Дасягненні камп'ютэрнага зроку спрыяюць аўтаноміі транспарту

Зрок - гэта магутная сэнсарная інфармацыя чалавека. Гэта дазваляе складаныя задачы і працэсы, якія мы ўспрымаем як належнае. З павелічэннем AoT™ (Autonomy of Things) у розных прылажэннях, пачынаючы ад транспарту і сельскай гаспадаркі і заканчваючы робататэхнікай і медыцынай, роля камер, вылічальнай тэхнікі і машыннага навучання ў забеспячэнні бачання і пазнання, падобных да чалавека, становіцца значнай. Камп'ютэрнае зрок як акадэмічная дысцыпліна з'явілася ў 1960-х гадах, у асноўным ва ўніверсітэтах, якія займаюцца новай сферай штучнага інтэлекту (AI) і машыннага навучання. Ён рэзка прагрэсаваў у наступныя чатыры дзесяцігоддзі, калі былі дасягнуты значныя поспехі ў галіне паўправадніковых і вылічальных тэхналогій. Апошнія дасягненні ў галіне глыбокага навучання і штучнага інтэлекту яшчэ больш паскорылі прымяненне камп'ютэрнага зроку, каб забяспечыць успрыманне і пазнаванне навакольнага асяроддзя ў рэжыме рэальнага часу з нізкай затрымкай, забяспечваючы аўтаномнасць, бяспеку і эфектыўнасць у розных праграмах. Транспарт - адна з сфер, якая атрымала значную карысць.

LiDAR (Light Detection and Ranging) - гэта метад актыўнай аптычнай візуалізацыі, які выкарыстоўвае лазеры для вызначэння 3D-асяроддзя вакол аб'екта. Гэта адна з тэхналогій, якую спрабуюць сарваць рашэнні камп'ютэрнага зроку (якія абапіраюцца выключна на навакольнае асвятленне і не выкарыстоўваюць лазеры для ўспрымання 3D). Агульная тэма заключаецца ў тым, што вадзіцелям не патрэбны LiDAR для ўспрымання глыбіні, таму і машынам не патрэбны. Актуальныя камерцыйныя функцыі аўтаномнага кіравання L3 (поўная аўтаномнасць у пэўных геаграфічных рэгіёнах і ўмовах надвор'я з гатоўнасцю кіроўцы ўзяць кіраванне на працягу некалькіх секунд) прадукты сёння выкарыстоўваць LiDAR. Метады, заснаваныя выключна на зроку, да гэтага часу не змаглі прапанаваць гэтую магчымасць камерцыйна.

РЭКЛЯМА

ЦеслыTSLA
з'яўляецца дамінуючым прыхільнікам выкарыстання пасіўнага камп'ютэрнага зроку на аснове камеры для забеспячэння аўтаномнасці пасажырскага транспартнага сродку. Падчас нядаўняга мерапрыемства кампаніі AI Day Ілон Маск і яго інжынеры правялі ўражлівую прэзентацыю яго штучнага інтэлекту, кіравання дадзенымі і вылічальных магчымасцей, якія падтрымліваюць, сярод іншых ініцыятыў, функцыю поўнага самастойнага кіравання (FSD) на некалькіх мадэлях Tesla. FSD патрабуе, каб чалавек-кіроўца ўвесь час займаўся кіраваннем (што адпавядае аўтаноміі L2). У цяперашні час гэтая опцыя даступная для 160,000 8 аўтамабіляў, набытых кліентамі ў ЗША і Канадзе. Набор з 360 камер на кожным аўтамабілі забяспечвае карту прысутнасці на 75°. Даныя камеры (і іншыя) з гэтых транспартных сродкаў выкарыстоўваюцца для навучання нейронавай сеткі (якая выкарыстоўвае аўтаматычную маркіроўку) распазнаваць аб'екты, будаваць магчымыя траекторыі транспартных сродкаў, выбіраць аптымальныя і актываваць адпаведныя дзеянні кіравання. За апошнія 12 месяцаў адбылося ~1 тыс. абнаўленняў нейронавай сеткі (~7 абнаўленне кожныя 4 хвілін), паколькі пастаянна збіраюцца новыя даныя і выяўляюцца памылкі маркіроўкі або памылкі манеўравання. Навучаная сетка выконвае дзеянні па планаванні і кіраванні з дапамогай убудаванай рэзерваванай архітэктуры спецыяльна створанай вылічальнай электронікі. Кампанія Tesla чакае, што FSD у канчатковым выніку прывядзе да стварэння аўтаномных транспартных сродкаў (AV), якія забяспечваюць поўную аўтаномію ў пэўных абласцях аператыўнага праектавання без неабходнасці ўдзелу чалавека-кіроўцы (таксама называецца аўтаноміяй LXNUMX).

