EnglishSpanish
Testado virtual masivo en paralelo de aspectos de seguridad en sistemas de conducción
Nombre organización: SPICETECH GMBH
Otras organizaciones participantes

XLAB d.o.o.

HLRS.

Sitio web otros participantes
Fuente de financiación:

Comisión Europea Horizonte 2020.

Tipo de problema / sector: TIC

Aplicación: HPC-Procesamiento-Analítica de datos

Empresa:

SPICETECH GMBH es una empresa alemana centrada en soluciones TI centradas en datos, machine learning y ciencia de datos. XLAB D.O.O. es una compañía eslovena con una fuerte trayectoria en investigación en los campos de sistemas distribuidos, cloud computing, visualización (médica, 2D, 3D, GIS, sensores) y procesamiento de imagen (reconstrucción 3D, segmentación, fusión de datos GIS). HLRS es el centro HPC de la Universidad de Stuttgart, y fue el proveedor de HPC en este experimento.

Reto:

Varias ramas de la industria de alta tecnología están experimentando un fuerte incremento en la complejidad de sus productos. En concreto, para productos y sistemas que pueden funcionar autónomamente en situaciones críticas de seguridad, el coste de validación y certificación está aumentando marcadamente. El dominio de la validación en ambientes complejos, por ejemplo para coches autónomos en escenarios de tráfico urbano, es uno de los principales retos en el avance de tecnologías para poder lograr precios de usuario final asequibles. La validación virtual será una metodología esencial para encarar este reto, ya que grandes cantidades de casos para testado deben ser considerados con un amplio espacio de testado y validación.

Solución:

El testado y validación deberán ser resueltos en espacios de parámetros multi-dimensionales que describan escenarios complejos. La aproximación propuesta permite al usuario elegir libremente dimensiones y parámetros del espacio que describan objetos y condiciones en los escenarios de evaluación. Por ejemplo, para un coche llegando a un cruce, en el que múltiples peatones y coches están interaccionando, una potencial tarea de validación sería asegurar una correcta clasificación de todos los objetos en la intersección. Únicamente posicionar los coches y peatones y ajustar las velocidades a las que conducen y andan puede requerir fácilmente 10-15 dimensiones en el espacio de testado. El marco VALICY, desarrollado en el transcurso de este experimento, utiliza HPC e inteligencia artificial para rastrear estas dimensiones rápidamente en búsqueda de errores de clasificación de objetos.

Beneficio:

El marco VALICY ofrece la oportunidad de integrar virtualmente en el proceso de desarrollo de producto el trabajo de testado y validación altamente complejo. VALICY está diseñado de manera que puede ser integrada en el desarrollo basado en hitos clásico pero, de manera más interesante, en procesos iterativos e incrementales. Por ello, supone una gran oportunidad para un testado y validación rápidos en campos donde el desarrollo software y hardware van parejos.
La aproximación propuesta muestrea eficientemente los espacios de testado multidimensional, gracias a computación paralela distribuida. Además, el componente de machine learning (ML) permite que tras un corto periodo de ajuste para identificar casos críticos, solamente escenarios que el ML espera que sean de gran relevancia sean testados y validados.
El marco VALICY es valioso para sectores de la industria que trabajan no sólo con sistemas de gran complejidad, sino también con las nuevas normas y regulaciones. Espacios de testado y validación adecuados pueden ser creados teniendo en cuenta un amplio rango de variaciones para apoyar el conocimiento temprano y rápido del proceso de certificación.
Beneficios:
Para usuarios finales del marco VALICY:
1. Variación de parámetros en al menos 10-15 dimensiones de testado.
2. Miles de validaciones pueden ser hechas en 1 hora utilizando miles de procesadores.
3. VALICY permite la validación dentro de un presupuesto del rango de varios miles de euros, en vez de cientos de miles de euros.

Compartir: