Перевод Fusion Project Teraki, Airbiquity, Cloudera, NXP и Wind River объединяют усилия, чтобы обучать ИИ в облаке

Когда в наши дни автопроизводители говорят об автомобилях нового поколения, речь идет о транспортных средствах с ИИ, способных развиться от 2+ до 4 уровня автономности. Функции автоматизации езды в таких автомобилях будут управляться моделями машинного обучения и будут обновляться на протяжении всего жизненного цикла транспортного средства.

По сути, все говорят об умных автомобилях с функциями сетевого взаимодействия этот шаблон был придуман Tesla.

Но чтобы спроектировать архитектуру сетевых транспортных средств, способных развиваться от 2+ до 4 уровня, необходимо заполнить большой пробел, считает Дэниел Ричарт, соучредитель и генеральный директор Teraki. Дэниел отмечает, что есть большая разница между концептуальной моделью, работающей в лаборатории и реальным умным автомобилем подключенным к сети, способным работать в масштабируемых E/E архитектурах в рамках экономичной производственной модели.

В феврале 2021 компания Teraki представила свой Fusion Project, разрабатываемый совместно с Airbiquity, Cloudera, NXP Semiconductors и Wind River уже почти год. Эти пять компаний разработали пре-интегрированное аппаратное и программное решение, которое позволит автопроизводителям эффективно собирать, анализировать и управлять данными о подключенных транспортных средствах для непрерывной разработки, развертывания и развития их функций.

Фил Мэгни, основатель и президент VSI Labs, охарактеризовал Fusion как хорошую эталонную архитектуру для передачи данных из облака в машину при разработке, развертывании и поддержке систем помощи водителю и ADAS на основе ИИ.

Мэгни подчеркнул, что ключевой аспект заключается в том, что разработка приложений на основе ИИ никогда не завершается. Машина постоянно дообучается. Для управления потоками данных требуется обширный набор технологий от методов обработки данных с датчиков на основе событий до средств передачи данных, обучения модели и развертывания новых алгоритмов.

Пять партнеров

В рамках проекта Fusion, Airbiquity отвечает за управление ПО по беспроводному подключению (OTA). Cloudera предоставляет независимые от облака инструменты для машинного обучения, NXP Semiconductors поставляет платформы для обработки данных с транспортных средств (Bluebox и Goldbox), а Teraki занимается краевыми вычислениями. Роль Wind River разработка интеллектуального ПО для систем краевых вычислений.

Цель создать эффективную платформу для работы с данными на протяжении всего жизненного цикла, которая будет делать все: от приема данных до обновления модели машинного обучения без снижения качества данных при условии максимальной точности работы ИИ, объяснил Ричарт.

Одна из серьезных проблем, с которыми сегодня сталкиваются автопроизводители, это обработка данных от множества датчиков внутри беспилотных транспортных средств. Средний набор датчиков генерирует от 5 до 20 терабайт данных в день и так для каждого транспортного средства. Ограниченная возможность получать данные с автомобилей в реальном времени создает очевидную проблему. Еще одним препятствием является невозможность объединить все типы данных для построения моделей машинного обучения. Что еще более важно, управление данными в жизненном цикле машинного обучения раздроблено на этапы приема, обучения моделей и развертывания алгоритмов.

Решения Teraki созданы для управления данными для моделей машинного обучения с учетом различных требований. Мэгни объяснил: Все начинается с понимания что именно нужно искать и обработки данных с датчиков для обучения моделей. Решение от Teraki также претендует на эффективность и позволяет сжимать пакеты данных для отправки в облако с целью тренировки моделей машинного обучения.

Год назад, когда корреспонденты EE Times впервые встретились с Teraki на выставке CES 2020, Ричарт сказал, что технологии его компании будут сосредоточены на самой большой проблеме автопроизводителей: нехватке мощности автомобильных процессоров для обработки и отправки огромных объемов данных в облако для обучения моделей ИИ.

Решив эту задачу за год, компания Teraki, базирующаяся в Берлине, объединила экосистему партнеров и собрала технологии, необходимые для разработки решений на основе машинного обучения в облаке. Их усилия были направлены на разработку систем краевых вычислений для обработки данных с датчиков и их упаковки для дальнейшей пересылки, заметил Мэгни. Также есть проблемы в сетевом взаимодействии такие как ограниченная пропускная способность, ими занимается наш партнер, NXP.

По мнению Ричарта, самое важное достижение его проекта в том, что ему удалось разработать первый алгоритм ИИ (система удержания полосы движения), непрерывно улучшавшийся в результате обмена данными между автомобилем и облаком. Нам удалось обучить модель ИИ, которая изначально достигала 90-95% точности. Позднее нам удалось повысить точность до 98%.

Также он подчеркнул, что вся суть проекта в том, что теперь OEM-производители могут повышать точность своих моделей до 99+ процентов, постоянно дообучая модели и используя предпочтительный для них набор датчиков. Наше решение может применяться к абсолютно любым моделям. Мы дали OEM-производителям возможность быстро обучать системы ИИ, причем они могут внедряться в реальное промышленное оборудование, а не в специфические и дорогостоящие лабораторные образцы.



Герт-Ян ван Нунен, коммерческий директор Teraki, добавил, что Fusion дает OEM-производителям возможность обучать свои собственные модели ИИ и снова владеть интеллектуальной собственностью, избавившись от зависимости от других компаний. Взгляните на Mobileye, сказал он. Отметив, что решения Mobileye представляют собой черный ящик, из которого OEM-производители получают только высокоуровневую информацию, ван Нунен сказал: Мы предоставляем открытую систему, которая возвращает интеллектуальную собственность в руки OEM-производителей.

Создан ли Fusion для того, чтобы дать всем OEM-производителям возможность заниматься разработкой собственных стеков для беспилотной езды?, сказал Мэгни. С точки зрения OEM-производителей, существует множество возможностей для разработки собственных стеков. Однако, он предупредил: Эта область становится все более многочисленной, поскольку растет интерес к оптимизированным решениям, которые могут быть масштабированы от ADAS до беспилотной езды.

Мэгни подчеркнул: Проблема не столько в стеке для беспилотной езды, сколько в управлении этим стеком, особенно если мы говорим о решениях на основе ИИ. Fusion призван собрать воедино технологии, необходимые для этого.

---

• Первая в России серийная система управления двухтопливным двигателем с функциональным разделением контроллеров
• В современном автомобиле строк кода больше чем
• Бесплатные онлайн-курсы по Automotive, Aerospace, робототехнике и инженерии (50+)
• McKinsey: переосмысляем софт и архитектуру электроники в automotive