Bagi sebagian besar dari kita, mengemudi adalah hal yang sudah menjadi kebiasaan; serangkaian keputusan otomatis. Untuk melatih AI untuk mengemudi secara otonom-untuk membuat keputusan yang sama bahkan sepersepuluh detik lebih cepat, dan berpotensi membuat mengemudi lebih aman-membutuhkan data sebesar petabyte.
Menurut Organisasi Kesehatan Dunia (WHO) (tautan berada di luar ibm.com), sekitar 1,35 juta orang meninggal dunia dalam kecelakaan di jalan raya setiap tahunnya, dan 50 juta lainnya mengalami cedera. Untuk mengurangi risiko ini, UE sekarang mewajibkan ketersediaan kendaraan self-driving pada tahun 2030. Perlombaan berlangsung untuk memberikan jalur teknologi terbaik untuk mengemudi sepenuhnya otonom.
"Sistem bantuan pengemudi canggih bereaksi lebih cepat daripada pengemudi dalam skenario kecelakaan yang kritis," kata Robert Thiel, Kepala Kecerdasan Buatan, Sistem Bantuan Pengemudi Canggih (ADAS), di Continental. "Hal ini dapat dicapai dengan melatih AI dengan banyak data untuk mengemudi dengan lebih aman daripada manusia. Oleh karena itu, manajemen data yang cerdas berarti kendaraan yang cerdas dan nyawa yang terselamatkan."
Continental adalah pemasok utama suku cadang otomotif untuk hampir setiap produsen mobil di dunia dan pemimpin dalam ruang intelijen mengemudi otonom. Unit bisnis ADAS-nya mulai mengembangkan sensor cerdas dan solusi keselamatan lalu lintas berbasis data lebih dari 20 tahun yang lalu, dan telah bekerja untuk meningkatkan kecepatan pengembangan menggunakan pembelajaran mendalam dan pelatihan jaringan saraf tiruan. Tujuan dari proyek Vision Zero Continental adalah untuk secara virtual menghilangkan kematian akibat kecelakaan lalu lintas melalui pengembangan teknologi ADAS.
Inovasi seumur hidup
Continental telah mendorong batas-batas inovasi otomotif selama 150 tahun
Peningkatan efisiensi pelatihan
Continental meningkatkan waktu pelatihan AI sebesar 70% dengan menggunakan sistem IBM Spectrum Scale dan NVIDIA DGX
Meningkatkan kemampuan
Continental memiliki kemampuan untuk menjalankan setidaknya 14x lebih banyak eksperimen pembelajaran mendalam per bulan pada waktu yang sama
Salah satu tantangan terbesar industri otomotif yang berkaitan dengan pengemudian otonom adalah mengelola data yang berada di seluruh dunia dan menggunakan data tersebut jika diperlukan. Inisiatif ADAS Vision Zero dari Continental menggunakan armada uji coba yang dilengkapi dengan sensor yang dapat menempuh jarak 15.000 kilometer per hari, menghasilkan dan merekam lebih dari 100 TB data, yang kemudian dicerna, diproses, diseleksi, dinilai, dan diberi keterangan, serta digunakan untuk pelatihan dan validasi sistem.
Untuk mendeteksi apa yang terjadi dalam skenario tertentu dan memungkinkan pengambilan keputusan untuk mengendalikan kendaraan dengan aman, tim menggunakan sistem NVIDIA DGX (tautan berada di luar ibm.com) untuk pelatihan dan validasi. Untuk mempercepat pengembangan AI dan mengurangi waktu ke pasar, Continental membutuhkan pemrosesan AI berkinerja tinggi dan akses ke data serta solusi penyimpanan yang kuat untuk menganalisis ratusan ribu gambar per detik dengan komputasi GPU NVIDIA.
Solusi ADAS Continental dapat mendukung pengemudi dalam berbagai tugas mengemudi yang umum dan bahkan mengendalikan kendaraan untuk menghindari kecelakaan. Namun, seiring dengan meningkatnya otomatisasi bantuan pengemudi dan sistem keselamatan kendaraan, kompleksitas perangkat lunak meningkat, begitu pula jumlah persyaratan keselamatan di berbagai wilayah geografis. Continental menyadari bahwa sudah waktunya untuk meningkatkan teknologi dan timnya untuk mengembangkan solusi AI yang lebih berskala global. Kebutuhan akan akses data paralel juga berarti menghadapi tantangan manajemen data yang terus berkembang.