Іншыя кампаніі, такія як Phiar, Helm.ai і NODAR таксама займаюцца развіццём камп'ютэрнага зроку. NODAR імкнецца значна пашырыць дыяпазон візуалізацыі і 3D-ўспрыманне сістэм стэрэакамер, навучыўшыся наладжваць зрушэнне камеры і эфект вібрацыі з дапамогай запатэнтаваных алгарытмаў машыннага навучання. Нядаўна ён сабраў 12 мільёнаў долараў для вытворчасці свайго флагманскага прадукту, Hammerhead™, які выкарыстоўвае «гатовыя» аўтамабільныя камеры і стандартныя вылічальныя платформы.

Акрамя кошту і памеру, частым аргументам супраць выкарыстання LiDAR з'яўляецца тое, што ён мае абмежаваны дыяпазон і дазвол у параўнанні з камерамі. Напрыклад, LiDAR з дыяпазонам 200 м і 5-10 M кропак у секунду (PPS, падобнае да дазволу) даступныя сёння. На адлегласці 200 м невялікія перашкоды, такія як цэгла або абломкі шын, будуць фіксаваць вельмі мала кропак (магчыма, 2-3 у вертыкальным кірунку і 3-5 у гарызантальным кірунку), што ўскладняе распазнаванне аб'ектаў. На вялікіх адлегласцях усё становіцца яшчэ больш грубым. Для параўнання, стандартныя мегапіксэльныя камеры, якія працуюць з частатой 30 Гц, могуць генераваць 30 М пікселяў у секунду, што дазваляе лепш распазнаваць аб'екты нават на вялікіх адлегласцях. Больш прасунутыя камеры (12 М пікселяў) могуць павялічыць гэта яшчэ больш. Пытанне ў тым, як выкарыстоўваць гэтыя масіўныя даныя і стварыць эфектыўнае ўспрыманне з затрымкамі ў мілісекунды, нізкім энергаспажываннем і пагаршанымі ўмовамі асвятлення.

РЭКЛЯМА

РаспазнацьКаліфарнійская кампанія спрабуе вырашыць гэтую праблему. Па словах генеральнага дырэктара Марка Баліта, яго місія - "забяспечыць звышчалавечае візуальнае ўспрыманне для цалкам аўтаномных транспартных сродкаў.” Кампанія была заснавана ў 2017 годзе, на сённяшні дзень сабрала 75 мільёнаў долараў і налічвае 70 супрацоўнікаў. Р. К. Ананд, выпускнік Juniper Networks, з'яўляецца адным з сузаснавальнікаў і галоўным дырэктарам па прадуктах. Ён лічыць, што выкарыстанне камер больш высокага разрознення з дынамічным дыяпазонам > 120 дБ, якія працуюць з высокай частатой кадраў (напрыклад, OnSemi, Sony і Omnivision), забяспечвае даныя, неабходныя для стварэння 3D-інфармацыі з высокім разрозненнем, што вельмі важна для рэалізацыі AV. Спрычыны для гэтага:

