Can the Cloud Drive? Infrastructure Feasibility of Offloading Autonomous Driving Across 5G and 6G
Diese Arbeit präsentiert einen analytischen Rahmen, der aufzeigt, dass, während Kommunikationsbeschränkungen und Hardwarelatenzen das cloudbasierte autonome Fahren derzeit noch einschränken, zukünftige 6G-Netzwerke und gepoolte GPU-Ressourcen das Feature-Level-Offloading von großen Vision-Language-Action-Modellen letztlich sowohl technisch machbar als auch wirtschaftlich überlegen gegenüber einer Onboard-Bereitstellung machen werden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen, ein Auto zu fahren, das für sich selbst denkt, aber anstatt eines Super-Gehirns im Armaturenbrett zu haben, möchten Sie das gesamte Denken in ein riesiges, gemeinsames Gehirn in der Cloud auslagern. Es klingt wie ein Science-Fiction-Traum: Warum einen 10.000-Dollar-Computer für jedes Auto kaufen, wenn man einfach ein Stück eines massiven Supercomputers mieten kann?
Doch bevor wir von Cloud-gesteuerten Autos träumen, müssen wir fragen: Kann die Cloud tatsächlich fahren?
Ein Team von Forschern beschloss, die Zahlen zu prüfen und simulierte einen geschäftigen Tag in New York City, um zu sehen, ob diese Idee jemals funktionieren könnte. Sie haben nicht nur geraten; sie bauten ein komplexes Modell, das drei verschiedene „Tore“ prüft, die ein Auto passieren muss, um sein Gehirn in die Cloud zu senden. Stellen Sie sich das wie ein dreistufiges Videospiel vor, bei dem man das erste Level bestehen muss, um überhaupt das zweite zu sehen.
Level 1: Die Datenautobahn (Das Kommunikations-Tor)
Stellen Sie sich zuerst vor, Ihr Auto sei ein Video-Streamer. Um seine „Gedanken“ in die Cloud zu senden, muss es eine riesige Videodatei hochladen. In einer belebten Stadt versuchen tausende Autos gleichzeitig hochzuladen.
Die Forscher fanden heraus, dass die Internetautobahn fast sofort verstopft, wenn man versucht, rohes Video von den Kameras zu senden (Strategie S1). Es ist, als würde man versuchen, ein ganzes Schwimmbecken voll Wasser durch einen Gartenschlauch zu gießen; das Rohr kann die Menge einfach nicht bewältigen. In ihren Simulationen würde eine Stadt wie New York ersticken, wenn zu viele Autos versuchten, rohes Video zu senden, selbst mit den heutigen besten 5G-Netzen.
Es gibt jedoch einen Mittelweg. Wenn das Auto zuerst ein wenig selbst nachdenkt – also das Video zu „Features“ komprimiert (Strategie S2) – sendet es ein viel kleineres Paket. Die Studie deutet darauf an, dass mit 5G-Advanced (einer etwas neueren Version von 5G) oder 6G diese komprimierten Daten vielleicht durch das Rohr passen könnten, aber nur, wenn die Stadt nicht absolut voll mit Autos ist. Wenn man versucht, das rohe Video zu senden (S1) oder darauf wartet, dass die nächste Generation des Internets alles bewältigt (6G), bleibt man wahrscheinlich im Stau stecken. Das Paper schließt das Offloading von rohem Video in dichten Städten mit heutiger Technologie explizit aus.
Level 2: Die Denkgeschwindigkeit (Das Rechen-Tor)
Angenommen, Sie haben Level 1 besiegt und die Daten sind in der Cloud angekommen. Nun muss die Cloud schnell genug denken, um dem Auto zu sagen, wie es lenken soll.
Hier kommt die Wendung: Die Cloud ist schnell, aber nicht instantan schnell. Die Forscher untersuchten die neuesten, intelligentesten KI-Modelle (genannt VLA oder Vision-Language-Action-Modelle). Diese Modelle sind wie ein Genie, das ein ganzes Buch lesen muss, bevor es eine Frage beantwortet.
