Автономит өөрөө жолооддог машин нь замын тэмдгийг таньж байна. Компьютерийн хараа ба хиймэл оюун ухаан … [+]
хөөрхөн
Алсын хараа бол хүний мэдрэхүйн хүчтэй оролт юм. Энэ нь бидний хүлээн зөвшөөрдөг нарийн төвөгтэй ажил, үйл явцыг идэвхжүүлдэг. Тээвэр, хөдөө аж ахуй, робот техник, анагаах ухаан зэрэг олон төрлийн хэрэглээнд AoT™ (Зүйлсийн бие даасан байдал) нэмэгдэхийн хэрээр хүнтэй төстэй алсын хараа, танин мэдэхүйг хангахад камер, компьютер, машин сургалтын үүрэг чухал болж байна. Компьютерийн алсын хараа нь 1960-аад онд, ялангуяа шинээр гарч ирж буй хиймэл оюун ухаан (AI) болон машин сургалтын чиглэлээр үйл ажиллагаа явуулдаг их дээд сургуулиудад эрдэм шинжилгээний салбар болгон хөгжиж эхэлсэн. Хагас дамжуулагч болон тооцоолох технологид мэдэгдэхүйц ахиц дэвшил гарснаар дараагийн дөчин жилийн хугацаанд энэ нь эрс ахисан. Гүнзгий суралцах болон хиймэл оюун ухааны сүүлийн үеийн дэвшил нь компьютерийн харааны хэрэглээг улам бүр түргэсгэж, хүрээлэн буй орчныг бодит цаг хугацаанд, бага хоцрогдолтой, танин мэдэхүй, бие даасан байдал, аюулгүй байдал, янз бүрийн хэрэглээнд үр ашигтай болгох боломжийг олгож байна. Тээвэр бол ихээхэн ашиг тустай салбаруудын нэг юм.
LiDAR (Light Detection and Ranging) нь объектын эргэн тойрон дахь 3D орчныг тодорхойлохын тулд лазерыг ашигладаг идэвхтэй оптик дүрслэлийн арга юм. Энэ бол компьютерийн харааны шийдлүүд (зөвхөн орчны гэрэлд тулгуурладаг, 3 хэмжээст дүрслэлд лазер ашигладаггүй) тасалдуулах гэж оролдож буй технологийн нэг юм. Нийтлэг сэдэв нь хүний жолооч нарт гүн гүнзгий ойлголт өгөхийн тулд LiDAR хэрэггүй, машинд ч хэрэггүй. Өнөөгийн арилжааны L3 бие даасан жолоодлогын онцлогууд (тодорхой газарзүй, цаг агаарын нөхцөлд бүрэн бие даасан байдал, жолооч хэдхэн секундын дотор хяналтаа авахад бэлэн) бүтээгдэхүүнүүд өнөөдөр LiDAR ашиглах. Зөвхөн алсын хараанд суурилсан техникүүд энэ боломжийг арилжааны хувьд санал болгож чадаагүй хэвээр байна.
Зар сурталчилгаа
Tesla
Phiar, Helm.ai, NODAR зэрэг бусад компаниуд мөн компьютерийн харааны өргөн чөлөөг хөөцөлдөж байна. NODAR нь патентлагдсан машин сургалтын алгоритмаар дамжуулан камерын буруу тохируулга, чичиргээний эффектийг тохируулж сурах замаар стерео камерын системийн дүрсний хүрээ болон 3D ойлголтыг мэдэгдэхүйц өргөжүүлэх зорилготой юм. Саяхан 12 сая доллар цуглуулсан Автомашины камер, стандарт тооцооллын платформуудыг ашигладаг "Хаммерхед" хэмээх тэргүүлэх бүтээгдэхүүнээ үйлдвэрлэхэд зориулагдсан.
