Mobileye, reconocida como una de las pioneras en tecnología de movilidad, ha dado un paso significativo hacia el futuro de la conducción autónoma al integrar inteligencia artificial (IA) avanzada con experiencia práctica en la gestión de experiencias en carretera (REM™). Este componente se ha consolidado como una pieza clave en el ecosistema de la conducción autónoma, permitiendo la creación y mantenimiento de mapas de alta definición de las redes viales mediante la recopilación de datos de millones de vehículos.
Una de las innovaciones más destacadas de REM™ es el sistema automatizado de detección de cambios en la infraestructura vial, denominado Change Detection. Este sistema se apoya en el modelo de aprendizaje profundo CDNet, el cual se encarga de analizar y capturar modificaciones en las carreteras, como la construcción o alteración de carriles, actualizando los mapas en tiempo real. La precisión de estos mapas es fundamental, ya que aseguran una localización exacta y una navegación eficiente de los vehículos.
Recientemente, Mobileye ha compartido sus avances en la mejora de la detección de cambios, enfocándose en optimizar tanto la eficiencia como el rendimiento del sistema. La empresa exploró inicialmente el uso de unidades de procesamiento gráfico (GPU) para la inferencia del modelo, pero posteriormente determinó que las unidades centrales de procesamiento (CPU) ofrecían una solución más rentable sin sacrificar la velocidad del sistema. Además, la implementación de Amazon EC2 Spot Instances ha permitido una significativa reducción de costos, mejorando la cantidad de tareas completadas por dólar invertido.
Un logro crucial en este proceso ha sido la adopción del Triton Inference Server para centralizar la ejecución de la inferencia, lo que ha reducido la huella de memoria y disminuido el tiempo de ejecución de las tareas de detección de cambios de cuatro minutos a tan solo dos. Esta mejora ha maximizado el uso de las capacidades de las CPU, permitiendo una mayor cantidad de tareas procesadas simultáneamente.
La incorporación de instancias AWS Graviton ha sido otro aspecto clave, ya que estas están diseñadas para ofrecer un rendimiento óptimo en relación a costos para cargas de trabajo en la nube. Esta inclusión ha mejorado no solo el costo de eficiencia del sistema de detección de cambios, sino también la disponibilidad y diversidad de instancias en el grupo de recursos.
En resumen, la optimización del sistema de detección de cambios de Mobileye, gracias a estas innovaciones, está estableciendo nuevas bases para el futuro de la movilidad autónoma. La empresa continúa ajustando y perfeccionando sus sistemas, con planes de seguir explorando mejoras en los próximos meses. Las mejoras en rendimiento y experiencia del usuario son notables, beneficiando tanto a pasajeros como a conductores, y marcando un importante avance en el ámbito de la movilidad inteligente.
