Beschleunigen der Entwicklung autonomer Fahrzeuge mit speziell entwickelten AWS- und Partnerservices und -Lösungen
Vorteile
Autonome Mobilität - Benutzungsmöglichkeiten und Lösungen
Lösungen nach Benutzung erforschen
Datenverwaltung, -verarbeitung und -analyse
Mit diesen Lösungen erhalten Unternehmen ein flexibles und skalierbares Datenschwungrad, in dem kategorisierte Daten weiterhin Arbeitslasten speisen, die mit jeder Stufe zunehmend iterativ werden und die Modellentwicklung, Simulation, Prüfung und Validierung optimieren.
Modell- und Algorithmusentwicklung
Erstellen Sie leistungsstarke Lösungen für wichtige Funktionen des selbstfahrenden Autos, wie Spurhalteassistent, adaptive Geschwindigkeitsregelung und automatische Notbremsung, und beschleunigen Sie so die Markteinführung.
Erfahren Sie mehr über die vorgestellten Lösungen
Data Lake für autonomes Fahren
Aufbau einer MDF4/Rosbag-basierten Datenaufnahme- und -Verarbeitungs-Pipeline für Autonomes Fahren und fortschrittliche Fahrerassistenzsysteme (ADAS).
Weights and Biases für AWS
Weights & Biases ist die führende entwicklungsorientierte MLOps-Plattform zur schnelleren Erstellung besserer Modelle. Mit Weights & Biases können ML-Teams Experimente nachverfolgen, Modell- und Datensatzabhängigkeiten verstehen, ihre Datensätze visualisieren und verstehen sowie zusammenarbeiten und Ergebnisse austauschen.
Erste Schritte mit ausgewählten AWS-Services
Kundenerfahrungen
Erfahren Sie, wie führende Automobilunternehmen ihr Geschäft mit AWS-Autonomous-Mobility-Lösungen umgestalten.
Mobileye: Navigating the winding road toward driverless mobility (Den kurvenreichen Weg zur fahrerlosen Mobilität managen)
Autonome Fahrzeuge (AVs) werden immer mehr zur Realität, wie die Vielfalt der fortschrittlichen Fahrerassistenzsysteme (ADAS) und die wachsende Zahl von AV-Testprogrammen auf der Straße zeigen. Mobileye, ein weltweit führendes Unternehmen in der Entwicklung von Technologien für ADAS und autonome Fahrlösungen, war ein wesentlicher Bestandteil dieser technologischen Revolution.
Lyft erhöht die Simulationskapazität und senkt die Kosten mit Amazon-EC2-Spot-Instances
Lyft erhöhte die Simulationskapazität und senkte die Kosten durch den Einsatz von Amazon-EC2-Spot-Instances, um die Leistung und Sicherheit seines selbstfahrenden Systems zu verbessern.
Toyota Research Institute beschleunigt sicheres automatisiertes Fahren mit Deep Learning in globalem Maßstab in AWS
Toyota Research Institute verwendet Amazon-EC2-P3-Instances, um die riesigen Datenmengen, die es erfasst, effizient zu verarbeiten und die Entwicklung seiner automatisierten Fahrsysteme zu beschleunigen.
Momenta beschleunigt die Technologie für autonomes Fahren mit AWS
Momenta verwendet AWS-Speicher- und IoT-Lösungen, um Hunderte von Petabytes an Daten von den Sensoren an Bord seiner autonomen Fahrzeuge zu erfassen und zu verarbeiten.
WeRide beschleunigt in AWS das Training von Modellen für Machine Learning beim autonomen Fahren von Wochen auf 12 Stunden
WeRide beschleunigte in AWS das Training von Modellen für Machine Learning beim autonomen Fahren von Wochen auf 12 Stunden.
Entwickeln des autonom fahrenden LKW der Stufe 4 von TuSimple mit AWS
TuSimple hat Milliarden von Fahrkilometern simuliert und seine Plattform für autonomes Fahren entwickelt, die ausgeklügelte Deep-Learning-Algorithmen in AWS nutzt.