1. Спецыяльна распрацаваныя ASIC для эфектыўнай апрацоўкі даных і стварэння дакладных 3D-карт высокай раздзяляльнасці навакольнага асяроддзя аўтамабіля. Яны выраблены па тэхпрацэсе TSMC 7 нм з памерам чыпа 100 мм² і працуюць на частаце 1 Ггц.
2. Запатэнтаваныя алгарытмы машыннага навучання для апрацоўкі мільёнаў кропак даных у аўтаномным рэжыме для стварэння навучанай нейронавай сеткі, якая можа працаваць эфектыўна і бесперапынна вучыцца. Гэтая сетка забяспечвае ўспрыманне і ўключае класіфікацыю і выяўленне аб'ектаў, семантычную сегментацыю, выяўленне паласы руху, распазнаванне дарожных знакаў і святлафораў
3. Мінімізацыя захоўвання і множання па-за чыпам, якія з'яўляюцца энергаёмістымі і ствараюць вялікую затрымку. Дызайн ASIC Recogni аптымізаваны для лагарыфмічнай матэматыкі і выкарыстоўвае складанне. Дадатковая эфектыўнасць дасягаецца шляхам аптымальнай кластарызацыі вагаў у навучанай нейронавай сетцы.

На этапе навучання камерцыйны LiDAR выкарыстоўваецца ў якасці асноўнай праўды для навучання даным стэрэакамеры з высокім раздзяленнем і шырокім дынамічным дыяпазонам для атрымання інфармацыі аб глыбіні і ўстойлівасці да зрушэнняў і вібрацыі. Па словах г-на Ананда, іх рэалізацыя машыннага навучання настолькі эфектыўная, што можа экстрапаляваць ацэнкі глыбіні за межы навучальных дыяпазонаў, прадастаўленых каліброўкай LiDAR (які забяспечвае праўду на зямлі на адлегласці 100 м).

РЭКЛЯМА

Прыведзеныя вышэй трэніровачныя дадзеныя былі праведзены ў дзённы час са стэрэапарай 8.3-мегапіксельных камер, якія працуюць з частатой кадраў 30 Гц (~0.5 млрд пікселяў у секунду). Ён дэманструе здольнасць навучанай сеткі здабываць 3D-інфармацыю ў сцэне за межамі 100-метровага дыяпазону, з якім яна была навучана. Рашэнне Recogni можа таксама экстрапаляваць сваё навучанне з дзённымі данымі на прадукцыйнасць у начны час (малюнак 2).

РЭКЛЯМА

Па словах г-на Ананда, дадзеныя аб далёкасці з дакладнасцю да 5% (на вялікіх дыстанцыях) і блізкія да 2% (на меншых дыстанцыях). Рашэнне забяспечвае 1000 TOPS (трыльёнаў аперацый у секунду) з затрымкай 6 мс і энергаспажываннем 25 Вт (40 TOPS/Вт), што з'яўляецца лідэрам у галіны. Канкурэнты, якія выкарыстоўваюць цэлую матэматыку, у > 10 разоў ніжэйшыя па гэтым паказчыку. Рашэнне Recogni зараз знаходзіцца на стадыі выпрабаванняў у некалькіх пастаўшчыкоў аўтамабільнай прамысловасці ўзроўню 1.

Прарочыць («прагназаваць і бачыць, дзе адбываецца дзеянне»), якая базуецца ў Францыі, выкарыстоўвае свае камеры на аснове падзей для AV, Advanced Driver Assistance Systems (ADAS), прамысловай аўтаматызацыі, спажывецкіх праграм і аховы здароўя. Заснаваны ў 2014 годзе кампанія нядаўна завяршыла фінансаванне C раунда ў памеры 50 мільёнаў долараў, на сённяшні дзень у агульнай складанасці сабрана 127 мільёнаў долараў. Адным з інвестараў з'яўляецца вядучы вытворца мабільных тэлефонаў Xiaomi. Мэта Prophesee - імітаваць чалавечае зрок, у якім рэцэптары сятчаткі рэагуюць на дынамічную інфармацыю. Чалавечы мозг засяроджваецца на апрацоўцы змен у сцэне (асабліва для кіравання аўтамабілем). Асноўная ідэя заключаецца ў выкарыстанні камер і піксельных архітэктур, якія вызначаюць змены інтэнсіўнасці святла вышэй парогавага значэння (падзеі) і прадастаўляюць толькі гэтыя даныя ў вылічальны стэк для далейшай апрацоўкі. Пікселі працуюць асінхронна (не ў кадрах, як у звычайных камерах CMOS) і на значна больш высокіх хуткасцях, паколькі ім не трэба інтэграваць фатоны, як у звычайнай кадравай камеры, і чакаць, пакуль увесь кадр скончыць гэта перад счытваннем даных. Перавагі значныя - меншая прапускная здольнасць даных, затрымка прыняцця рашэнняў, захоўванне і энергаспажыванне. Першы камерцыйны датчык VGA, заснаваны на падзеях кампаніі, адрозніваўся шырокім дынамічным дыяпазонам (>120 дБ), нізкім энергаспажываннем (26 мВт на ўзроўні датчыка або 3 нВт/падзею). Таксама была запушчана версія HD (высокай выразнасці) (распрацаваная сумесна з Sony) з лепшым у галіны памерам пікселяў (<5 мкм).

