Expertos HC

¿De qué manera se podrían fomentar los vehículos conectados?

Los datos serán el verdadero 'combustible' que mueva a los coches autónomos. Pero eso supone un reto: ¿cómo recoger y analizar tal cantidad de información? La Inteligencia Artificial ayudará a crear todo un ecosistema.

Avances Digitales

Los Sistemas de Asistencia Avanzada al Conductor -ADAS en inglés-, así como la inminente llegada de los vehículos autónomos, llevan a plantearse diversos escenarios. Algunas de sus posibilidades futuras son, por ejemplo, camiones para largas distancias sin conductor, o taxis autónomos.

McKinsey predice que el mercado de estos ADAS podría alcanzar los 35 mil millones de dólares -29 mil millones de euros- en ingresos, este 2021. Sin embargo, volver estos casos de uso realidad requiere avances significativos en tecnologías propicias. Esto incluiría IA, IoT -“Internet de las Cosas”- y ML -“Machine Learning”-.

El funcionamiento del vehículo autónomo

Su infraestructura digital tiene una serie de consecuencias, que poco a poco la industria va identificando y corrigiendo, a medida que progresan. Un desafío repentino, por ejemplo, es el ingreso de datos, o cómo recoger la información que genera cada test de vehículo. Los sistemas de conducción autónoma deben también ser capaces de agregar, analizar y distribuir los datos; incluyendo los de otras fuentes como el tráfico o las condiciones meteorológicas, a tiempo real.

Mientras el grado de autonomía avanza -de nivel 1 con algo de asistencia a la conducción, a nivel 5 con una autonomía total-, la cantidad de información a tratar continuará elevándose. Algunos test actuales de conducción, de nivel dos de autonomía, generan 20 Tb -terabytes- de datos diarios. Sensores más avanzados y para nivel 4 de autonomía, por su parte, podrían llegar a generar hasta 100 Tb al día.

Los retos y las necesidades que se plantean

Ingenieros y grupos terceros de confianza por todo el mundo podrían llegar a necesitar acceder a este ecosistema de información. Ello plantearía nuevos desafíos, en términos de acceso y de distribución de datos. Los fabricantes deben encontrar una manera de minimizar la ralentización en la transferencia de datos, mediante una proximidad a los conjuntos de datos, así como el acceso a suficientes recursos de cómputo, para así poder gestionar los datos a escala global.

La necesidad de establecer una infraestructura similar significa que centralizar los datos, en un “software on-premises”, ya no es una opción. Este se diferencia de la Nube en que permite controlar totalmente una infraestructura, mediante la posesión privada de un grupo de servidores. El procesamiento de información distribuida requiere una infraestructura digital, conectada por una fábrica de comunicación global que sea eficiente. Para conseguirlo, las compañías se están dando cuenta de que necesitan desplegar infraestructuras “híbridas” en lugares bien conectados. Esto implica que dichas localizaciones rindan a alta velocidad, aseguren el acceso a dispositivos base, posean múltiples nubes, centros privados de datos y datos “on-premises”, “corredores de datos” y socios.

Esto está llevando al desarrollo de ecosistemas de vehículos conectados, basados en acuerdos con otros grupos, así como infraestructuras convergentes.

Entender el desarrollo de datos para los ADAS

Estos requieren un rango de capacidades “data-intensive”, como la habilidad para gestionar el volumen de información, la variedad y la veracidad; mientras se minimiza la latencia. Los sistemas deben ser capaces de superar el desafío de los datos, concretamente en cuatro puntos clave:

El primero son los sensores, que recogen la información y utilizan la conectividad de la infraestructura para apoyar ambos sistemas: “vehículo-a-vehículo” y “vehículo-a-sistema”.

Le sigue el mapeado HD, que incluye un 3D de alta precisión y otra información necesaria, para permitir que el vehículo autónomo vea el mundo cambiante a su alrededor, pero también para que detecte amenazas de seguridad.

Los procesadores, como las Unidades de Control de Motor -ECUs en inglés- y las Unidades de Microprocesador -MPUs-, procesan datos y toman decisiones cruciales. Entre estas se encuentran las de navegación, el consumo de combustible, o el mantenimiento preventivo.

Finalmente los sistemas de software, sobre todo los que usan IA y ML, proveen funcionalidad a cada nuevo caso de uso en la conducción autónoma.

La importancia de este ecosistema

Desde el punto de vista de una infraestructura en proceso de evolución, otro desafío clave para el vehículo autónomo es el “testeo Hardware-in-the-Loop” o HIL. Los fabricantes suelen servirse de este para verificar y validar el software en los ECUs. Sin embargo, HIL es un desafío tecnológico significativo. Esto se debe a los enormes conjuntos de datos que deben ser almacenados, gestionados, transmitidos y analizados. Se requiere apoyo operacional 24 horas para optimizar la ingesta de datos en la nube, o para instalaciones “on-premises”.

Adicionalmente, los equipos de testeo requieren un acceso físico frecuente. Esto quiere decir que deben localizarse en instalaciones que hagan de este acceso algo práctico y sencillo. Las compañías invierten en arquitecturas HIL más complejas, funcionando en instalaciones potencialmente diferentes por todo el globo. Así, el asegurar que esta información distribuida esté sincronizada es algo crítico.

La única forma de apoyar las demandas tecnológicas de sistemas de conducción autónoma, es mediante el acceso de baja latencia a ecosistemas digitales como nubes, redes, proveedores de software o hardware, o socios para alta velocidad.

*Artículo escrito por Petrina Steele y Doron Hendel, y publicado originalmente en Equinix.

DEJA UNA RESPUESTA

¡Por favor, escribe tu comentario!
Por favor, introduce tu nombre aquí

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.