Como GM, Daimler, BMW y Audi y otras compañías de autos convencionales han anunciado el lanzamiento de los vehículos de auto-conducción de nivel 5 alrededor de 2020, la competencia en esta área ha entrado en una fase de calor blanco.
Goldman Sachs, un conocido Banco Internacional de inversiones, predice que el advenimiento de los taxis autónomos aumentará el tamaño del mercado de automóviles de la parte mundial de $932.356.024.711.512.064 ahora a $-2195938812572467200 por 2030. No hay duda de que se trata de un gran pastel, por lo que los fabricantes de automóviles están ocupados con la prueba de carretera, pero su objetivo de lograr una ambiciosa conducción automática es la clave para el uso del poder de análisis e inteligencia artificial (AI) para construir un sistema de conducción autónomo en el modo de respuesta vial real, y el uso de la tecnología de simulación realista para acelerar el proceso de desarrollo. Esto significa que la ingeniería de datos, la administración, el almacenamiento y el análisis son más importantes que nunca.
Entonces, ¿qué deben hacer exactamente los fabricantes de automakes? Primero, prepárate para cumplir con el "bautismo" de datos masivos. Los vehículos autónomos generan grandes cantidades de datos cuando son probados, y cada coche genera 6 ~ 8GB de datos por segundo. En 2017 solo, el campo creado sobre 250EB de datos grandes (1 EB = 1024PB, 1PB = 1024TB).
Los fabricantes de automóviles necesitan tener conceptos avanzados para procesar y obtener valor de estos datos. En segundo lugar, construir un puente entre el desarrollo del automóvil y la informática y la ciencia de datos. La ingeniería es la fuerza de un fabricante de automóviles, pero puede que no estén familiarizados con la ciencia de los datos. La mezcla de estas disciplinas puede ayudar a los fabricantes de autoayuda para desbloquear nuevas puertas y acelerar su innovación y desarrollo.
Aunque los departamentos de investigación y desarrollo de automóviles y empresas también tienen un equipo dedicado de ingeniería de datos, pero a menudo necesitan depender de la ciencia de los datos y el poder de los expertos en el campo de la inteligencia artificial para lograr los mejores resultados. Una vez más, los datos son procesados y analizados eficientemente. Las cámaras LiDAR, panorama y los componentes de radar producen una gran cantidad de datos especializados en formatos ADTF, Rosbag y MDF4 cuando se prueban vehículos autónomos. Ahora hay herramientas para acceder rápidamente a estas cantidades masivas de datos en petabytes.
En el pasado, por lo general toma días para extraer y analizar datos, y ahora se tarda sólo unos minutos o segundos para obtener resultados. Cuatro, selectivamente, una gran selección de datos. Los ingenieros pueden utilizar la tecnología de AI para determinar qué datos son valiosos y cuáles pueden ser eliminados. En general, 30 fotogramas de vídeo se producen por segundo cuando se filma un escenario de prueba para un coche autónomo, pero la mayoría de estos videos son escenas de coches corriendo sin problemas en las carreteras abiertas, y no pasa nada especial. Tal vídeo, incluso si toma más de largo, es de poca utilidad a los ingenieros automotores.
La conducción automática es más valiosa cuando se trata de girar, chocar o interactuar con otros objetos. Finalmente, optimizar la generación automática de datos. Cuando un sistema de conducción autónomo toma una decisión que difiere del conductor humano, debe registrarse. Del mismo modo, cuando un vehículo de conducción semi-automática se hace mal y es corregido por el conductor humano, también debe tenerse en cuenta, de modo que los ingenieros pueden optimizar el sistema.