РЭКЛЯМА

Гэтыя датчыкі складаюць ядро ​​сэнсарнай платформы Metavision®, якая выкарыстоўвае штучны інтэлект для забеспячэння разумнага і эфектыўнага ўспрымання аўтаномных прыкладанняў і знаходзіцца на стадыі ацэнкі шматлікіх кампаній у сферы транспарту. Акрамя перспектыўнага ўспрымання для AV і ADAS, Prophesee актыўна ўзаемадзейнічае з кліентамі для кантролю ў салоне драйвера для прыкладанняў L2 і L3, гл. малюнак 4:

Аўтамабільныя магчымасці прыбытковыя, але цыклы распрацоўкі доўгія. За апошнія два гады Prophesee заўважыў значную цікавасць і цягу да прасторы машыннага зроку для прамысловага прымянення. Сюды ўваходзяць высакахуткасны падлік, агляд паверхні і маніторынг вібрацыі.

РЭКЛЯМА

Нядаўна Prophesee абвясцілі аб супрацоўніцтве з вядучымі распрацоўшчыкамі сістэм машыннага зроку для выкарыстання магчымасцей у прамысловай аўтаматызацыі, робататэхніцы, аўтамабільнай прамысловасці і IoT (Інтэрнэт рэчаў). Іншыя неадкладныя магчымасці - карэкцыя размытасці выявы для мабільных тэлефонаў і дадаткаў AR/VR. Яны выкарыстоўваюць датчыкі больш нізкага фармату, чым тыя, што выкарыстоўваюцца для доўгатэрміновых магчымасцей ADAS/AV, спажываюць яшчэ менш энергіі і працуюць са значна меншай затрымкай.

Ізраіль з'яўляецца вядучым наватарам у галіне высокіх тэхналогій, са значнымі венчурнымі інвестыцыямі і актыўным стартавым асяроддзем. З 2015 года ў тэхналагічны сектар было ўкладзена каля 70 мільярдаў долараў венчурных інвестыцый. Частка гэтага ў вобласці камп'ютэрнага гледжання. Mobileye узначаліў гэтую рэвалюцыю ў 1999 годзе, калі Амнон Шашуа, вядучы даследчык штучнага інтэлекту з Габрэйскага ўніверсітэта, заснаваў кампанію, каб засяродзіцца на ўспрыманні з дапамогай камеры для ADAS і AV. Кампанія падала заяўку на IPO у 2014 годзе і была набыта IntelИНТЕРК
у 2017 годзе за 15 мільярдаў долараў. Сёння ён лёгка з'яўляецца вядучым гульцом у вобласці камп'ютэрнага зроку і AV і ў апошні час заявіла аб намеры падаць заяўку на IPO і стаць самастойнай арганізацыяй. Mobileye мела прыбытак у памеры 1.4 мільярда долараў у год і сціплыя страты (75 мільёнаў долараў). Ён забяспечвае магчымасці камп'ютэрнага зроку для 50 аўтамабільных вытворцаў, якія разгортваюць яго на 800 мадэлях аўтамабіляў для магчымасцей ADAS. У будучыні яны маюць намер стаць лідэрам у галіне аўтаноміі транспартных сродкаў L4 (вадзіцель не патрабуецца), выкарыстоўваючы гэты вопыт камп'ютэрнага зроку і магчымасці LiDAR, заснаваныя на платформе крэмніевай фатонікі Intel. Ацэнка Mobileye ацэньваецца ў ~50 мільярдаў долараў, калі яны нарэшце выйдуць на біржу.