Continental membutuhkan sistem file paralel yang kuat untuk memenuhi tuntutan kecepatan tinggi dari AI dan untuk melindungi data sensitif. Pada saat yang sama, perusahaan ini harus menciptakan tempat yang lebih mudah diakses secara terpusat untuk menyimpan data dan meningkatkan kemampuan penelusuran, menawarkan banyak cara bagi para pengembang untuk terhubung dengan aman.
Continental tahu bahwa sudah waktunya untuk meningkatkan kinerja dengan infrastruktur pembelajaran mendalam yang dapat diskalakan dan penyimpanan yang terhubung dengan jaringan berkecepatan tinggi. Solusi ini perlu menyediakan akses acak yang cepat, mendukung protokol seperti Server Message Block (SMB) dan Amazon Simple Storage Service (S3), dan menyediakan beberapa opsi manajemen akses yang berbeda.
"GPU saat ini sangat cepat sehingga penyimpanan standar tidak dapat mengimbangi komputasi," kata David Enenkel, Kepala Operasi TI, ADAS, di Continental. “Itu sebabnya kami mencari sesuatu yang lebih cepat, sesuatu yang benar-benar memberi kami bandwidth dan juga akses acak yang kami butuhkan.”
Continental menetapkan pengujian komprehensif dan mengevaluasi seberapa baik setiap solusi penyimpanan teratas diukur sesuai dengan tujuannya. Untuk mengukur kinerja IBM ESS, Continental bekerja sama dengan Mitra Bisnis IBM SVA System Vertrieb Alexander GmbH. Mereka menemukan bahwa IBM Spectrum Storage for Data dan AI dengan solusi NVIDIA DGX memberikan kinerja yang dibutuhkan dan beberapa keuntungan lainnya. Arsitektur kinerja tinggi "paralel" dan penerapan node solusi yang sederhana untuk skala menyediakan infrastruktur AI yang diperlukan, dengan ketahanan dan skalabilitas yang dibutuhkan Continental di masa depan.
Fleksibilitas dan integrasi tanpa batas dari IBM Storage dengan kontainer Kubernetes memungkinkan Continental untuk memodernisasi pengembangan aplikasinya tanpa harus mengorbankan persyaratan infrastruktur seperti performa, skalabilitas, atau kesederhanaan. Solusi IBM Spectrum Scale memastikan bahwa infrastrukturnya akan mendukung pertumbuhan yang dibutuhkan, baik di cloud maupun on premises. IBM memiliki pengalaman yang luas dalam industri otomotif, yang juga merupakan faktor pendukung dalam keputusan Continental.
Dengan solusi baru ini, Continental dapat mengoptimalkan pembelajaran mendalam dengan pelatihan multi-node, sehingga dapat meningkatkan akurasi model untuk tingkat keselamatan yang lebih tinggi tanpa memengaruhi waktu produksi. Continental berskala ke kluster DGX untuk menangani 14 kali lebih banyak eksperimen per bulan, dengan kemampuan untuk menguji jutaan permutasi dalam kondisi lingkungan-seperti hujan, salju, sinar matahari, dan awan-atau transien-seperti mobil yang bergerak terlalu dekat satu sama lain saat berpindah jalur.
Dengan peningkatan kinerja, fleksibilitas dan skalabilitas solusi manajemen data IBM yang baru untuk mendukung infrastruktur AI yang terus berkembang, Continental berada di jalur cepat untuk mengubah masa depan mobilitas.
“Kami tidak dapat menjual sistem apa pun yang kami jual hari ini, mengenai persyaratan keselamatan, tanpa kemampuan untuk memvalidasi pada set data besar—dalam kisaran jutaan kilometer atau puluhan petabyte untuk diproses secara teratur, disimulasikan ulang, dikumpulkan dan untuk beberapa jenis KPI yang akan dihasilkan,” kata Thiel.
"Sebagai hasil dari infrastruktur baru kami, sekarang kami dapat menjalankan 20, 40, 80 GPU secara bersamaan untuk mempercepat pelatihan kami," ujar Balazs Lorand, PhD, Kepala Pusat Kompetensi AI, ADAS@Budapest, di Continental. "Kami bangga telah menyelesaikan beberapa tantangan," lanjutnya. Dengan infrastruktur baru ini, Continental mencapai 14 kali lebih banyak eksperimen pembelajaran mendalam per bulan dan telah mengurangi waktu pelatihan dari berminggu-minggu menjadi beberapa hari. Platform ini secara dramatis meningkatkan efisiensi siklus hidup pengembangan karena sekarang dapat melakukan lebih banyak eksperimen dan menghubungkan lingkungan Kubernetes dengan mulus. Dan solusinya cukup fleksibel untuk mendukung pertumbuhan ke segala arah-dalam lingkungan hybrid cloud terkontainerisasi, on premises, dan di beberapa pusat data.