Зардал, хэмжээнээс гадна LiDAR-г ашиглахгүй байх нь ихэвчлэн камертай харьцуулахад хязгаарлагдмал хүрээ, нягтаршилтай байдаг. Жишээлбэл, 200 м-ийн зайтай, 5-10 М цэг/секунд хурдтай (PPS нягтралтай адил) LiDAR-уудыг өнөөдөр ашиглах боломжтой. 200 м-ийн зайд тоосго, дугуйны хог хаягдал гэх мэт жижиг саад тотгорууд маш цөөхөн цэг (босоо чиглэлд 2-3, хэвтээ чиглэлд 3-5 байж болно) бүртгэх бөгөөд энэ нь объектыг танихад хэцүү болгодог. Илүү урт зайд юмс илүү бүдүүлэг болдог. Харьцуулбал, 30 Гц давтамжтай ажилладаг стандарт мегапикселийн камерууд нь секундэд 30М пиксел үүсгэж, хол зайд ч объектыг дээд зэргээр таних боломжийг олгодог. Илүү дэвшилтэт камерууд (12 М пиксел) үүнийг улам бүр нэмэгдүүлэх боломжтой. Асуудал нь энэхүү их хэмжээний өгөгдлийг хэрхэн ашиглаж, миллисекундын түвшний хоцрогдол, бага эрчим хүчний хэрэглээ, муудсан гэрэлтүүлгийн нөхцөлд хэрэгжүүлэх боломжтой ойлголтыг бий болгох явдал юм.
Зар сурталчилгаа
Рекогни, Калифорнид төвтэй компани энэ асуудлыг шийдэхийг оролдож байна. Гүйцэтгэх захирал Марк Болитогийн хэлснээр түүний эрхэм зорилго нь "бүрэн бие даасан тээврийн хэрэгслийн хувьд хүний ер бусын харааны ойлголтыг хүргэх.” Тус компани нь 2017 онд байгуулагдсан бөгөөд өнөөг хүртэл 75 сая долларын хөрөнгө босгосон бөгөөд 70 ажилтантай. Juniper Networks компанийн төгсөгч Р.К.Ананд нь үүсгэн байгуулагчдын нэг бөгөөд Бүтээгдэхүүний захирал юм. Өндөр нягтралтай, 120 дБ-ээс дээш динамик хүрээтэй, өндөр фрэймийн хурдаар ажилладаг (жишээ нь OnSemi, Sony, Omnivision) өндөр нарийвчлалтай камер ашиглах нь AV-г хэрэгжүүлэхэд чухал ач холбогдолтой өндөр нарийвчлалтай 3D мэдээллийг бий болгоход шаардлагатай өгөгдлийг өгдөг гэж тэр үзэж байна. Үүнийг идэвхжүүлэгчид нь:
- Өгөгдлийг үр ашигтай боловсруулж, машины орчны үнэн зөв, өндөр нарийвчлалтай 3D газрын зургийг гаргахын тулд тусгайлан боловсруулсан ASIC-ууд. Эдгээрийг TSMC 7 нм процесс дээр үйлдвэрлэсэн, чипийн хэмжээ 100 мм², 1 GHz давтамжтай ажилладаг.
- Өмчлөлийн машин сургалтын алгоритмууд нь олон сая өгөгдлийн цэгийг офлайнаар боловсруулж, бэлтгэгдсэн мэдрэлийн сүлжээг бий болгож, үр дүнтэй ажиллаж, тасралтгүй суралцах боломжтой. Энэхүү сүлжээ нь ойлголтыг өгдөг бөгөөд объектын ангилал, илрүүлэх, семантик сегментчилэл, эгнээ илрүүлэх, замын тэмдэг, гэрлэн дохио таних зэрэг орно.
- Эрчим хүч их зарцуулдаг, хоцрогдол ихтэй болгодог чипээс гадуур хадгалах, үржүүлэх үйлдлүүдийг багасгах. Recogni-ийн ASIC загвар нь логарифмын математикт тохирсон бөгөөд нэмэхийг ашигладаг. Сургалтанд хамрагдсан мэдрэлийн сүлжээнд жинг оновчтой бүлэглэх замаар цаашдын үр ашгийг олж авдаг.
Сургалтын үе шатанд арилжааны LiDAR-ыг өндөр нягтралтай, өндөр динамик хүрээтэй стерео камерын өгөгдлийг сургах, гүнзгий мэдээлэл гаргаж, буруу тохируулга, чичиргээний нөлөөллөөс хамгаалахад ашигладаг. Ноён Анандын хэлснээр, тэдний машин сургалтын хэрэгжилт нь маш үр дүнтэй бөгөөд энэ нь шалгалт тохируулгын LiDAR-аас (100 метрийн зайд газрын үнэнийг өгдөг) сургалтын хязгаараас давсан гүний тооцоог гаргаж чаддаг.
