Mobileye, una destacada empresa en tecnología de movilidad, continúa revolucionando el panorama de la conducción autónoma mediante la integración de inteligencia artificial avanzada y experiencia práctica. En el corazón de su ecosistema de conducción autónoma se encuentra el sistema de gestión de experiencias en carretera, conocido como REM™. Este innovador sistema es fundamental para la creación y mantenimiento de mapas de alta definición de las redes viales, a través de la recopilación de datos provenientes de millones de vehículos alrededor del mundo.
Uno de los desarrollos más atractivos de REM™ es su sistema de detección automática de cambios en la infraestructura vial, denominado Change Detection. Este sistema emplea un modelo de aprendizaje profundo conocido como CDNet, que se encarga de identificar modificaciones en las carreteras, desde construcciones hasta cambios en carriles, actualizando los mapas en tiempo real. La precisión de estos mapas es crucial para la localización exacta de los vehículos y la navegación efectiva en tiempo real.
Recientemente, Mobileye ha compartido su progreso en la optimización de la detección de cambios, con un enfoque en mejorar tanto la eficiencia como el rendimiento. Inicialmente, la firma consideró el uso de unidades de procesamiento gráfico (GPU) para realizar inferencias del modelo, sin embargo, se determinó que el uso de la unidad central de procesamiento (CPU) era más rentable sin afectar la velocidad del sistema. Además, la implementación de Amazon EC2 Spot Instances jugó un papel fundamental, permitiendo una notable reducción de costos y aumentando el número de tareas que se completan por cada dólar invertido.
Un avance significativo fue conseguido mediante la centralización de la ejecución de inferencia con el Triton Inference Server. Esto no solo disminuyó la memoria necesaria para cada tarea, sino que también logró reducir el tiempo promedio de ejecución de las mismas, de cuatro minutos a dos. Este enfoque maximiza el uso de las capacidades de CPU y permite procesar más tareas de manera simultánea.
La adopción de instancias AWS Graviton, diseñadas para ofrecer un rendimiento eficiente en costos para trabajos en la nube, ha sido otro aspecto clave en el sistema de detección de cambios. Esta incorporación mejoró la eficiencia de costos del sistema, al tiempo que aumentó la disponibilidad y diversidad de las instancias dentro del grupo de recursos.
En resumen, la optimización del sistema de detección de cambios de Mobileye mediante estas innovaciones está sentando las bases para el futuro de la movilidad autónoma. La compañía está bien posicionada para seguir ajustando y mejorando sus sistemas en los próximos meses, con la vista puesta en perfeccionar el rendimiento y la experiencia del usuario, lo que redundará en beneficios tanto para pasajeros como para conductores.
