Noticias

Experimente de primera mano la inteligencia artificial en el ámbito de la automoción

De la nube al borde, IA/ML independiente del hardware

En enero Canonical confirmará una vez más que es CES 2025;Aquí presentamos una demostración de IA/ML de vanguardia que muestra cómo entrenar, implementar y actualizar sin problemas modelos de IA en varias plataformas de hardware. Esta demostración demuestra nuestro compromiso con la creación de soluciones independientes del hardware que permitan a los fabricantes de automóviles integrar inteligencia artificial en sistemas en una variedad de configuraciones de vehículos sin depender de ningún proveedor de silicio específico. Ya sea mantenimiento predictivo, personalización en el automóvil o incluso funcionalidad AD/ADAS, nuestra pila flexible de IA/ML está diseñada para satisfacer la necesidad de IA en el automóvil.

A medida que nuestros automóviles se vuelven más inteligentes y más conectados, la demanda de capacidades de inteligencia artificial por parte de la industria automotriz está creciendo exponencialmente. Sin embargo, uno de los principales desafíos es la amplia variedad de arquitecturas de vehículos eléctricos y electrónicos utilizadas por los diferentes fabricantes y proveedores. Para resolver este complejo dilema de hardware, es necesario contar con una pila de IA verdaderamente independiente de la plataforma que permita a las empresas elegir el mejor hardware para sus necesidades (ya sean las potentes GPU de NVIDIA, procesadores Intel o conjuntos de chips Qualcomm) sin sacrificar el rendimiento ni compatibilidad.

Uno de los desafíos más importantes al implementar modelos de IA en el ámbito automotriz es la fragmentación del hardware. Los OEM y los proveedores de nivel 1 suelen utilizar diferentes tipos de hardware en sus cadenas de suministro, lo que dificulta mantener una experiencia de IA consistente. Tener una pila de IA independiente del hardware puede resolver este problema al ejecutarse sin problemas en varias plataformas, reduciendo así la complejidad de integrar la IA en los automóviles.

Uno de los aspectos más destacados de nuestra presentación en CES 2025 será un caso de uso del mundo real que demostrará la detección de fallas impulsada por IA en la fabricación de automóviles, desde la capacitación de modelos basada en la nube hasta la implementación instantánea en el borde. Esta demostración se centra en cómo aprovechar la inteligencia artificial para tareas de control de calidad (QA) para procesar y analizar datos de manera eficiente y garantizar que las piezas cumplan con altos estándares de calidad.

En esta demostración, simulamos un entorno de fabricación para producir engranajes impresos en 3D para automóviles. Algunos de los engranajes están impresos correctamente, mientras que otros están defectuosos debido a errores de impresión. Los modelos de inteligencia artificial entrenados mediante el reconocimiento de objetos tienen la tarea de distinguir entre piezas bien fabricadas y defectuosas. La capacidad de identificar automáticamente engranajes defectuosos en la línea de producción reduce la necesidad de inspección manual y aumenta la eficiencia operativa.

El modelo en sí se entrenó en un conjunto de datos que contenía imágenes de equipos buenos y defectuosos en un entorno de nube basado en Ubuntu que ejecuta Kubeflow y MLflow en MicroK8.

Mediante el aprendizaje por transferencia, el modelo se adapta rápidamente y mejora sus capacidades de detección de fallas. De hecho, si el modelo clasifica erróneamente alguna parte, esta retroalimentación se utiliza para volver a entrenar y refinar el modelo. Implemente actualizaciones en el perímetro mediante actualizaciones inalámbricas (OTA), lo que garantiza que los fabricantes siempre ejecuten la versión más precisa de sus modelos en sus entornos de producción. Esto permite a los fabricantes acelerar el proceso de capacitación en IA con modelos previamente entrenados y adaptados a sus casos de uso específicos.

