GM、ダイムラー、BMW、アウディなどの主流自動車会社は、2020年頃にレベル5のオートパイロットを開始すると発表しました。この分野での競争は激しさを増しています。タクシーの出現は、2030年にグローバルな共有自動車市場の規模を現在の50億ドルから2850億ドルに拡大する。
これは大きいケーキだということは疑いがないので、自動車メーカーはロードテストに忙しいですが、野心的な自律的な運転目標の鍵は分析と人工知能（AI）の力です。実際の道路上でオートパイロットシステムの反応モードを確立し、現実世界のシミュレーション技術を使用して開発プロセスを加速することで、データのエンジニアリング、管理、保管、分析がこれまで以上に重要になっています。どのようにそれを行うには？
まず、大量のデータの「バプテスマ」を満たすために準備してください。テストでは、オートパイロットカーは大量のデータを生成し、1台あたり6〜8GBのデータを生成します。 250ビッグビッグデータ（1 EB = 1024 PB、1 PB = 1024 TB）自動車メーカーは、このデータを処理し、そこから価値を引き出すために高度なコンセプトを必要としています。
第2に、自動車の研究開発とコンピュータとデータサイエンスの間に架け橋を作ります。エンジニアリングは自動車メーカーの強みですが、データサイエンスに精通していないこともあります。革新とR＆D。自動車会社のR＆D部門にも専用のデータエンジニアリングチームがありますが、最高のR＆D結果を得るためには、データサイエンスや人工知能の専門家の助けが必要になることがよくあります。
データの繰り返しに、効率的な処理と分析。自動テストは、車を運転するとき、レーザー測量は、パノラマカメラやレーダーやその他のコンポーネントがADTFで提示大量に生成されます、ROSbagとMDF4専門のデータ形式は現在、これらのデータの膨大な量を持つことができPBはユニットに素早くアクセスするためのツールですが、これまではデータの抽出と分析に通常数日かかっていましたが、現在は結果を得るのに数分から数秒しかかかりません。
第4に、選択的かつ大規模なデータスクリーニング技術者は、AI技術を使用して、貴重なデータと拒絶できるデータを判断することができます。 30フレームのビデオを制作しましたが、これらのビデオのほとんどは、オープンロードでスムーズに走行する車のシーンで、何も特別なことはありません。旋回、衝突、または他のオブジェクトとの対話の際に車によって生成されるデータは、より価値があります。
人間のドライバは異なる決定を下すために自動操縦システムは、確かに、車は正しい人のドライバーである一方、半自律走行の意思決定にエラーが発生したとき、同様に。記録する必要があるが、またを重視するとき最後に、最適化されたデータが自動的に生成されますそのエンジニアは、システムを最適化することができます。自動操縦システムを洗練し、改善し続けることができた場合は、自律走行車のための一般市民が安心してより多くなります。