РЭКЛЯМА

Сталіца Чампель, якая базуецца ў Іерусаліме, знаходзіцца ў авангардзе інвестыцый у кампаніі, якія распрацоўваюць прадукты на аснове камп'ютэрнага зроку для розных прыкладанняў - ад транспарту і сельскай гаспадаркі да бяспекі і бяспекі. Амір Вейтман з'яўляецца сузаснавальнікам і кіруючым партнёрам і заснаваў сваю венчурную кампанію ў 2017 годзе. Першы фонд уклаў 20 мільёнаў долараў у 14 кампаній. Адна з іх інвестыцый была ў Innoviz, якая стала публічнай праз зліццё SPAC у 2018 годзе і стала аднарогам LiDAR. Пад кіраўніцтвам Омера Кейлафа (які паходзіў з тэхналагічнага падраздзялення Корпуса разведкі Арміі абароны Ізраіля), сёння кампанія з'яўляецца лідэрам у разгортванні LiDAR для ADAS і AV, з некалькімі перамогамі ў дызайне BMW і Volkswagen.

Другі фонд Champel Capital (Impact Deep Tech Fund II) быў ініцыяваны ў студзені 2022 года і на сённяшні дзень сабраў 30 мільёнаў долараў (задача - 100 мільёнаў долараў да канца 2022 года). Пераважны акцэнт робіцца на камп'ютэрным зроку, у пяці кампаніях размешчана 12 мільёнаў долараў. Тры з іх выкарыстоўваюць камп'ютэрны зрок для транспарту і робататэхнікі.

ТанкУ, заснавана ў Хайфе, пачала сваю дзейнасць у 2018 годзе і сабрала 10 мільёнаў долараў фінансавання. Дэн Валдхорн з'яўляецца генеральным дырэктарам і выпускніком падраздзялення 8200, элітнай высокатэхналагічнай групы ў складзе Сілаў абароны Ізраіля, якая адказвае за разведку сігналаў і дэшыфраванне кодаў. Прадукты TankU SaaS (праграмнае забеспячэнне як паслуга) аўтаматызуюць і забяспечваюць бяспеку працэсаў у складаных адкрытых умовах абслугоўвання транспартных сродкаў і кіроўцаў. Гэтыя прадукты выкарыстоўваюцца ўладальнікамі аўтапаркаў, прыватных аўтамабіляў, аўтазаправачных і электразарадных станцый для прадухілення крадзяжоў і махлярства ў аўтаматызаваных фінансавых аперацыях. Паслугі паліва для аўтамабіляў штогод прыносяць глабальны даход ~2 тысячы долараў, з якіх прыватныя і камерцыйныя аўтапаркі спажываюць 40%, або 800 мільярдаў долараў. Рознічныя гандляры і ўладальнікі аўтапаркаў штогод губляюць каля 100 мільярдаў долараў з-за крадзяжоў і махлярства (напрыклад, выкарыстанне паліўнай карты аўтапарка для несанкцыянаваных прыватных аўтамабіляў). Махлярства CNP (Card not present) і фальсіфікацыя/крадзеж паліва з'яўляюцца дадатковымі крыніцамі страт, асабліва пры выкарыстанні дэталяў скрадзенай карты ў мабільных праграмах для плацяжоў.

