Los vehículos se parecen cada vez más a centros de datos móviles.En promedio, los vehículos modernos contienen Más de 60 sensores Se monitoriza cada aspecto del vehículo, generando grandes cantidades de datos y procesándolos dinámicamente. Este cambio crea desafíos sin precedentes para los OEM.
Edge Computing es un nuevo paradigma que está cambiando la forma en que se procesan los datos en dichos entornos. Implica procesamiento y análisis de datos descentralizados, acercando la potencia informática al lugar donde se generan los datos. Una nube optimizada para el procesamiento de borde puede abordar los grandes volúmenes de datos generados por los sistemas autónomos, garantizando un rendimiento constante independientemente de la ubicación del vehículo.
Este blog profundiza en la informática de punta y examina cómo la nube, optimizada para procesar datos en el borde, puede resolver los desafíos automotrices.
En esencia, la computación de borde es un modelo de computación distribuida que procesa datos en la fuente donde se generan o cerca de ella. Esto significa que, en lugar de enviar todos los datos a un servidor remoto en la nube para su procesamiento, análisis y toma de decisiones, la computación se realiza lo más cerca posible de donde se encuentra el sensor o la operación. Esto proporciona tres beneficios principales:
- Reducir la latencia – Proporcionar operaciones cerca de la fuente de datos garantiza una latencia mínima, lo que garantiza tiempos de respuesta más rápidos y un procesamiento instantáneo.
- Preprocesamiento de datos – Solo los datos preprocesados necesarios se transfieren a un servidor en la nube centralizado. Una menor transmisión de datos significa menores requisitos de ancho de banda, lo que resulta en importantes ahorros de costos. Se beneficia de una mayor privacidad porque sus datos almacenados ya están organizados y protegidos.
- Mejorar la escalabilidad y la resiliencia de la red – Un enfoque descentralizado facilita la escala y aumenta la resiliencia de la red. Puede implementar potencia de procesamiento donde sea necesario, proporcionando la redundancia necesaria según los requisitos locales. Por ejemplo, si necesita sensores adicionales en un entorno específico, puede implementar una nube local cerca de los sensores para un procesamiento eficiente.
Estas ventajas son ideales para abordar los nuevos desafíos que enfrenta la industria automotriz, especialmente en términos de software y procesamiento de datos. Por definición, un vehículo es un objeto en movimiento. Sus ubicaciones cambian constantemente, lo que dificulta el procesamiento de las grandes cantidades de datos que generan. Esto es especialmente cierto en el caso de los vehículos autónomos, que dependen de datos inmediatos para funcionar. Exploremos los diferentes desafíos que enfrenta la industria y cómo se relacionan con la computación de punta.
Tabla de Contenidos
Conducción autónoma y vehículos conectados (V2X)
Con el surgimiento de la conducción autónoma (AD) y las regulaciones emergentes, están surgiendo nuevos casos de uso de «vehículo para todo» (V2X). Las autoridades de varios países están considerando hacer obligatorias las comunicaciones V2X en los vehículos futuros. Por ejemplo, la Administración Nacional de Seguridad del Tráfico en Carreteras (NHTSA) de EE. UU. está considerando utilizar determinadas tecnologías V2X para sistemas de prevención de colisiones.
V2X implica todas las interacciones posibles entre los vehículos y el entorno circundante, como la infraestructura local (V2I), los vehículos circundantes (V2V), etc. Por ejemplo, para funciones relacionadas con el intercambio de información sobre accidentes, es importante que los vehículos se comuniquen con la propia infraestructura vial, incluso en áreas con cobertura de red muy limitada. Estos casos de uso son muy desafiantes con la infraestructura de nube tradicional actual.
El requisito de inmediatez es elevado y crucial para la seguridad de los pasajeros. La comunicación entre múltiples vehículos y puntos de infraestructura puede experimentar problemas de conectividad intermitentes. V2X a menudo implica el intercambio de información confidencial, por lo que garantizar la seguridad y privacidad de estos datos es fundamental. La computación perimetral proporciona la resiliencia, la seguridad y la latencia mínima necesarias para cumplir con estos requisitos.
Computación remota para la fusión de sensores
Los vehículos autónomos son conocidos por la gran cantidad de datos que recopilan a través de numerosos sensores. Es casi imposible transferir grandes cantidades de datos a una nube central para su procesamiento. No sólo la duración de la carga es demasiado larga antes de obtener una respuesta procesada, sino que el costo del procesamiento en la nube y la transferencia de datos también es demasiado alto.
Es por eso que todos los OEM primero procesan previamente los datos del automóvil y luego envían solo información relevante a la nube. De esta manera, la mayoría de las decisiones de emergencia se pueden tomar a bordo, utilizando algoritmos previamente entrenados y garantizando respuestas por debajo de umbrales de tiempo específicos.
