Интегратор GPU-серверов и рабочих станций · Россия и СНГ
8 (800) 350-70-73 · бесплатно по России  |  Условия поставки
Логистика и транспорт · Робототехника и автономные системы · Компьютерное зрение

Автономная техника на складах, терминалах и в карьерах: обучение и валидация моделей

Инфраструктура для обучения, симуляции и валидации моделей восприятия и планирования беспилотных погрузчиков, тягачей и самосвалов.

Время цикла обучения модели восприятиячасы вместо дней на узле 8 GPU
Сценариев симуляции в суткитысячи прогонов на узел
Доля автоматической предразметки60–80 % кадров без ручного труда

Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.

Задача

Что решаем

Автономные погрузчики, терминальные тягачи и карьерные самосвалы уже работают на закрытых территориях, но каждая площадка уникальна: разметка, освещение, погода, типы грузов и техники. Модели восприятия, обученные вендором на своих данных, требуют адаптации, а сбор и разметка собственных данных без вычислительной базы растягиваются на месяцы.

Каждое обновление модели нужно проверить на тысячах сценариев в симуляции, прежде чем выпустить технику на площадку с людьми. Облачные вычисления для этого ограничены объёмом данных (терабайты видео и лидарных облаков в неделю) и требованиями безопасности.

Команда автономии простаивает в очереди за GPU.

Как работает

Что делает ИИ

PyTorchNVIDIA Isaac SimCARLAROS 2OpenPCDetMLflow

Мы поставляем и настраиваем вычислительный контур для команды автономных систем: от хранения сырых данных до симуляции и обучения.

  • Хранилище и конвейер обработки данных с датчиков: камеры, лидары, радары; автоматическая предразметка моделями и активное обучение.
  • Обучение моделей восприятия (детекция, сегментация, оценка глубины) и планирования на собственных данных площадки.
  • Симуляция сценариев в цифровом двойнике площадки: тысячи прогонов с вариациями погоды, трафика, поведения людей.
  • Валидация и регрессионное тестирование каждой версии перед выпуском на технику.

Контур строится на открытых инструментах, чтобы команда не зависела от одного вендора и могла работать с техникой разных производителей.

Какие данные нужны

  • Записи датчиков техники: видео, лидар, радар, телеметрия
  • Разметка сцен и инцидентов
  • Карта и цифровой двойник площадки
Железо · Обучение и дообучение · Стойка или кластер, 8+ GPU

Какая инфраструктура нужна

Профиль «обучение» с большими объёмами данных: модели восприятия обучаются на миллионах кадров и облаков точек, симуляция нагружает GPU рендерингом, а хранилище должно выдавать данные быстрее, чем их потребляют ускорители. Базовая конфигурация — узел на 8 GPU: платформа LM TEK 4U8GPU10KW с жидкостным охлаждением в обычной серверной или Supermicro B300 из раздела GPU-серверы для максимальной плотности вычислений.

Для небольшой команды и одного типа техники подойдёт W9 ULTRA или RX MAX с 4 GPU. Заложите NVMe-массив на сотни ТБ и сеть 100 GbE между хранилищем и узлом. Данные площадки остаются на территории заказчика.

Сравнить конфигурации →  ·  Подобрать по ускорителю →

Внедрение

Как идёт проект

  1. 01

    Данные и цель

    Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.

  2. 02

    Пилот на нашей конфигурации

    Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.

  3. 03

    Инфраструктура

    Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.

  4. 04

    Сопровождение

    Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.

Смежные решения

Что ещё автоматизируют в отрасли «Логистика и транспорт»

Все решения для отрасли →

Запрос КП · ответ в течение рабочего дня

Опишите задачу и данные.

Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

Обсудить внедрение