Зар сурталчилгаа
Зураг 1: Ногоон хайрцагнууд нь 3-д сургагдсан өгөгдөл дээрх Recogni-ийн ойлголтын стекийн 100D гүйцэтгэлийг харуулж байна. … [+]
Рекогни
Дээрх сургалтын өгөгдлийг өдрийн цагаар 8.3 Гц фрэймийн давтамжтай (секундэд ~ 30B пиксел) ажилладаг стерео хос 0.5 мегапикселийн камертай хийсэн. Энэ нь сургагдсан сүлжээ нь сургагдсан 3 метрийн зайнаас хэтэрсэн газарт 100D мэдээллийг гаргаж авах чадварыг харуулж байна. Recogni-ийн шийдэл нь өдрийн өгөгдлөөр сургалтынхаа үр дүнг шөнийн гүйцэтгэлд шилжүүлж чаддаг (Зураг 2).
Зураг 2: Өдрийн өгөгдөл дээр сургагдсан Recogni-ийн ойлголтын стек нь гэрлийн доод түвшинд мөн ажилладаг … [+]
Рекогни
Зар сурталчилгаа
Ноён Анандын хэлснээр, хүрээний өгөгдөл нь 5% (урт зайд) ба 2% (богино зайд) хүртэл үнэн зөв байдаг. Энэхүү шийдэл нь 1000 мс хоцрогдолтой, 6 Вт эрчим хүчний зарцуулалт (25 TOPS/W) бүхий 40 TOPS (секундэд триллион үйлдэл) -ийг хангадаг бөгөөд энэ нь салбараа тэргүүлдэг. Бүхэл тооны математик ашигладаг өрсөлдөгчид энэ үзүүлэлтээс 10 дахин бага байна. Recogni-ийн шийдэл одоогоор 1-р шатлалтай автомашины олон ханган нийлүүлэгчид туршилтанд хамрагдаж байна.
Зөнч (“үйл ажиллагаа хаана байгааг урьдчилан таамаглах, харах”), Францад төвтэй, AVs, Advanced Driver Assistance Systems (ADAS), үйлдвэрлэлийн автоматжуулалт, хэрэглэгчийн хэрэглээ, эрүүл мэндийн үйлчилгээнд үйл явдалд суурилсан камеруудыг ашигладаг. 2014 онд үүсгэн байгуулагдсан компани саяхан 50 сая долларын C round санхүүжилтээ хаажээ, өнөөдрийг хүртэл нийт 127 сая доллар цуглуулсан. Хөрөнгө оруулагчдын нэг бол гар утасны тэргүүлэгч үйлдвэрлэгч Xiaomi юм. Prophesee-ийн зорилго бол нүдний торлог бүрхэвчийн рецепторууд динамик мэдээлэлд хариу үйлдэл үзүүлэх хүний алсын харааг дуурайх явдал юм. Хүний тархи дүр зураг дахь өөрчлөлтийг боловсруулахад анхаарлаа хандуулдаг (ялангуяа жолоодлогын үед). Үндсэн санаа нь гэрлийн эрчмийн босго хэмжээнээс (үйл явдал) дээш гарсан өөрчлөлтийг илрүүлдэг камер болон пикселийн архитектурыг ашиглах бөгөөд зөвхөн энэ өгөгдлийг тооцооллын стект цаашид боловсруулахад өгөх явдал юм. Пикселүүд нь асинхрон (энгийн CMOS камерынх шиг хүрээгүй) бөгөөд илүү өндөр хурдтай ажилладаг, учир нь ердийн фрейм дээр суурилсан камер шиг фотонуудыг нэгтгэх шаардлагагүй бөгөөд өгөгдлийг уншихаас өмнө бүхэл бүтэн хүрээ дуусгахыг хүлээх шаардлагагүй болно. Давуу талууд нь мэдэгдэхүйц юм - өгөгдлийн зурвасын өргөн, шийдвэрийн хоцролт, хадгалалт, эрчим хүчний зарцуулалт бага. Компанийн анхны арилжааны түвшний VGA үйл явдалд суурилсан харааны мэдрэгч нь өндөр динамик хүрээтэй (>120 дБ), бага эрчим хүчний хэрэглээтэй (мэдрэгчийн түвшинд 26 мВт буюу 3 нВт / үйл явдал) онцлогтой. Салбартаа тэргүүлэгч пикселийн хэмжээ (< 5 мкм) бүхий HD (Өндөр нарийвчлалтай) хувилбарыг (Sony-тэй хамтран боловсруулсан) мөн гаргасан.
