Startup-företaget Mighty AI, som levererar träningsdata till företag som bygger datormodellmodeller för autonoma fordon, och konsultföretaget Accenture har publicerat en rapport om några av de utmaningar som autonoma fordon står inför med avseende på all den data som samlas in [1].

För att fordon ska kunna uppnå högre nivåer av automation genom deep learning behöver de en massiv datamängd som kommer från sensorer såsom kamera, radar och LiDAR,  både för upplärningen av AI-systemet men också för att kunna fatta beslut i realtid när de väl introducerats på marknaden.

Rapporten pekar ut följande fyra områden att ha i åtanke när man utvecklar metoder för att hantera massiva datamängder för autonoma fordon:

• Datainsamling: Företag kan bli mycket effektivare på datainsamling genom att optimera datakraven och insamlingsmetoden.
• Datalagring: Att engagera företagets centraliserade IT-avdelning så tidigt som möjligt är avgörande (innan man har distribuerade team som jobbar i olika riktningar).
• Datahantering: Att kunna spåra datas ursprung, vad som händer med det och hur det används över tid är viktigt.
• Datamärkning: Med så mycket data som samlas är det viktigt med kategorisering för att få klarhet.

Rapporten säger avslutningsvis att företag som är medvetna om dessa utmaningar och bygger system för att hantera dem har större möjligheter att kringgå utmaningar som kan bromsa deras framgång.

Källa

[1] Autonomous vehicles: The race is on. Accenture, 2018, Länk