Después del entrenamiento, el modelo se coloca en contenedores y se implementa en dispositivos periféricos ubicados en la fábrica. Estos dispositivos de vanguardia ejecutan Ubuntu y procesan datos en vivo desde cámaras que escanean los engranajes a medida que se mueven a lo largo de la línea de producción. Los modelos de inteligencia artificial evalúan cada pieza sobre la marcha, señalando las piezas defectuosas para su eliminación y aprobando aquellas que cumplen con los estándares de calidad. Esta implementación basada en el borde es particularmente importante en la industria automotriz, donde la baja latencia y la toma de decisiones instantánea son fundamentales para mantener la eficiencia de la producción.

Asóciese con líderes de la industria

Nuestra presentación en CES 2025 también destacará nuestras asociaciones en curso con actores clave en la industria de los semiconductores, incluidos NVIDIA e Intel. Trabajamos estrechamente con NVIDIA para desarrollar soluciones de IA/ML que aprovechen la última tecnología de GPU, lo que permite un entrenamiento rápido de modelos y una implementación de vanguardia para cumplir con los altos estándares de IA en el campo automotriz.

Al admitir múltiples arquitecturas, Canonical garantiza que los fabricantes tengan la libertad de elegir la mejor herramienta para su caso de uso específico. Este enfoque independiente del hardware fue un tema clave en toda nuestra demostración de AI/ML y será un foco central de nuestro stand en CES 2025.

Otros posibles casos de uso

Nuestra demostración muestra claramente cómo esta flexibilidad permite a los desarrolladores implementar sin problemas modelos de IA en una variedad de dispositivos. Por ejemplo, para el reconocimiento de objetos utilizado en sistemas avanzados de asistencia al conductor (ADAS), los modelos de IA entrenados en la nube se pueden optimizar para la implementación en el borde, garantizando un rendimiento fluido en vehículos con recursos informáticos limitados. Esto elimina la necesidad de desarrollar soluciones de IA vinculadas a un único proveedor de hardware, lo que supone una gran ventaja para los fabricantes de automóviles que trabajan con diferentes socios de semiconductores.

Como se mencionó anteriormente, Pila AI/ML de Canonical Permite a los desarrolladores entrenar modelos en la nube y optimizarlos para su implementación en el borde, como en un automóvil. Este proceso garantiza que los modelos de IA funcionen de manera eficiente en dispositivos periféricos, donde la potencia informática suele ser más limitada.

Con soporte para Kubernetes y contenedorización, nuestras soluciones AI/ML brindan a las empresas automotrices la flexibilidad de entrenar modelos en diferentes entornos. Esta flexibilidad no solo acelera el desarrollo, sino que también garantiza que los modelos de IA se puedan actualizar, ampliar o revertir fácilmente según sea necesario. Además, nuestro enfoque de actualización OTA hace que sea fácil, seguro y eficiente implementar actualizaciones de software en los vehículos, una capacidad crítica para mantener los últimos modelos de IA en el campo.

A medida que la IA continúa remodelando la industria automotriz, la pila de IA/ML independiente del hardware de Canonical está preparada para liderar el camino. Desde la implementación perfecta de diferentes plataformas de hardware hasta aplicaciones prácticas en vehículos, nuestras demostraciones en CES 2025 mostrarán cómo la IA/ML está impulsando el futuro de la automoción. Venga a nuestro stand (North Hall #10277) para experimentar estas innovaciones en acción y aprender cómo nuestras soluciones pueden ayudarlo a crear la próxima generación de automóviles inteligentes.

No se pierda CES 2025: impulsemos juntos el futuro de la inteligencia artificial automotriz.

Para obtener más información sobre Canonical y nuestra participación en el espacio automotriz:

Contáctenos

Ver nuestra pagina

Vea nuestro seminario web sobre SDV en asociación con Elektrobit

Descargue nuestro documento técnico V2X (Vehicle to Everything)

Publicaciones relacionadas

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Botón volver arriba