Зураг 3: Хамтран боловсруулсан 5 um пикселийн давтамжтай, өндөр нарийвчлалтай форматтай үйл явдалд суурилсан дүрслэлийн мэдрэгч … [+]
Зөнч
Зар сурталчилгаа
Эдгээр мэдрэгч нь Metavision® мэдрэгч бүхий платформын гол цөмийг бүрдүүлдэг бөгөөд энэ нь бие даасан хэрэглээний программуудад ухаалаг, үр ашигтай ойлголт өгөхийн тулд хиймэл оюун ухааныг ашигладаг бөгөөд тээврийн салбарт олон компаниудын үнэлгээнд байдаг. Prophesee нь AV болон ADAS-ийн талаарх ойлголтоос гадна L2 болон L3 програмын жолоочийг кабин доторх хянах зорилгоор үйлчлүүлэгчидтэй идэвхтэй хамтран ажилладаг. Зураг 4-ийг үзнэ үү:
Зураг 4: XPERI-ийн бүхээг доторх жолоочийн хяналт нь хүнээс өдөөгдсөн нейроморф хараанд суурилсан
Зөнч
Автомашины боломжууд нь ашигтай боловч дизайны мөчлөг нь урт байдаг. Сүүлийн хоёр жилийн хугацаанд Prophesee үйлдвэрлэлийн хэрэглээнд зориулсан машины харааны орон зайг ихээхэн сонирхож, таталт үзүүлсэн. Үүнд өндөр хурдтай тоолох, гадаргуугийн үзлэг, чичиргээний хяналт зэрэг орно.
Зар сурталчилгаа
Зураг 5: Үйл явдалд суурилсан камер ашиглан өндөр тоолол
Зөнч
Prophesee саяхан хамтын ажиллагаагаа зарлалаа Үйлдвэрлэлийн автоматжуулалт, робот техник, автомашин, IoT (Интернетийн зүйлс) -ийн боломжийг ашиглахын тулд машины харааны системийн тэргүүлэгч хөгжүүлэгчдийн хамт. Бусад ойрын боломжууд бол гар утас болон AR/VR програмуудад зориулсан дүрс бүдгэрүүлэх засвар юм. Эдгээр нь урт хугацааны ADAS/AV боломжуудад ашигласан мэдрэгчээс бага форматтай мэдрэгч ашигладаг, бүр бага эрчим хүч зарцуулж, хоцролт нь мэдэгдэхүйц бага байдаг.
Израиль бол өндөр технологийн салбарт тэргүүлэгч шинийг санаачлагч бөгөөд томоохон венчур хөрөнгө оруулалт, идэвхтэй гарааны орчинтой. 2015 оноос хойш технологийн салбарт 70 тэрбум ам.долларын хөрөнгө оруулалт хийсэн байна. Үүний нэг хэсэг нь компьютерийн харааны салбарт байдаг. Мобайл 1999 онд Еврей их сургуулийн хиймэл оюун ухааны тэргүүлэх судлаач Амнон Шашуа компанийг ADAS болон AV-ийн камерт суурилсан ойлголтод анхаарлаа хандуулахын тулд үүсгэн байгуулснаар энэхүү хувьсгалыг тэргүүлсэн. Тус компани 2014 онд IPO хийх өргөдлөө өгч, Intel компани худалдаж авсан
Зар сурталчилгаа
Чампелийн нийслэл, Иерусалимд төвтэй, тээвэр, хөдөө аж ахуй, аюулгүй байдал, аюулгүй байдал зэрэг төрөл бүрийн хэрэглээнд зориулж компьютерийн алсын хараанд суурилсан бүтээгдэхүүн хөгжүүлдэг компаниудад хөрөнгө оруулахад тэргүүн эгнээнд явдаг. Амир Вайтман нь үүсгэн байгуулагч, удирдах түнш бөгөөд 2017 онд венчур компаниа байгуулсан. Анхны сан нь 20 компанид 14 сая долларын хөрөнгө оруулалт хийсэн. Тэдний хөрөнгө оруулалтын нэг нь Innoviz-д байсан бөгөөд 2018 онд SPAC-ийн нэгдэлээр олон нийтэд нээлттэй болж, LiDAR ганц эвэрт болсон. Омер Кейлаф (Израилийн батлан хамгаалах хүчний тагнуулын корпусын технологийн нэгжээс гаралтай) удирдсан. Тус компани өнөөдөр ADAS болон AV-д зориулсан LiDAR суурилуулалтаараа тэргүүлэгч бөгөөд BMW болон Volkswagen-д олон удаа дизайны ялалт байгуулсан.
