Nyt AI -kamera kan revolutionere autonome køretøjer

Billedgenkendelsesteknologien, der ligger til grund for nutidens autonome biler og luftdroner, afhænger af kunstig intelligens:computerne lærer i det væsentlige sig selv at genkende objekter som en hund, en fodgænger, der krydser gaden eller en standset bil. Problemet er, at computerne, der kører de kunstige intelligensalgoritmer, i øjeblikket er for store og langsomme til fremtidige applikationer som håndholdt medicinsk udstyr.

Nu, forskere ved Stanford University har udviklet en ny type kunstigt intelligent kamerasystem, der kan klassificere billeder hurtigere og mere energieffektivt, og der kunne en dag bygges lille nok til at blive integreret i selve enhederne, noget der ikke er muligt i dag. Værket blev offentliggjort den 17. august Naturvidenskabelige rapporter .

"Den autonome bil, du lige har passeret, har en relativt stor, relativt langsom, energikrævende computer i bagagerummet, "sagde Gordon Wetzstein, en assisterende professor i elektroteknik ved Stanford, der ledede forskningen. Fremtidige applikationer har brug for noget meget hurtigere og mindre for at behandle billedstrømmen, han sagde.

Forbruges ved beregning

Wetzstein og Julie Chang, en kandidatstuderende og første forfatter på papiret, tog et skridt i retning af den teknologi ved at gifte to typer computere til en, at skabe en hybrid optisk-elektrisk computer designet specielt til billedanalyse.

Det første lag af prototypekameraet er en type optisk computer, hvilket ikke kræver den kraftintensive matematik i digital computing. Det andet lag er en traditionel digital elektronisk computer.

Det optiske computerlag fungerer ved fysisk forbehandling af billeddata, filtrere det på flere måder, som en elektronisk computer ellers skulle gøre matematisk. Da filtreringen sker naturligt, når lys passerer gennem den tilpassede optik, dette lag fungerer med nul indgangseffekt. Dette sparer hybridsystemet en masse tid og energi, som ellers ville blive brugt ved beregning.

"Vi har outsourcet noget af matematikken med kunstig intelligens til optikken, "Sagde Chang.

Resultatet er dybt færre beregninger, færre opkald til hukommelsen og langt mindre tid til at fuldføre processen. Efter at have sprunget i gang med disse forbehandlingstrin, den resterende analyse fortsætter til det digitale computerlag med et betydeligt forspring.

"Millioner af beregninger omgås, og det hele sker med lysets hastighed, "Sagde Wetzstein.

Hurtig beslutningstagning

I hastighed og nøjagtighed, prototypen konkurrerer med eksisterende elektroniske computere, der kun er programmeret til at udføre de samme beregninger, men med betydelige beregningsomkostningsbesparelser.

Mens deres nuværende prototype, arrangeret på en laboratoriebænk, ville næppe blive klassificeret som lille, forskerne sagde, at deres system en dag kan miniatures til at passe ind i et håndholdt videokamera eller en antenne -drone.

I både simuleringer og virkelige eksperimenter, teamet brugte systemet til med succes at identificere fly, biler, katte, hunde og mere inden for naturlige billedindstillinger.

"En fremtidig version af vores system ville være særlig nyttig i hurtige beslutningsapplikationer, som autonome køretøjer, "Sagde Wetzstein.

Udover at formindske prototypen, Wetzstein, Chang og kolleger på Stanford Computational Imaging Lab ser nu på måder at få den optiske komponent til at gøre endnu mere af forarbejdningen. Til sidst, deres mindre, hurtigere teknologi kunne erstatte bagagerumsstørrelsescomputere, der nu hjælper biler, droner og andre teknologier lærer at genkende verden omkring dem.