자율 주행

AWS Direct Connect 클라우드 서비스는 AWS 리소스에 대한 최단 경로입니다. 전송 중에 네트워크 트래픽은 AWS 글로벌 네트워크에 남아있으며 퍼블릭 인터넷과 접촉하지 않습니다.

업계 최고 수준의 확장성, 가용성 및 보안을 갖춘 객체 스토리지로, 모든 위치에서 원하는 양의 데이터를 저장하고 검색할 수 있습니다.

Amazon Elastic Compute Cloud(Amazon EC2)는 안전하고 크기 조정이 가능한 컴퓨팅 파워를 클라우드에서 제공하는 웹 서비스입니다.

AWS Batch를 사용하면 개발자, 과학자 및 엔지니어가 AWS에서 수많은 배치 컴퓨팅 작업을 효율적으로 손쉽게 실행할 수 있습니다.

Amazon SageMaker를 통해 데이터 사이언티스트와 개발자는 기계 학습을 위해 특별히 구축된 다양한 기능 세트를 함께 활용하여 고품질 기계 학습 모델을 빠르게 준비, 구축, 훈련 및 배포할 수 있습니다.

Amazon EMR은 Apache Spark, Apache Hive, Presto와 같은 오픈 소스 프레임워크를 사용하여 페타바이트 규모의 데이터 처리, 대화형 분석, 기계 학습을 지원하는 업계 최고의 클라우드 빅 데이터 솔루션입니다.

AWS CodeBuild는 소스 코드를 컴파일하는 단계부터 테스트 실행 후 소프트웨어 패키지를 개발하여 배포하는 단계까지 마칠 수 있는 완전관리형의 지속적 통합 서비스입니다.

AWS CodePipeline은 빠르고 안정적인 애플리케이션 및 인프라 업데이트를 위해 릴리스 파이프라인을 자동화하는 데 도움이 되는 완전관리형 지속적 전달 서비스입니다.

DXC Robotic Drive on AWS

KPIT SIL Platform

Driving Automation and Systems Validation(DASV)

Lyve Mobile Data Transfer Services

Simphera

Equinix Interconnection

Ottometric Platform

Weights & Biases MLops Platform

Web.Auto

2020년에 작성된 이 Field Notes 블로그는 참조 아키텍처를 사용하여 자율 주행 데이터 레이크를 구축하는 방법을 설명합니다.

고속도로에서 매일 지나치는 견인 트럭인 Class 8 상용 트럭은 일반적으로 비교적 예측 가능한 조건의 장거리 경로에서 천문학적 주행 거리를 기록합니다. 이는 자율 주행 기술을 개발 및 입증하기 위한 이상적인 환경입니다.

고충실도 시뮬레이션을 지원하기 위해 현재 AWS RoboMaker는 컴퓨팅 집약적 워크플로(예: 고충실도 시뮬레이션)를 위해 개발된 GPU 기반 시뮬레이션 작업을 지원합니다.

이 블로그 게시글에서는 널리 사용되는 두 가지 시각화 도구를 사용하여 AWS에서 ROS bag 데이터를 배포 및 시각화하는 방법에 대한 세 가지 솔루션을 설명합니다.

모델이 점점 더 정교해짐에 따라 동영상 콘텐츠에 기계 학습 예측을 적용하는 AWS 고객이 점점 늘고 있습니다. 안전을 위해 도로 상태와 움직이는 물체를 정확하게 감지하고 실시간으로 추적해야 하기 때문에 자율 주행은 가장 대표적인 사용 사례입니다.

작업자는 기본 제공 그래픽 사용자 인터페이스(GUI)와 탐색 및 레이블 지정을 위한 단축키를 사용하여 3D 객체('자동차', '보행자' 등)에 레이블, 상자 및 카테고리를 빠르고 정확하게 적용할 수 있습니다.

OEM이 자율 주행의 기본 아키텍처 및 기술을 빠르게 도입하도록 지원합니다.

자율 주행 관련 워크로드를 위해 최적화된 AWS 서비스를 강화하여 자율 주행 기능 및 소프트웨어의 구축을 가속화하기 위해 AWS에서 도구, 서비스 및 기본 백엔드 플랫폼을 제공합니다.