Champel Capital-ийн хоёр дахь сан (Impact Deep Tech Fund II) 2022 оны 30-р сард байгуулагдаж, өнөөг хүртэл 100 сая долларын хөрөнгө босгоод байна (2022 оны эцэс гэхэд зорилтот 12 сая доллар). Компьютерийн хараанд гол анхаарлаа хандуулж, таван компанид XNUMX сая доллар зарцуулсан. Эдгээрийн гурав нь тээвэр, робот техникт компьютерийн хараа ашигладаг.
TankU, Хайфа хотод төвтэй, 2018 онд үйл ажиллагаагаа эхлүүлж, 10 сая долларын санхүүжилт босгожээ. Дан Валдхорн нь гүйцэтгэх захирал бөгөөд Израилийн Батлан хамгаалах хүчний өндөр технологийн элит бүлэг болох Unit 8200-ийг төгссөн бөгөөд дохионы тагнуул, код тайлах үүрэгтэй. TankU-ийн SaaS (Үйлчилгээний програм хангамж) бүтээгдэхүүнүүд нь тээврийн хэрэгсэл болон жолооч нарт үйлчилдэг гадаа нарийн төвөгтэй орчинд үйл явцыг автоматжуулж, аюулгүй болгодог. Эдгээр бүтээгдэхүүнийг автомашины парк, хувийн автомашин, шатахуун, цахилгаан цэнэглэх станц эзэмшигчид санхүүгийн автоматжуулсан гүйлгээнд хулгай, луйвраас урьдчилан сэргийлэх зорилгоор ашигладаг. Тээврийн хэрэгслийн түлшний үйлчилгээ жил бүр дэлхийн хэмжээнд ~2 сая долларын орлого олдог бөгөөд үүний 40% буюу 800 тэрбум долларыг хувийн болон арилжааны автомашины парк эзэмшигчид хэрэглэдэг. Жижиглэн худалдаачид болон тээврийн хэрэгслийн эзэд хулгай, луйврын улмаас жил бүр ~100 тэрбум доллар алддаг (жишээлбэл, зөвшөөрөлгүй хувийн тээврийн хэрэгсэлд флотын түлшний карт ашиглах). CNP (Карт байхгүй) залилан болон шатахууныг өөрчлөх/хулгайлах нь ялангуяа гар утасны программ дээр хулгайлагдсан картын мэдээллийг ашиглан төлбөр хийх үед алдагдлын нэмэлт эх үүсвэр болдог.
Зар сурталчилгаа
Тус компанийн TUfuel бүтээгдэхүүн нь нэг товшилтоор найдвартай төлбөр тооцоог хөнгөвчлөх, ихэнх төрлийн луйврыг хааж, залилан мэхэлсэн гэж сэжиглэх үед хэрэглэгчдэд анхааруулдаг. Энэ нь эдгээр байгууламж дахь одоо байгаа CCTV-ийн өгөгдөл болон дижитал гүйлгээний өгөгдөл (ПОС болон бусад арын өгөгдөл гэх мэт) дээр бэлтгэгдсэн хиймэл оюун ухааны хөдөлгүүр дээр үндэслэн үүнийг хийдэг. Тээврийн хэрэгслийн замнал ба динамик, тээврийн хэрэгслийн ID, аяллын хугацаа, миль, түлш цэнэглэх хугацаа, шатахууны хэмжээ, түлшний түүх, жолоочийн зан байдал зэрэг үзүүлэлтүүд нь залилан мэхлэхийг илрүүлэхийн тулд хянагддаг зарим шинж чанарууд юм. Энэ өгөгдөл нь жижиглэн худалдаачдад сайтын үйл ажиллагааг оновчтой болгох, үйлчлүүлэгчдийн үнэнч байдлыг нэмэгдүүлэх, алсын хараанд суурилсан маркетингийн хэрэгслийг ашиглахад тусалдаг. Гүйцэтгэх захирал Дан Вальдхорн хэлэхдээ, тэдний шийдэл нь флотын 70%, зээлийн картын 90%, хуурамчаар үйлдэгдсэн залилангийн үйл явдлын 70% -ийг илрүүлдэг.
