Mobileye, reconocida empresa en el ámbito de la tecnología de movilidad, ha dado un paso significativo hacia el futuro de la conducción autónoma al integrar inteligencia artificial avanzada con su experiencia práctica. Un componente crucial en su ecosistema de conducción autónoma es la gestión de experiencias en carretera (REM™), la cual crea y mantiene mapas de alta definición de las redes viales, basándose en datos recopilados de millones de vehículos.
Uno de los desarrollos más innovadores de REM™ es el sistema de detección automática de cambios en la infraestructura vial, llamado Change Detection. Este sistema utiliza un modelo de aprendizaje profundo, CDNet, para analizar modificaciones en las carreteras, como construcciones o cambios de carriles, actualizando los mapas en tiempo real. Dichos mapas son esenciales para la localización precisa y navegación eficiente de los vehículos.
Recientemente, Mobileye ha compartido su proceso de mejora en la detección de cambios, centrándose en eficiencia y rendimiento. Inicialmente, consideraron utilizar GPUs para la inferencia del modelo, pero pronto descubrieron que el uso de CPUs resultaba más rentable sin sacrificar la velocidad. Al emplear Amazon EC2 Spot Instances, lograron reducir significativamente los costos y aumentar el número de tareas completadas por dólar invertido.
La adopción del Triton Inference Server fue un hito clave. Esto permitió reducir la memoria necesaria por tarea y acortar el tiempo de ejecución de las mismas de cuatro minutos a dos, incrementando así el procesamiento simultáneo de tareas mediante el uso máximo de las capacidades de CPU.
Además, la incorporación de instancias AWS Graviton, diseñadas para un rendimiento óptimo en costos en la nube, mejoró la eficiencia económica del sistema de detección de cambios. También aumentó la disponibilidad y diversidad de instancias dentro del grupo de recursos de Mobileye.
La optimización del sistema de detección de cambios de Mobileye, a través de estas innovaciones, está configurando un nuevo panorama para la movilidad autónoma. Con la visión de seguir mejorando sus sistemas, la compañía espera continuar su proceso de optimización en los próximos meses, logrando mejoras significativas en el rendimiento y la experiencia del usuario, lo cual beneficia tanto a pasajeros como a conductores.