Aún así, los requisitos de potencia de procesamiento bruta y baja latencia siguen siendo difíciles de cumplir debido a la gran cantidad de datos generados por la fusión de sensores. La fusión de sensores implica recopilar datos de diferentes sensores dentro del vehículo, como cámaras, radares, lidar, sensores ultrasónicos y otros mecanismos de detección. Al combinar la información de estos diferentes sensores, el sistema puede obtener una visión más completa de los alrededores del vehículo. El preprocesamiento de cantidades tan grandes de datos combinados requiere dispositivos informáticos de borde que estén lo más cerca posible de los sensores pero lejos de la infraestructura central de la nube, lo que llamamos la «nube de borde lejano».
Computación de borde cercano en la fábrica
En la fabricación de vehículos, la inspección de calidad suele requerir el análisis de grandes cantidades de datos 3D precisos. Este procesamiento requiere potentes capacidades 3D. Las soluciones tradicionales basadas en la nube plantean desafíos de red y problemas de seguridad.
Siempre que sea posible, se debe evitar el envío de datos patentados fuera del sitio para su análisis, que pueden incluir detalles confidenciales sobre los métodos de fabricación de una empresa. En este escenario, los fabricantes de automóviles se beneficiarían de las nubes perimetrales («nubes cercanas al borde») que residen dentro de las fábricas y se integran directamente con la infraestructura central de la nube. El procesamiento de datos se realiza en paralelo dentro de las instalaciones y está protegido por los terrenos de la fábrica.
La arquitectura de computación de borde implementa funciones de nube en el borde para implementar funciones de computación y almacenamiento en varias ubicaciones distribuidas. A medida que la cantidad de datos generados en el borde continúa aumentando, la necesidad de soluciones simples en la nube de borde continúa creciendo. La implementación de capacidades de nube en el borde plantea desafíos de orquestación, seguridad y mantenimiento.
Para abordar estos desafíos, Canonical lanzó recientemente MicroCloud. MicroCloud es una solución en la nube de bajo contacto diseñada para implementaciones de borde y clústeres escalables. Esta solución proporciona una amplia automatización, lo que le permite implementar nubes perimetrales con un solo comando y simplificar significativamente el mantenimiento continuo.
Al mejorar y simplificar la implementación y las operaciones de la nube en ubicaciones remotas, MicroCloud ofrece varias ventajas distintivas sobre el procesamiento tradicional basado en la nube. Este nuevo producto de Canonical admite la implementación de nubes livianas pero escalables, ideales para casos de uso en el borde que requieren seguridad y eficiencia.
La computación perimetral se combina con tecnologías emergentes para permitir más capacidades. Por ejemplo, la arquitectura de computación de borde será invaluable para la división de redes 5G.
La división 5G se puede configurar para garantizar una baja latencia en algunas áreas y comunicaciones de alta velocidad en otras. Luego, la arquitectura de la red se puede personalizar y optimizar en función de las necesidades locales de la infraestructura general. Esto contribuirá al auge de los coches autónomos controlados a distancia.
La inteligencia artificial también está estrechamente vinculada a la informática de punta, ya que los algoritmos impulsan el proceso de toma de decisiones de los vehículos autónomos. Los OEM deben garantizar que los modelos de IA entrenados reciban los datos correctos necesarios para garantizar la seguridad y eficiencia del vehículo y sus ocupantes. Es necesario definir la pila completa en consecuencia para que el modelo pueda explotar de manera óptima las capacidades y la latencia de la nube perimetral.
De hecho, para aprovechar al máximo lo que ofrece la nube perimetral, se requiere una pila de software (y hardware) optimizada. La naturaleza descentralizada de la arquitectura informática de punta la convierte en un paradigma de implementación natural para los sistemas de inteligencia artificial.
A medida que la industria automotriz continúa evolucionando hacia el software, la conectividad y la automatización, surgen nuevos desafíos. Edge Computing proporciona soluciones que mejoran el rendimiento y la experiencia del usuario y, al mismo tiempo, abordan los riesgos de seguridad y los problemas de privacidad de los datos.
De cara a 2024, se espera una importante inversión e integración en tecnologías informáticas de punta en fábricas de automóviles, aplicaciones V2X y funciones de conducción autónoma.
Asegúrese de utilizar soluciones optimizadas basadas en datos y sepa todo lo que necesita saber Micronube, la nube privada de bajo contacto de Canonical está optimizada para casos de uso periféricos. MicroCloud es ideal para impulsar la innovación automotriz a través de vehículos, fábricas e infraestructuras más seguras, inteligentes y conectadas.
