Quantum Corporation a annoncé son rôle dans l'accélération de la recherche sur les véhicules autonomes tout-terrain au Center for Advanced Vehicular Systems (CAVS) de l'Université d'État du Mississippi (MSU), l'un des principaux centres universitaires de recherche automobile au monde. Le CAVS collecte d'énormes quantités de données non structurées à l'aide du stockage en périphérie Quantum R-Series, une solution haute performance et robuste conçue pour capturer des volumes de données massifs dans des environnements périphériques. Les données sont générées par les véhicules et utilisées pour une analyse plus approfondie et le développement de modèles d'apprentissage automatique dans le centre de données de la CAVS. Les besoins en matière de stockage et de traitement des données pour le développement des véhicules autonomes (VA) sont en augmentation. La recherche Mobility Foresights estime que 20 % des nouvelles voitures vendues dans le monde auront au moins une capacité de conduite autonome de niveau 3 d'ici 2030. On estime que 90 millions de véhicules connectés et autonomes généreront chacun jusqu'à 10 téraoctets (TB) de données par jour ou un zettaoctet (ZB) par jour dans l'ensemble du secteur. L'industrie automobile a de plus en plus besoin de solutions de stockage flexibles, évolutives, faciles à gérer et hautement fiables pour relever le défi du big data. Dans les installations de la CAVS, qui comprennent un terrain d'essai tout-terrain de 55 acres, des véhicules d'essai équipés de divers capteurs recueillent un large éventail de données sur le terrain extérieur. Ces données sont ensuite utilisées pour créer un jumeau numérique de l'environnement afin d'effectuer des simulations de conduite. Ces simulations sont exploitées pour créer un logiciel de navigation qui guide les VA sur le terrain extérieur. La création d'un jumeau numérique de l'environnement nécessite des données de haute qualité recueillies sur le terrain. L'équipe CAVS avait besoin de systèmes de stockage embarqués dans les véhicules, capables de collecter sans faille les données sur le terrain et de permettre aux ingénieurs de transférer rapidement ces données vers le centre de stockage centralisé à grande échelle pour les simulations.