Зураг 6: TUfuel нь шатахуун түгээх станцын хяналтын камерын бодит цагийн өгөгдөл болон бусад дижитал өгөгдлийг ашигладаг … [+]
TankU
Сонол нь Израиль даяар 240 станц, дэлгүүрийн сүлжээг эзэмшиж, ажиллуулдаг эрчим хүчний үйлчилгээний компани юм. TUfuel нь тэдний сайтууд дээр байрлуулсан бөгөөд аюулгүй байдал, залилангаас урьдчилан сэргийлэх, үйлчлүүлэгчдэд үнэнч байхыг харуулсан. Шатахуун түгээх станц, дэлгүүрийн тоног төхөөрөмжийн тэргүүлэгч нийлүүлэгчтэй хамтран АНУ-д бүтээгдэхүүний туршилт хийгдэж байна. Үүнтэй төстэй санаачилгууд Африк, Европт ч өрнөж байна.
Зар сурталчилгаа
Тель-Авив хотод байрладаг ЗӨЗ Бен-Гурионы их сургуулийн машин сургалтын эрдэмтэн судлаачид 2019 онд байгуулагдсан. ITC нь SaaS бүтээгдэхүүнийг бий болгодог "Түгжрэл үүсэхээс өмнө замын хөдөлгөөний урсгалыг хэмжиж, түгжрэлийг урьдчилан таамаглаж, гэрлэн дохионы ухаалаг зохицуулалтаар сааруулна." TankU-тай адил энэ нь шууд замын хөдөлгөөний мэдээллийг авахын тулд бэлэн камерын өгөгдлийг (олон тооны замын уулзвар дээр аль хэдийн суулгасан) ашигладаг. Хотын даяарх олон мянган камерын өгөгдөлд дүн шинжилгээ хийж, автомашины төрөл, хурд, хөдөлгөөний чиглэл, тээврийн хэрэгслийн төрлүүдийн дараалал (ачааны машин, машин гэх мэт) зэрэг параметрүүдийг хувийн хиймэл оюун ухааны алгоритмуудыг ашиглан гаргаж авдаг. Симуляци нь замын хөдөлгөөний урсгал болон болзошгүй түгжрэлийн нөхцөл байдлыг 30 минутын өмнө урьдчилан таамаглаж байна. Эдгээр үр дүнг ашиглан замын хөдөлгөөний урсгалыг жигдрүүлж, түгжрэлээс урьдчилан сэргийлэхийн тулд гэрлэн дохиог тохируулдаг.
Зураг 7: Олон мянган камерын өгөгдлийг хотын замын хөдөлгөөний удирдлагын систем дэх VMS эмхэтгэсэн … [+]
ЗӨЗ
Хиймэл оюун ухааны системийг сургахад ердийн хот даяар нэг сарын визуал мэдээлэл шаардагдах бөгөөд хяналттай болон хараа хяналтгүй сургалтыг хослуулсан байдаг. ITC-ийн шийдлийг Тель-Авив хотод (25 онд дэлхийн хамгийн түгжрэл ихтэй хотуудын 2020-д жагсаж) аль хэдийн байрлуулж, гэрлэн дохиогоор удирддаг олон зуун уулзварт мянга мянган камер байрлуулсан байна. ITC-ийн систем нь одоогоор 75 мянган тээврийн хэрэгслийг удирдаж байгаа бөгөөд цаашид ч өсөх төлөвтэй байна. Тус компани нь суурилуулж байна ижил төстэй чадвар Люксембург болон АНУ-ын томоохон хотуудад туршилт хийж эхэлжээ. Дэлхий даяар түүний шийдэл нь Израиль, АНУ, Бразил, Австралид үйл ажиллагаа явуулдаг 300,000 тээврийн хэрэгслийг удирддаг. Техникийн ерөнхий захирал Двир Кениг хүмүүст хувийн цагийг эргүүлэн өгөх, хүлэмжийн хийг багасгах, нийт бүтээмжийг нэмэгдүүлэх, хамгийн чухал нь түгжрэл ихтэй уулзвар дахь ослыг бууруулах зорилготой энэхүү асуудлыг шийдвэрлэхэд чин сэтгэлээсээ ханддаг. Ноён Кенигийн хэлснээр. "Манай суурилуулалтууд замын түгжрэлийг 30% бууруулж, үр ашиггүй жолоодох цаг, стресс, түлшний зарцуулалт, бохирдлыг бууруулж байгааг харуулж байна."
