Jednym z kluczowych działań podczas testów cyfrowych jest gromadzenie danych dotyczących postępów i ostatecznych wyników testów. Takie dane umożliwiają ocenę wydajności systemu przez klienta lub – w razie potrzeby – przez przedsiębiorstwo rolno-spożywczeTEF (za pośrednictwem usługi S00184). Usługa ta zarządza gromadzeniem danych istotnych dla oceny działania uzyskanych podczas testów zarówno przez testowany system, jak i środowisko obliczeniowe, w którym przeprowadzane są testy.
Przykłady zgromadzonych danych obejmują informacje uzyskane w środowisku wirtualnym w celu symulacji gromadzenia danych z czujników w środowisku fizycznym; statystyki dotyczące wydajności modelu sztucznej inteligencji w fazie testowania i wdrażania (np. zajęta pamięć, liczba parametrów możliwych do wyszkolenia, utrata treningu/optymalizacji itp.); konkretne etykiety i adnotacje, które należy wykorzystać jako podstawową prawdę do oceny systemu; oraz dane wyjściowe systemu po poddaniu ich szeregowi warunków testowych.
Minimalny zestaw danych, które należy gromadzić, określają wskaźniki oceny, które użytkownik wybrał (samodzielnie lub przy wsparciu agrifoodTEF, za pośrednictwem usługi S00178) do ich przetworzenia; ogólnie rzecz biorąc, agrifoodTEF wraz z klientem wybiera większy zestaw danych dotyczących minimum, aby zapewnić bogatszy obraz wydajności systemu i w razie potrzeby umożliwić stosowanie innych wskaźników w przyszłości.
Jako wynik usługi, oprócz surowych danych, dostarczamy również klientowi dokumentację opisującą zarejestrowane cechy i warunki środowiska testowego w momencie testowania, a także wszelkie wartości parametrów, zakresy zmienności i specyfiki wymagane do celów odtwarzalności.
W jaki sposób usługa może Ci pomóc?
Podczas przeprowadzania testów cyfrowych z wykorzystaniem zasobów obliczeniowych zapewnianych przez instrument rolno-spożywczyTEF gromadzenie istotnych danych wymaga dogłębnej wiedzy na temat rodzaju infrastruktury wykorzystywanej do testów oraz specyfiki wdrażania instrumentu rolno-spożywczegoTEF. Usługa ta pomaga klientom uzyskać wymagane dane bez konieczności budowania wewnętrznych kompetencji potrzebnych do samodzielnego gromadzenia danych.
Wykorzystując tę usługę, klient przekazuje zadanie gromadzenia danych zespołowi inżynierów agrifoodTEF, którzy są ekspertami zarówno w kampaniach gromadzenia danych, jak i w architekturze i narzędziach infrastruktury cyfrowej agrifoodTEF.
Usługa ta pozwala klientowi wykorzystać zdolność (którą mają tylko testy cyfrowe) do zapewnienia doskonałej odtwarzalności/powtarzalności testów: doskonała kontrola nad środowiskiem testowym jest w rzeczywistości dostępna, więc problem odtwarzalności / powtarzalności sprowadza się do posiadania pełnej informacji o środowisku i przeprowadzonych w nim testach.
W jaki sposób usługa zostanie dostarczona
Podczas przeprowadzania testów cyfrowych z wykorzystaniem zasobów obliczeniowych zapewnianych przez instrument rolno-spożywczyTEF gromadzenie istotnych danych wymaga dogłębnej wiedzy na temat rodzaju infrastruktury wykorzystywanej do testów oraz specyfiki wdrażania instrumentu rolno-spożywczegoTEF.
Usługa ta pomaga klientom uzyskać wymagane dane bez konieczności budowania wewnętrznych kompetencji potrzebnych do samodzielnego gromadzenia danych.
Wykorzystując tę usługę, klient przekazuje zadanie gromadzenia danych zespołowi inżynierów agrifoodTEF, którzy są ekspertami zarówno w kampaniach gromadzenia danych, jak i w architekturze i narzędziach infrastruktury cyfrowej agrifoodTEF.
Dostosowanie usługi
Ten opis usługi jest celowo ogólny. Każdy przypadek tej usługi jest w rzeczywistości dostosowany do potrzeb i wymagań konkretnego klienta. Poniżej znajduje się przykład usługi instance.Example: Aby uniknąć uszkodzenia roślin podczas zrobotyzowanych operacji odchwaszczania, klient chce przetestować rozwiązanie nawigacji wewnątrzrzędowej w symulacji przed wdrożeniem systemu w terenie, więc przygotowano odpowiednią symulację (na podstawie Gazebo) robota i środowiska. Aby pomóc klientowi w dokładnym sprawdzeniu oprogramowania nawigacyjnego, uruchamiamy symulację i zbieramy dane w chmurze punktów w symulatorze Gazebo. Zebrane dane reprezentują rzędy roślin o różnej długości (3, 5 i do 10 metrów), szerokości w rzędzie (od 3 do 1 metra) i gęstości roślin, aby umożliwić testowanie systemu w scenariuszach o różnym stopniu trudności. Podczas tych działań zbieramy zbiory danych opisujące interakcję robota z symulowanym środowiskiem; dodatkowo zbieramy pełne (symulowane) strumienie danych z czujników, aby klient mógł je później wykorzystać (np. do szkolenia modeli AI). Dostarczamy również klientowi raport opisujący poszczególne pola danych i ich częstotliwość zbierania, a także pełne pliki konfiguracyjne środowiska symulacyjnego, umożliwiając w ten sposób dokładne odtworzenie testów w przyszłości.