РЭКЛЯМА

Прадукт кампаніі TUfuel забяспечвае бяспечную аплату адным націскам, блакуе большасць відаў махлярства і папярэджвае кліентаў пры падазрэнні на махлярства. Ён робіць гэта на аснове механізму штучнага інтэлекту, навучанага на дадзеных з існуючых камер відэаназірання ў гэтых аб'ектах і дадзеных лічбавых транзакцый (уключаючы POS і іншыя серверныя дадзеныя). Такія параметры, як траекторыя і дынаміка транспартнага сродку, ідэнтыфікатар транспартнага сродку, час у шляху, прабег, час запраўкі, колькасць паліва, паліўная гісторыя і паводзіны кіроўцы, - гэта некаторыя атрыбуты, якія кантралююцца для выяўлення махлярства. Гэтыя даныя таксама дапамагаюць рознічным гандлярам аптымізаваць працу сайта, павысіць лаяльнасць кліентаў і разгарнуць інструменты маркетынгу, заснаваныя на бачанні. Па словах генеральнага дырэктара Дэна Вальдхорна, іх рашэнне выяўляе 70% выпадкаў махлярства, звязаных з аўтапаркам, 90% крэдытных карт і 70% выпадкаў махлярства.

Сонол з'яўляецца энергетычнай кампаніяй, якая валодае і кіруе сеткай з 240 станцый і магазінаў па ўсім Ізраілі. TUfuel разгортваецца на іх сайтах і прадэманстраваў павышаную бяспеку, прадухіленне махлярства і лаяльнасць кліентаў. У ЗША праводзяцца выпрабаванні прадукту ў супрацоўніцтве з вядучым сусветным пастаўшчыком абсталявання для АЗС і магазінаў. Падобныя ініцыятывы таксама робяцца ў Афрыцы і Еўропе.

РЭКЛЯМА

Тэль-Авіў ITC была заснавана ў 2019 годзе навукоўцамі машыннага навучання з Універсітэта Бэн-Гурыёна. ITC стварае прадукты SaaS, якія «Вымярайце паток транспарту, прагназуйце заторы і змякчайце іх з дапамогай разумных маніпуляцый святлафорамі - перш чым пачнуць утварацца заторы». Падобна TankU, ён выкарыстоўвае даныя стандартных камер (ужо ўсталяваных на шматлікіх развязках) для атрымання жывых даных аб дарожным руху. Даныя з тысяч камер па ўсім горадзе аналізуюцца, і такія параметры, як тып транспартнага сродку, хуткасць, кірунак руху і паслядоўнасць тыпаў транспартных сродкаў (грузавікі супраць легкавых аўтамабіляў), здабываюцца з дапамогай запатэнтаваных алгарытмаў штучнага інтэлекту. Мадэляванне прадказвае плынь руху і патэнцыйныя заторы да 30 хвілін наперад. Святлафоры рэгулююцца з дапамогай гэтых вынікаў, каб згладзіць рух транспарту і прадухіліць заторы.

Навучанне сістэме штучнага інтэлекту займае адзін месяц візуальных даных па звычайным горадзе і ўключае ў сябе спалучэнне навучання пад наглядам і без нагляду. Рашэнне ITC ужо разгорнута ў Тэль-Авіве (25-е месца ў рэйтынгу самых загружаных гарадоў свету ў 2020 годзе), з тысячамі камер, размешчаных на сотнях скрыжаванняў, якія кантралююцца святлафорамі. У цяперашні час сістэма ITC кіруе 75 тысячамі аўтамабіляў, і чакаецца, што іх колькасць будзе працягваць расці. Кампанія ўсталёўвае a падобная магчымасць у Люксембург і пачынае выпрабаванні ў буйных гарадах ЗША. У глабальным маштабе яго рашэнне кіруе 300,000 XNUMX транспартнымі сродкамі з прадпрыемствамі ў Ізраілі, ЗША, Бразіліі і Аўстраліі. Двір Кеніг, тэхнічны дырэктар, захоплены рашэннем гэтай праблемы - вярнуць людзям асабісты час, паменшыць выкіды парніковых газаў, павысіць агульную прадукцыйнасць і, самае галоўнае, паменшыць колькасць аварый на перагружаных скрыжаваннях. Па словах спадара Кеніга, «Нашы разгортванні дэманструюць скарачэнне затораў на 30%, памяншаючы непрадукцыйны час ваджэння, стрэс, расход паліва і забруджванне».