Continental membangun infrastruktur yang sama sekali baru di pusat data siap-AI di Frankfurt, Jerman di Equinix (tautan berada di luar ibm.com), penyedia infrastruktur kolokasi global. Continental, dengan dukungan SVA, mengimplementasikan integrasi keseluruhan solusi penyimpanan dalam kluster, termasuk instalasi, penerapan, konfigurasi, komisioning, dan pelatihan untuk operasi dan administrasi.
Solusi baru ini mencakup kluster GPU multimode, infrastruktur jaringan InfiniBand tanpa pemblokiran, IBM ESS dengan drive Non-Volatile Memory express (NVMe) yang cepat, sistem NVIDIA DGX, dan GPU NVIDIA V100 Tensor Core. Continental juga menggunakan perangkat lunak IBM Spectrum Scale dengan lingkungan Kubernetes untuk pengembangan aplikasi modern.
"Untuk memenuhi tuntutan peringkat bintang lima dengan Euro NCAP, Anda harus terus mengembangkan produk yang lebih cerdas. Jadi sangat, sangat penting untuk membangun lingkungan data seperti itu, dan saya sangat senang kami melakukannya tahun lalu, "kata Enenkel.
Peningkatan ini diterjemahkan ke posisi kompetitif yang kuat untuk Continental, memungkinkannya untuk bergerak maju dengan pengembangan solusi mengemudi otonom baru yang lebih aman lebih cepat daripada sebelumnya.
Continental (tautan berada di luar ibm.com) mengembangkan teknologi dan layanan perintis untuk mobilitas orang dan barang yang berkelanjutan dan terhubung. Didirikan pada tahun 1871, perusahaan teknologi ini menawarkan solusi yang aman, efisien, cerdas, dan terjangkau untuk kendaraan, mesin, lalu lintas, dan transportasi.
Area bisnis Mobilitas dan Keselamatan Otonom mengembangkan dan memproduksi teknologi keselamatan berkendara aktif dan pasif yang terintegrasi serta produk yang mendukung dinamika kendaraan.
Mitra Bisnis IBM SVA adalah integrator sistem Jerman terkemuka dengan 23 kantor cabang di seluruh Jerman. SVA berfokus pada kombinasi produk TI berkualitas tinggi dengan pengetahuan dan fleksibilitas proyek untuk mencapai solusi optimal di bidang infrastruktur pusat data, keberlangsungan bisnis, big data, keamanan TI, dan cloud.
Hukum
© Hak Cipta IBM Corporation 2021. IBM Corporation, IBM Storage, New Orchard Road, Armonk, NY 10504
Diproduksi di Amerika Serikat, Januari 2021.
IBM, logo IBM, ibm.com, IBM Elastic Storage, dan IBM Spectrum adalah merek dagang dari International Business Machines Corp, yang terdaftar di banyak yurisdiksi di seluruh dunia. Nama produk dan layanan lain mungkin merupakan merek dagang milik IBM atau perusahaan lain. Daftar merek dagang IBM saat ini tersedia di web di "Informasi hak cipta dan merek dagang" di ibm.com/legal/copyright-trademark.
Dokumen ini adalah yang terbaru pada tanggal awal publikasi dan dapat diubah oleh IBM kapan saja. Tidak semua penawaran tersedia di setiap negara tempat IBM beroperasi.
Data kinerja dan contoh klien yang dikutip disajikan hanya untuk tujuan ilustrasi. Hasil kinerja aktual dapat bervariasi, tergantung pada konfigurasi dan kondisi pengoperasian tertentu. INFORMASI DALAM DOKUMEN INI DISEDIAKAN "SEBAGAIMANA ADANYA" TANPA JAMINAN APA PUN, BAIK TERSURAT MAUPUN TERSIRAT, TERMASUK TANPA JAMINAN UNTUK DAPAT DIPERJUALBELIKAN, KESESUAIAN UNTUK TUJUAN TERTENTU, DAN JAMINAN ATAU KETENTUAN APA PUN YANG TIDAK MELANGGAR. Produk IBM dijamin sesuai dengan syarat dan ketentuan perjanjian yang mengatur penyediaan produk tersebut.
Kapasitas penyimpanan aktual yang tersedia dapat dilaporkan untuk data yang tidak dikompresi dan yang dikompresi dan akan bervariasi dan mungkin kurang dari yang disebutkan.