Die Studie stieß auf eine harte Wand: die Speicherbandbreite. Selbst wenn die Cloud über die schnellsten Computerchips der Welt verfügt, müssen diese neuen VLA-Modelle bei jedem einzelnen Schritt ihres Denkprozesses ihr Gedächtnis „neu lesen“. Es ist wie ein Koch, der jedes Mal in die Speisekammer laufen muss, um ein Gewürz zu holen, bevor er nur eine Prise davon in die Suppe gibt.
In ihren Simulationen dauert dieses „Laufen zur Speisekammer“ etwa 114 Millisekunden allein für den Denkprozess. Rechnet man die Zeit hinzu, die benötigt wird, um die Daten hin und her zu senden, liegt die Gesamtzeit bei über 100 Millisekunden.
- Die schlechte Nachricht: Damit ein Auto sofort reagieren kann (z. B. um einem Fußgänger auszuweichen), benötigt es eine Entscheidung in 100 Millisekunden. Das Paper legt nahe, dass diese superintelligenten VLA-Modelle für die Cloud derzeit einfach zu langsam sind, egal wie schnell Ihr Internet ist. Sie werden erst um 2027 oder 2028 in der Lage sein, reaktiv zu fahren, wenn der Computerspeicher schneller wird.
- Die Hintertür: Wenn das Auto ein „Backup-Gehirn“ an Bord hat, das Notfälle in 100 ms bewältigt, kann die Cloud die Aufgabe für langsameres, „deliberatives“ Denken (wie die Routenplanung) mit einem Budget von 300 Millisekunden übernehmen. Aber die Cloud kann nicht das einzige Gehirn für unmittelbare Sicherheit sein.
Level 3: Der Preis (Das Kosten-Tor)
Nehmen wir nun an, wir lösen die Probleme mit der Geschwindigkeit und dem Internet. Ist es günstiger, das Cloud-Gehirn zu mieten, als ein eigenes für jedes Auto zu kaufen?
Hier geschieht die Magie. Die Forscher fanden heraus, dass die Cloud für die teuersten, komplexesten KI-Modelle (VLA) eine riesige Ersparnis darstellt. Warum? Weil ein Auto 95 % des Tages parkt. Wenn Sie für jedes Auto einen 8.500-Dollar-Computer kaufen, steht dieser Computer die meiste Zeit ungenutzt herum. In der Cloud hingegen kann ein einziger Supercomputer tausende Autos bedienen, die gerade tatsächlich fahren.
Die Studie legt nahe, dass, sobald die Geschwindigkeits- und Internetprobleme gelöst sind, das Feature-Level-Offloading (Strategie S2) der ideale Punkt ist. Es ist die einzige Strategie, die genug Geld spart, um die Kosten für den Kauf von Hardware für jedes einzelne Auto zu unterbieten. Wenn man versucht, rohes Video zu senden (S1), fressen die Internetkosten die Ersparnisse auf. Wenn man zu viel Rechenleistung im Auto behält (S3), spart man nicht genug Geld.
Das große Ganze
Also, kann die Cloud fahren? Die Antwort ist kein einfaches „Ja“ oder „Nein“.
- Es ist kein magischer Schalter: Man kann ein Auto heute nicht einfach an die Cloud anschließen. Das Internet in einer belebten Stadt würde zusammenbrechen, und die Cloud ist für unmittelbare Reaktionen derzeit zu langsam.
- Es ist ein Warten auf die Zeit: Das Paper legt nahe, dass wir auf 6G (oder sehr fortgeschrittenes 5G) für das Internet und auf schnelleren Computerspeicher für die Geschwindigkeit warten müssen.
- Es ist eine kluge Aufteilung: Der beste Plan ist nicht, alles in die Cloud zu senden. Das Auto sollte die „Augen“ und „Reflexe“ lokal behalten und nur das „Denken“ und „Planen“ an die Cloud senden. Dieser Mittelweg (Strategie S2) ist der Ort, an dem die Ersparnisse liegen.
Kurz gesagt: Die Cloud könnte unsere Autos irgendwann fahren, aber nur, wenn wir bessere Datenstraßen bauen, auf schnellere Speicherchips warten und zur Sicherheit ein Backup-Gehirn im Auto behalten. Bis dahin ist das eigene Gehirn des Autos immer noch die sicherste Wahl.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.