Die Quantum Corporation hat ihre Rolle bei der Beschleunigung der Forschung im Bereich der autonomen Geländefahrzeuge am Center for Advanced Vehicular Systems (CAVS) der Mississippi State University (MSU), einem der weltweit führenden universitären Forschungszentren für die Automobilindustrie, bekannt gegeben. Das CAVS sammelt riesige Mengen unstrukturierter Daten mit Quantum R-Series Edge Storage, einer leistungsstarken, robusten Lösung, die speziell für die Erfassung großer Datenmengen in Edge-Umgebungen entwickelt wurde. Die von den Fahrzeugen generierten Daten werden im CAVS-Rechenzentrum für die weitere Analyse und die Entwicklung von Modellen für maschinelles Lernen (ML) verwendet. Der Bedarf an Datenspeicherung und -verarbeitung für die Entwicklung autonomer Fahrzeuge (AVs) wächst. Mobility Foresights Research schätzt, dass 20 % der weltweit verkauften Neufahrzeuge bis 2030 mindestens über die Fähigkeit zum autonomen Fahren der Stufe 3 verfügen werden. Schätzungsweise 90 Millionen vernetzte und autonome Fahrzeuge werden jeweils bis zu 10 Terabyte (TB) an Daten pro Tag oder ein Zettabyte (ZB) pro Tag in der gesamten Branche erzeugen. Die Automobilindustrie benötigt zunehmend Speicherlösungen, die flexibel, skalierbar, einfach zu verwalten und hochgradig zuverlässig sind, um die Herausforderungen des Big Data zu meistern. In der CAVS-Anlage, die über ein 55 Hektar großes Offroad-Testgelände verfügt, sammeln Testfahrzeuge, die mit einer Vielzahl von Sensoren ausgestattet sind, eine Vielzahl von Daten über das Außengelände. Diese Daten werden dann verwendet, um einen digitalen Zwilling der Umgebung zu erstellen und Fahrsimulationen durchzuführen. Diese Simulationen werden genutzt, um Navigationssoftware zu entwickeln, die AVs durch das Außengelände führt. Die Erstellung eines digitalen Zwillings der Umgebung erfordert hochwertige Daten, die vor Ort gesammelt werden. Das CAVS-Team benötigte fahrzeuginterne Speichersysteme, die Felddaten einwandfrei erfassen und es den Ingenieuren ermöglichen, diese Daten für Simulationen schnell an den großen zentralen Datenspeicher zu übertragen.