Beschleunigen Sie die Entwicklung fortschrittlicher Fahrerassistenz- und autonomer Fahr-Features mit speziell entwickelten Services und Lösungen von AWS und Partnern
Automobilunternehmen des Jahres
Erfahren Sie, warum Frost & Sullivan AWS zu einem wichtigen Akteur ernannte, der die Branche vorantreibt.
Vorteile
Autonome Mobilität – Benutzungsmöglichkeiten und Lösungen
Datenerfassung und Vorverarbeitung
Datenerfassung und Vorverarbeitung
Schnellerer Zugriff auf Petabytes an Daten mithilfe von Services, die die Datenerfassung beschleunigen und anschließend die Daten verarbeiten, um sicherzustellen, dass nur qualitativ hochwertige und relevante Daten gespeichert und für Edge-Fälle leicht durchsuchbar sind
Szenarien
Daten-Labeling und Anonymisierung
Daten-Labeling und Anonymisierung
Beschleunigen Sie das Labeling und Annotation und reduzieren Sie gleichzeitig Betriebsfehler, um qualitativ hochwertige Datensätze zu erhalten
.042aefe08c2c091d4509818282c81add9d3b7f99.png "Symbol für autonome Fahrzeugsoftware")
Datenverwaltung, -verarbeitung und -analyse
Datenverwaltung, -verarbeitung und -analyse
Stellen Sie neue Features schneller bereit, indem Sie die Effizienz des Datenmanagements in der gesamten Tool-Kette der Entwicklungsplattform erhöhen
Modellentwicklung und -training
Modellentwicklung und -training
Entwicklung von KI-Algorithmen und bis zu fünfmal schnellere Ausführung von Machine-Learning-Workloads bei gleichzeitiger Verbesserung der Kooperation zwischen global verteilten Teams
AM-Softwareentwicklung
AM-Softwareentwicklung
Entwicklung und Test in einer gemeinsamen, cloudnativen Umgebung mit Zugriff auf branchenübliche Tool-Ketten
Simulation und Verifizierung
Simulation und Verifizierung
Virtuelles Testen von Milliarden von Kilometern, um die Leistung von Features für autonome Mobilität zu verbessern und KPIs in Tagen statt Monaten zu erreichen
Weitere Informationen über die vorgestellten Lösungen
Datenframework für autonomes Fahren (ADDF)
Skalierung und Beschleunigung der Entwicklung von Fahrerassistenzsystemen und autonomem Fahren mithilfe von Datenverarbeitungspipelines, Visualisierungsmechanismen, Analyseschnittstellen und einer Schnittstelle für die Szenensuche.
Scene Intelligence mit Rosbag in AWS
Scene Intelligence mit Rosbag ist eine AWS-Lösung, die Sie durch die Schritte zum Extrahieren von Sensordaten und bei der Objekterkennung mithilfe benutzerdefinierter Geschäftslogik führt.
Erste Schritte mit ausgewählten AWS-Services
Erfahrungsberichte von Kunden
Erfahren Sie, wie führende Automobilunternehmen ihr Geschäft mit AWS-Autonomous-Mobility-Lösungen umgestalten.
Transformation des autonomen Lkw-Transports mit einem in Amazon S3 entwickelten Data Lake
Erfahren Sie mehr über die wichtigsten Erkenntnisse von Torc Robotics nach der Migration zu einem modernen Data Lake in der Cloud mit Amazon S3.
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 Gemeinschaft von AWS-Partnern, die bei der Entwicklung von Lösungen in AWS technisches Know-how und Kundenerfolge nachgewiesen haben.
DXC Robotic Drive in AWS
KPIT SIL-Plattform
Fahrautomatisierung und Systemvalidierung (DASV)
Lyve Mobile Datenübertragungsdienste
Simphera
Equinix Interconnection
Ottometrische Plattform
MLOps-Plattform für Gewichte und Verzerrungen
Web.Auto
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.
Videos mit Amazon SageMaker Ground Truth kennzeichnen
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
