Mobileye ha introducido avances notables en la conducción autónoma mediante la integración de inteligencia artificial avanzada. Su tecnología de gestión de experiencias en carretera, conocida como REM™, desempeña un papel crucial al crear mapas de alta definición de redes viales, utilizando datos de millones de vehículos.

Un componente clave de REM™ es el sistema de detección automática de cambios en infraestructuras viales, llamado Change Detection. Este sistema emplea un modelo de aprendizaje profundo, CDNet, que monitorea y actualiza cambios en las rutas, como la construcción o modificación de carriles, en tiempo real. Estos mapas son vitales para la localización precisa y navegación de los vehículos.

En su reciente actualización, Mobileye ha mejorado la detección de cambios enfocándose en eficiencia y rendimiento. Inicialmente, consideraron usar GPUs para la inferencia del modelo, pero hallaron que usar CPUs era más económico sin afectar la velocidad del sistema. El uso de Amazon EC2 Spot Instances permitió una drástica reducción de costos, aumentando la cantidad de tareas completadas por cada dólar invertido.

Un hito significativo fue la centralización de la inferencia con Triton Inference Server, lo cual redujo la huella de memoria y el tiempo de ejecución de cuatro a dos minutos, maximizando el uso de las CPUs y permitiendo procesar más tareas simultáneamente.

Además, la incorporación de instancias AWS Graviton, optimizadas para rendimiento en costos, mejoró la eficiencia del sistema y aumentó la diversidad de recursos disponibles.

Estos avances en la optimización del sistema de detección de cambios están impulsando el futuro de la movilidad autónoma. Mobileye continuará ajustando y mejorando sus sistemas, con expectativas de más innovaciones que mejoren el rendimiento y la experiencia del usuario en los próximos meses. Los beneficios son significativos para pasajeros y conductores por igual.