РЭКЛЯМА

Робататэхніка ў памяшканнях было заснаваная ў 2018 і нядаўна прыцягнула 18 мільёнаў долараў фінансавання. Кампанія, якая базуецца недалёка ад Тэль-Авіва, Ізраіль, распрацоўвае і прадае аўтаномныя беспілотныя лятальныя апараты для забеспячэння бяспекі ў памяшканнях, бяспекі і маніторынгу тэхнічнага абслугоўвання. Генеральны дырэктар і сузаснавальнік Доран Бэн-Дэвід мае значны вопыт у робататэхніцы і аэранаўтыцы, назапашаны ў IAIIAI
(буйны абаронны галоўны падрадчык) і MAFAT (перадавая даследчая арганізацыя ў складзе Міністэрства абароны Ізраіля), якая падобная на DARPA ў Злучаных Штатах. Рост інвестыцый у разумныя будынкі і рынкі камерцыйнай бяспекі выклікае патрэбу ў аўтаномных сістэмах, якія могуць выкарыстоўваць камп'ютэрны зрок і іншыя сэнсарныя ўваходы ў малых і вялікіх унутраных камерцыйных памяшканнях (офісы, цэнтры апрацоўкі дадзеных, склады і гандлёвыя плошчы). Indoor Robotics арыентуецца на гэты рынак, выкарыстоўваючы беспілотныя лятальныя апараты для памяшканняў, абсталяваныя стандартнымі камерамі і цеплавымі і інфрачырвонымі датчыкамі дыяпазону.

Офір Бар-Леваў - галоўны камерцыйны дырэктар. Ён тлумачыць, што адсутнасць GPS перашкаджае крытым беспілотнікам лакалізавацца ўнутры будынкаў (як правіла, GPS адмаўляецца або недакладны). Акрамя таго, не хапала зручных і эфектыўных рашэнняў для стыкоўкі і харчавання. Indoor Robotics вырашае гэта з дапамогай чатырох усталяваных на беспілотніках камер (зверху, унізе, злева, справа) і простых датчыкаў дыяпазону, якія дакладна адлюстроўваюць памяшканне ў памяшканні і яго змесціва. Даныя камеры (камеры забяспечваюць лакалізацыю і картаграфічныя даныя) і цеплавыя датчыкі (таксама ўсталяваныя на беспілотніку) аналізуюцца сістэмай штучнага інтэлекту, каб выявіць патэнцыйныя праблемы бяспекі, бяспекі і абслугоўвання і папярэдзіць кліента. Дроны сілкуюцца праз усталяваную на столі «стыкоўную плітку», якая эканоміць каштоўную плошчу і дазваляе збіраць даныя падчас зарадкі. Фінансавыя перавагі аўтаматызацыі гэтых звычайных працэсаў, дзе чалавечая праца складаная і дарагая з пункту гледжання найму, утрымання і навучання, відавочныя. Выкарыстанне паветраных беспілотнікаў у параўнанні з наземнымі робатамі таксама мае значныя перавагі з пункту гледжання капітальных і эксплуатацыйных выдаткаў, лепшага выкарыстання плошчы, свабоды перамяшчэння без перашкод і эфектыўнасці збору даных камерай. Па словах г-на Бар-Левава, TAM (Total Addressable Market) кампаніі Indoor Robotics у інтэлектуальных сістэмах бяспекі для памяшканняў складзе 80 мільярдаў долараў да 2026 года. Сёння да ключавых кліентаў адносяцца склады, цэнтры апрацоўкі дадзеных і офісныя гарадкі вядучых сусветных карпарацый.

РЭКЛЯМА

Камп'ютэрны зрок здзяйсняе рэвалюцыю ў аўтаномнай гульні - у аўтаматызацыі руху, бяспецы, разумным маніторынгу будынкаў, выяўленні махлярства і кіраванні трафікам. Магутнасць паўправаднікоў і штучнага інтэлекту з'яўляюцца магутнымі фактарамі. Як толькі камп'ютары авалодаюць гэтай неверагоднай сэнсарнай мадальнасцю ў маштабаваным рэжыме, магчымасці стануць бязмежнымі.