deepracer-on-aws
Solución auto-alojada para entrenar y evaluar modelos de aprendizaje por refuerzo en un entorno de conducción autónoma simulado en 3D, desplegable en AWS.
Ficha actualizada 24 sept 2026, 23:46 · upstream 24 sept 2026, 23:27 · release v1.3.0
Qué es deepracer-on-aws
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
DeepRacer on AWS es una evolución de la solución original que permite entrenar y evaluar modelos de aprendizaje por refuerzo en un entorno simulado de conducción autónoma tridimensional. La solución se despliega utilizando AWS CDK y orquesta múltiples servicios gestionados de AWS, incluyendo Amazon SageMaker para el entrenamiento, Amazon S3 para almacenamiento de activos y datos, y Amazon DynamoDB para la gestión de perfiles y estados.
- Entrenar modelos de conducción autónoma en un entorno simulado seguro antes de su despliegue físico.
- Evaluación de rendimiento comparativa mediante tablas de clasificación virtuales entre diferentes modelos.
- Despliegue de modelos entrenados en vehículos físicos AWS DeepRacer para pruebas en entornos reales.
- Gestión de flujos de trabajo de aprendizaje por refuerzo utilizando servicios serverless de AWS (Lambda, Step Functions).
- Transmisión en tiempo real de carreras simuladas a espectadores mediante AWS IoT Core y WebSocket.
- Utiliza una arquitectura serverless basada en AWS CDK para un despliegue rápido y escalable.
- Integración nativa con Amazon SageMaker para el entrenamiento de modelos complejos sin gestión de clústeres.
- Sistema de transmisión en vivo para espectadores utilizando AWS IoT Core y DynamoDB Streams.
- Gestión robusta de flujos de trabajo mediante AWS Step Functions y Lambda para tareas asíncronas.
- Validación automática de funciones de recompensa y modelos importados antes del entrenamiento.
- Requiere una cuenta activa de AWS y conocimientos de CDK para el despliegue inicial.
- No incluye contenedores Docker preempaquetados, dependiendo de la infraestructura gestionada de AWS.
- La complejidad del sistema puede ser alta para equipos sin experiencia en servicios serverless avanzados.
- Dependencia de servicios específicos de AWS (SageMaker, Cognito, IoT Core) que incrementan los costos operativos.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Despliegue mediante AWS CDK. Requiere configuración previa de roles IAM, buckets S3 y tablas DynamoDB. El repositorio es un monorepo con código fuente en ./source. No requiere Dockerfile principal para la aplicación web, pero el paquete de optimización de modelos utiliza Python/Docker. Asegurar permisos adecuados para Lambda e IoT Core antes de iniciar.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.