos también aprenden continuamente de su entorno. Los vehículos autónomos cargarán información útil en centros de datos periféricos, que podrían integrarse en estaciones de carga y otros objetos. Equipadas con algoritmos de inteligencia artificial, estas estaciones analizarán datos de automóviles y propondrán posibles soluciones. Esta información luego se compartirá con otros vehículos autónomos a través de la nube.
Si este modelo de intercambio de datos entre todos los vehículos autónomos cobra vida en los próximos años, podemos anticipar que se generará una cantidad asombrosa de datos diariamente, que podría alcanzar millones de terabytes. Para entonces, las estimaciones sugieren que el número de vehículos autónomos en las carreteras podría oscilar entre cientos de miles y decenas de millones.
Coches autónomos y 5G
Una vez más, los vehículos autónomos son capaces de recopilar información sobre peatones y ciclistas no sólo a través de sus sensores sino también a través de datos compartidos con otros vehículos, semáforos y otros sistemas de infraestructura urbana. Esto está siendo facilitado por varios Proyectos de automóviles conectados a 5G. Los coches autónomos utilizan Vehículo celular para todo tecnología y redes 5G para comunicación con otros semáforos, ciclistas y coches.
Los semáforos pueden estar equipados con cámaras termográficas para detectar a los peatones que se acercan a los cruces de peatones, lo que activa la aparición de alertas en el tablero del automóvil. Los ciclistas conectados a esta red pueden transmitir su ubicación a los vehículos cercanos, reduciendo significativamente el riesgo de accidentes. Además, en condiciones de mala visibilidad, los vehículos estacionados pueden activar automáticamente sus luces intermitentes de emergencia, alertando a otros conductores de su presencia.
La llegada de las redes móviles 5G está resultando invaluable para el avance de los vehículos autónomos. Las redes 5G ofrecen altas velocidades, una latencia extremadamente baja y la capacidad de manejar numerosas conexiones simultáneamente. Sin estas capacidades, los vehículos autónomos tendrían dificultades para superar a los humanos en tareas críticas como detectar peatones en un paso de peatones cercano. Además, la necesidad de un retraso mínimo es vital, ya que incluso una pequeña fracción de segundo puede marcar la diferencia entre la seguridad y un posible accidente.
Los principales fabricantes de automóviles, incluidos Toyota, BMW, Hyundai y Ford, ya incorporan la tecnología 5G en sus vehículos. Con miles de millones de dólares invertidos por los operadores celulares en la construcción de redes 5G, el momento no podría ser mejor para equipar los vehículos con capacidades esenciales para el funcionamiento diario.
Sin embargo, todo el progreso y los experimentos con automóviles autónomos conectados a 5G dependen de la disponibilidad de una infraestructura 5G sólida. Dado que un vehículo autónomo puede generar hasta 1 TB de datos por hora, estas redes ya deben estar preparadas para manejar demandas de transferencia de datos tan inmensas, con el potencial de cubrir demandas aún mayores en el futuro.
Almacenamiento y procesamiento de exabytes de datos de forma eficaz
No todos los datos recopilados por los vehículos autónomos exigen un procesamiento inmediato, y existen limitaciones en el rendimiento y las capacidades de almacenamiento de las computadoras a bordo. Por lo tanto, es práctico acumular datos que puedan permitir algún retraso y analizarlos en centros de datos periféricos. Al mismo tiempo, se pueden migrar otros conjuntos de datos a la nube para su procesamiento.
La responsabilidad de recopilar, procesar, mover, salvaguardar y analizar datos sobre cada peatón, automóvil, bache o embotellamiento debería recaer tanto en los gobiernos municipales como en los fabricantes de automóviles. Algunos planificadores de ciudades inteligentes ya están aprovechando algoritmos de aprendizaje automático para analizar los datos de tráfico de manera más eficiente. Estos algoritmos pueden identificar rápidamente problemas en la carretera, como baches, optimizar el flujo de tráfico y brindar respuestas inmediatas a los accidentes. A una escala más amplia, se están utilizando algoritmos de aprendizaje automático para ofrecer recomendaciones para mejorar la infraestructura de la ciudad.
