CBL - Campus del Baix Llobregat

Projecte llegit

Títol: Desenvolupament d'un sistema de vehicle autònom basat en comunicacions híbrides 5G/Wi-Fi i Edge Computing

Estudiants que han llegit aquest projecte:

Director/a: CERVELLÓ PASTOR, CRISTINA

Departament: ENTEL

Títol: Desenvolupament d'un sistema de vehicle autònom basat en comunicacions híbrides 5G/Wi-Fi i Edge Computing

Data inici oferta: 02-02-2026     Data finalització oferta: 02-10-2026


Estudis d'assignació del projecte:
    DG ENG AERO/TELEMÀT
Tipus: Individual
 
Lloc de realització: EETAC
 
Paraules clau:
Far Edge Computing, vehicle autònom, Kubernetes
 
Descripció del contingut i pla d'activitats:
Es proposa el disseny, desenvolupament i validació d'una arquitectura de Far Edge Computing (FEC) aplicada a la conducció autònoma connectada dins de l'entorn del Campus del Baix Llobregat (CBL). El projecte surt de la necessitat de superar les limitacions en la capacitat de processament a bord dels vehicles actuals.

La proposta se centra en el desplegament d'un ecosistema on un prototip de vehicle autònom a escala, equipat amb sensors avançats com LiDAR, GNSS i càmeres a bord, delega tasques computacionalment complexes a una xarxa distribuïda de nodes de processament externs (dispositius NVIDIA Jetson Orin). Aquests nodes estan ubicats estratègicament per tot el campus i connectats a una xarxa d'alta velocitat.

Objectius principals:

- Arquitectura de comunicacions híbrida: Implementar un sistema de comunicacions robust que integri les xarxes de 5G privada i WiFi. L'objectiu és garantir un canal fiable i de baixa latència per al control crític del vehicle via 5G, mentre es proporcionen altres serveis menys crítics a través dels nodes FEC i la xarxa WiFi
- Gestió intel·ligent de recursos: El sistema ha de ser capaç d'avaluar la càrrega dels nodes FEC i
decidir dinàmicament la ruta i on es processen les dades per poder oferir diversos serveis
- Mobilitat i traspassos (handovers): Dissenyar mecanismes eficients per gestionar els traspassos horitzontals (entre nodes) i verticals (entre tecnologies de xarxa diferents) minimitzant les interrupcions al servei i assegurant la continuïtat del control i flux de dades mentre el vehicle es desplaça pel campus.
- Navegació i evasió d'obstacles: Desenvolupament d'algorismes d'evasió d'obstacles estàtics i mòbils utilitzant les dades del sensor LiDAR i el sistema GNSS i mapeig de zones del campus, tenint en compte les limitacions físiques del sistema.

En resum aquest projecte pretén demostrar com l'apropament de la capacitat de computació a l'extrem de la xarxa (Edge Computing) pot potenciar les capacitats dels vehicles autònoms, permetent-los operar de manera més eficient, segura i intel·ligent en escenaris urbans.
 
Overview (resum en anglès):
This work addresses the design, implementation, and validation of an edge computing architecture optimized for service provisioning in connected autonomous vehicles. The project is based on a combination of communication technologies, segmenting the system into a robust control plane over a cellular network, responsible for telemetry and guidance, and a data plane supported by a distributed Wi-Fi infrastructure of Far Edge Computing nodes. To automate application execution, the edge services are deployed as containerized microservices, embedded as pods within a Kubernetes cluster, which handles orchestration and dynamic system resource management. Specifically, two representative services hosted on this infrastructure have been developed: a high-definition video streaming service oriented toward multimedia consumption, and an artificial intelligence inference service based on the YOLOv11 model for real-time obstacle detection.

System validation was carried out through incremental phases, combining tests in a controlled indoor testbed and real outdoor field trials on the Baix Llobregat Campus, at Castelldefels, with FEC nodes deployed on building facades and lampposts. For these tests, an autonomous vehicle prototype developed within this project was used, which features several sensors allowing it to navigate autonomously and react to obstacles.

The results obtained through real-time monitoring of the vehicle's on-board computer confirm the viability of the proposed solution. The video streaming service proved to be resilient to handovers between adjacent nodes, while achieving an adequate Kubernetes pod migration time. Furthermore, the artificial intelligence service validated real-time obstacle detection. Finally, the trials highlighted the intermittency and limitations of the outdoor Wi-Fi infrastructure, corroborating the necessity of delegating the control plane to the 5G cellular network.

© CBLTIC Campus del Baix Llobregat - UPC