Зар сурталчилгаа
Дотор робот техник байсан 2018-д үүсгэгдсэн болон Саяхан 18 сая долларын санхүүжилт босгосон. Израилийн Тель-Авив хотын ойролцоо байрладаг тус компани нь дотоод орчны аюулгүй байдал, аюулгүй байдал, засвар үйлчилгээний хяналтад зориулагдсан бие даасан дрон шийдлүүдийг боловсруулж, борлуулдаг. Гүйцэтгэх захирал бөгөөд хамтран үүсгэн байгуулагч Дорон Бен-Дэвид нь IAI-д робот техник, аэронавтикийн чиглэлээр ихээхэн туршлага хуримтлуулсан.
Зураг 8: Indoor Robotics-ийн бие даасан дрон флот нь таазанд суурилуулсан тусламжтайгаар өөрийгөө тэжээх боломжтой. … [+]
Дотор робот техник
Офир Бар-Левав бол бизнесийн ахлах захирал юм. Тэрээр GPS-ийн дутагдал нь байшин доторх дронуудыг (ихэвчлэн GPS-ээс татгалзсан эсвэл алдаатай) нутагшуулахад саад болсон гэж тайлбарлав. Нэмж дурдахад тохиромжтой, үр ашигтай залгах болон цахилгаан хангамжийн шийдлүүд дутагдаж байв. Indoor Robotics нь үүнийг дрон дээр суурилуулсан дөрвөн камер (дээд, доош, зүүн, баруун) болон доторх орон зай, түүний агуулгыг нарийн дүрсэлсэн энгийн мэдрэгчээр шийддэг. Камерын өгөгдөл (камерууд нь нутагшуулалт, зураглалын өгөгдлийг өгдөг) болон дулааны мэдрэгчийг (мөн дрон дээр суурилуулсан) аюулгүй байдал, аюулгүй байдал, засвар үйлчилгээний болзошгүй асуудлуудыг илрүүлж, хэрэглэгчдэд сэрэмжлүүлэх зорилгоор AI системээр шинжилдэг. Дронууд нь таазанд суурилуулсан "док хавтан" -аар дамжуулан өөрсдийгөө тэжээдэг бөгөөд энэ нь үнэ цэнэтэй шалны зайг хэмнэж, цэнэглэх явцад мэдээлэл цуглуулах боломжийг олгодог. Хүний хөдөлмөр нарийн төвөгтэй, ажилд авах, хадгалах, сургах зэрэг нь өндөр өртөгтэй эдгээр энгийн үйл явцыг автоматжуулах нь санхүүгийн давуу тал юм. Агаарын дрон болон газар дээр суурилсан роботуудыг ашиглах нь хөрөнгийн болон ашиглалтын зардал, талбайн талбайг илүү сайн ашиглах, саад бэрхшээлгүйгээр чөлөөтэй хөдөлж, камерын мэдээлэл авах үр дүнтэй зэрэг чухал давуу талуудтай. Ноён Бар-Левавын хэлснээр, Indoor Robotics-ийн TAM (Total Addressable Market) доторх ухаалаг хамгаалалтын системүүд 80 он гэхэд 2026 тэрбум доллар болно. Өнөөгийн үйлчлүүлэгчдийн гол байршилд дэлхийн тэргүүлэгч корпорациудын агуулах, дата төв, оффисын кампусууд багтаж байна.
Зар сурталчилгаа
Компьютерийн хараа нь хөдөлгөөний автоматжуулалт, аюулгүй байдал, ухаалаг барилгын хяналт, залилан илрүүлэх, замын хөдөлгөөний удирдлагын чиглэлээр бие даасан тоглоомд хувьсгал хийж байна. Хагас дамжуулагч болон хиймэл оюун ухааны хүч чадал нь хүчирхэг идэвхжүүлэгч юм. Компьютерууд энэхүү гайхалтай мэдрэхүйн аргыг өргөтгөх боломжтой хэлбэрээр эзэмшсэн тохиолдолд боломжууд хязгааргүй болно.
Эх сурвалж: https://www.forbes.com/sites/sabbirrangwala/2022/10/04/advances-in-computer-vision-propel-transportation-autonomy/