Integrar la conducción totalmente autónoma en nuestra vida diaria requiere abordar el desafío de procesar y almacenar cantidades masivas de datos. Un solo vehículo autónomo puede generar hasta 20 TB de datos cada día. De cara al futuro, esto podría conducir a la generación de exabytes de datos en un solo día. Gestionar esto requiere una infraestructura de borde flexible, de alto rendimiento, confiable y segura para el almacenamiento de datos, junto con capacidades de procesamiento de datos eficientes.
Para que una computadora a bordo pueda tomar decisiones en tiempo real, debe tener acceso a la información más reciente sobre su entorno. Los datos obsoletos, como la ubicación y la velocidad del vehículo de hace una hora, normalmente se vuelven redundantes para la toma de decisiones inmediata. Sin embargo, estos datos históricos tienen un valor significativo para la mejora continua de los algoritmos de conducción autónoma, lo que requiere un equilibrio entre el procesamiento en tiempo real y la utilización de datos a largo plazo.
Para entrenar eficazmente redes de aprendizaje profundo, los desarrolladores de sistemas necesitan cantidades sustanciales de datos. Esto incluye identificar objetos y sus movimientos a través de cámaras e información LIDAR e integrar de manera óptima datos sobre el medio ambiente y la infraestructura para la toma de decisiones. Para los expertos en seguridad vial, los datos recopilados por los vehículos autónomos inmediatamente antes de incidentes o situaciones peligrosas tienen un valor incalculable.
La necesidad de un sistema de almacenamiento de datos estructurado y eficiente crece a medida que los vehículos autónomos recopilan datos que se transmiten a centros de datos periféricos y, en última instancia, se almacenan en la nube. Los datos nuevos deben analizarse con prontitud para perfeccionar los modelos de aprendizaje automático, que requieren un alto rendimiento y una baja latencia. Unidades de estado sólido (SSD) y grabación magnética asistida por calor de alta capacidad (HAMR) los accionamientos equipados con soporte para tecnologías multiaccionamiento son ideales para estas tareas.
Una vez que los datos de los vehículos autónomos se han sometido al análisis inicial, es necesario almacenarlos de manera más rentable, idealmente en soluciones tradicionales de almacenamiento nearline de alta capacidad pero de menor costo. Estos servidores de almacenamiento son necesarios para datos que podrían resultar útiles en el futuro. Los datos más antiguos que es menos probable que se utilicen pero que aún deben conservarse se pueden enviar al almacenamiento de archivos.
El cambio hacia el procesamiento y análisis de datos en el borde es un sello distintivo de Industria 4.0, revolucionando nuestro uso de datos. La computación perimetral permite que los datos se procesen cerca de su punto de recopilación en lugar de depender de servidores en la nube distantes tradicionales. Este enfoque permite un análisis mucho más rápido, permitiendo respuestas inmediatas a situaciones cambiantes. Una red súper rápida y eficaz que respalde la transferencia de información entre centros de datos y vehículos mejorará la seguridad y confiabilidad de la tecnología de conducción autónoma.
Conclusión
El avance de los vehículos autónomos muestra un salto en la inteligencia artificial y el papel crucial del IoT en el manejo de redes de datos complejas. Los vehículos autónomos, equipados con una serie de sensores y respaldados por informática de punta, están remodelando la seguridad vial y la movilidad urbana. La introducción de redes 5G está mejorando aún más sus capacidades, permitiendo una comunicación más rápida y confiable con otros vehículos e infraestructuras urbanas.
Sin embargo, el procesamiento y almacenamiento efectivo de las grandes cantidades de datos generados sigue siendo un desafío importante. A medida que avanzamos hacia un futuro con potencialmente millones de vehículos autónomos generadores de datos en las carreteras, desarrollar una infraestructura de datos eficiente y segura se vuelve imperativo para el éxito y la seguridad de esta tecnología revolucionaria.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
- PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
- PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
- PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
- Fuente: https://www.iotforall.com/addressing-data-processing-challenges-in-autonomous-vehicles
