Deep Learning für mehr Mobilität: Eine voll funktionsfähige Plattform zur Unterstützung von Fahrzeugflotten und -diensten gibt es heute noch nicht – aber viele der Komponenten dafür. Die wesentliche Verbesserung der Fahrzeugsicherheit in der Vergangenheit war die passive Sicherheit, die hauptsächlich auf Minimierung der Schäden während eines Unfalls ausgelegt war. Die Zukunft gehört den erweiterten Fahrerassistenzsysteme (ADAS). Mit innovativer Deep Learning Technologie (DL) können Unfälle proaktiv vermieden werden.
![Dell Technologies Deep Learning Infrastruktur für autonomes Fahren](https://www.delltechnologies.com/uploads/2020/07/automotive-sector-blog-1000x500-1.jpg)
In modernen Fahrzeugen werden immer mehr aktive Sicherheitssysteme implementiert – wie Antiblockiersystem (ABS) und autonome Notbremsung (AEB), die in Ergänzung zu passiven Sicherheitssystemen, die darauf ausgelegt sind, um Verletzungen während eines Unfalls zu minimieren, wie zum Beispiel Gurtstraffer und Airbags, entwickelt werden.
Jetzt werden auch Computer Vision- und Machine Learning (ML) -Lösungen in Automobile integriert, um die Sicherheit, Bequemlichkeit und das Fahrerlebnis zu verbessern. Dazu werden Sensordaten aus mehreren Quellen, wie Kamera, Lidar, Radar- und Ultraschallsensoren verwendet. Mit einer Vielzahl an Informationen können nun Muster in Echtzeit erkannt werden und das Fahrerlebnis mit künstlicher Intelligenz (KI) und Deep Learning (DL) weiter verbessert werden. Die nächste Stufe der Mobilität hat begonnen.
„Dell takes in the advantage of the best practise other industries have already done – cloud native development, continuous integration of software, high degrees of vertilisations, software definition of their infrastructure.“ John Roese, CTO Dell Technologies, über die Transformation der Mobilität anlässlich der CES 2020
Deep Learning macht autonomes Fahren möglich
Mit der Entwicklung der künstlichen Intelligenz und des Deep Learnings ist es nun möglich, embedded Steuergeräte (ECUs) in Fahrzeuge zu integrieren, die mit Hilfe von Computer-Vision-Algorithmen Inhalte aus Bildern und Cloud-Daten interpretieren können und entsprechende Einschätzungen treffen oder Aktionen setzen können.
Autonomes Fahren in der Praxis: Immer mehr ADAS Funktionen (Erweiterte Fahrerassistenzsysteme) lassen sich in einzelnen Sensoren vereinen. Dies bringt uns näher an das Ziel eines autonomen Fahrzeugs. ADAS werden bereits in vielen Fahrzeugen eingesetzt. Beispielsweise kann die Erkennung des toten Winkels Fahrer alarmieren, wenn sie versuchen auf eine besetzte Spur zu wechseln. Die Fußgängererkennung benachrichtigt den Fahrer, wenn sich Fußgänger vor oder hinter dem Auto befinden. Die autonome Notbremsung (AEB) aktiviert dann die Bremsen, um einen Unfall oder sogar die Verletzung von Fußgängern zu vermeiden.
Mit zunehmender Genauigkeit und Raffinesse kann autonomes Fahren realisiert werden. Der entscheidende Erfolg ist die Kombination verbesserter Sicherheitsalgorithmen, erhöhte Rechenleistung und Zugriff auf große, umfassende Verifizierungsdatensätze.
So geht Deep Learning für autonomes Fahren
Im White Paper „Distributed Deep Learning Infrastructure for Autonomous Driving“ werden die Herausforderungen an die Infrastruktur untersucht, denen sich die Erstausrüster von Automobilen gegenübersehen, wie Tier-1s und Tier-2s bei der Entwicklung von DL-Algorithmen für ADAS/AD. Es geht auf Scale-Out-Berechnung ein und beschreibt Speicherlösungen für ADAS / AD-Workloads, die hohe Leistung, hohe Parallelität und massive Skalierbarkeit und Flexibilität liefern.
Setzen Sie jetzt darauf, eigene Plattformen für autonomes Fahren in Ihrem Unternehmen aufzubauen!
Dell Technologies liefert innovative Lösungen für den Automotive Bereich, die sich in anderen Industrien bereits bewährt haben. Hervorgehoben wird Dell PowerScale als leistungsstarke dauerhafte Speicherlösung für ADAS DL-Lösungen. Im White Paper wird eine typische Hardwarearchitektur für DL vorgestellt, unter anderem Dell PowerEdge-Server mit eingebetteten NVIDIA Volta-GPUs und All-Flash-PowerScale-Speicher. Abgerundet mit Benchmarks und Informationen rund um das Testverfahren bringt Sie das White Paper auf den aktuellsten Stand.
Vernetzen Sie sich zu diesem Thema auch gerne in dieser LinkedIn-Gruppe und folgen Sie uns weiter zu innovativen IT-Lösungen auch auf unserem Blog, LinkedIn und Twitter.