Innovationen mit zentralen Industriepartnern
Engagieren Sie sich mit einer globalen Community von AWS-Partnern, die technisches Know-how und Kundenerfolge beim Entwickeln von Lösungen in AWS nachgewiesen haben.
Ressourcen
Siehe Blog-Beiträge, Videos, Podcasts und andere Ressourcen von AWS zur Automobilbranche, um mehr zu erfahren und über die neuesten Entwicklungen auf dem Laufenden zu bleiben.
E-Book zur Entwicklung autonomer Fahrzeuge
Autonome Fahrzeuge versprechen eine sichere, effiziente und barrierefreie Zukunft, die die Abhängigkeit von einem menschlichen Fahrer minimiert und ihn schließlich überflüssig macht. Lesen Sie dieses E-Book, um zu erfahren, wie Toyota Research, Lyft, Momenta und TuSimple die Entwicklung ihrer autonomen Fahrsysteme beschleunigen, indem sie in AWS entwickeln.
Entwickeln einer Pipeline zur automatischen Szenenerkennung für autonomes Fahren – ADAS-Workflow
Dieser Field Notes-Blogbeitrag aus dem Jahr 2020 erklärt, wie Sie mit dieser Referenzarchitektur einen Data Lake für autonomes Fahren entwickeln können.
How Autonomous Trucking Became the Unlikely Hero of Autonomous Vehicle Development (Wie der autonome Lkw zum unwahrscheinlichen Helden der autonomen Fahrzeugentwicklung wurde)
LKW der Klasse 8, also die Sattelschlepper, die Sie täglich auf der Autobahn überholen, legen in der Regel astronomische Kilometerleistungen auf langen Strecken unter relativ vorhersehbaren Bedingungen zurück. Das ist eine ideale Umgebung für die Entwicklung und Erprobung von Technologien für selbstfahrende Fahrzeuge.
Jede High-Fidelity-Simulation in AWS RoboMaker mit GPU- und Container-Unterstützung ausführen
Zur Unterstützung von High-Fidelity-Simulationen unterstützt AWS RoboMaker jetzt GPU-basierte Simulationsaufträge, die für rechenintensive Workflows wie High-Fidelity-Simulationen entwickelt wurden.
Deploy and Visualize ROS Bag Data on AWS using rviz and Webviz for Autonomous Driving (Bereitstellung und Visualisierung von ROS Bag-Daten auf AWS mit rviz und Webviz für autonomes Fahren)
Dieser Blog-Beitrag beschreibt drei Lösungen für die Bereitstellung und Visualisierung von ROS-Bag-Daten auf AWS mit Hilfe von zwei beliebten Visualisierungstools.
Label Videos with Amazon SageMaker Ground Truth
Da die Modelle immer ausgereifter werden, wenden AWS-Kunden zunehmend Vorhersagen von Machine Learning auf Videoinhalte an. Das autonome Fahren ist vielleicht der bekannteste Anwendungsfall, da die Sicherheit erfordert, dass Straßenbedingungen und sich bewegende Objekte korrekt erkannt und in Echtzeit verfolgt werden.
Label 3D Point Clouds with Amazon SageMaker Ground Truth
Mithilfe der integrierten grafischen Benutzeroberfläche (GUI) und ihrer Tastenkombinationen für die Navigation und Beschriftung können Mitarbeiter schnell und präzise Beschriftungen, Boxen und Kategorien auf 3D-Objekte („Auto“, „Fußgänger“ usw.) anwenden.
Capgemini Driving Automation System Validation
Hilft OEMs, die zugrundeliegende Architektur und Technologien des autonomen Fahrens schnell zu übernehmen.
DXC und AWS Robotic Drive Cloud
Stellt die Tools, Services und die Basis-Backend-Plattform in AWS bereit, um das Entwickeln von Funktionen und Software für autonomes Fahren zu beschleunigen, indem AWS-Services, die für spezifische Workloads für autonomes Fahren optimiert sind, erweitert werden.
Erste Schritte
