1772051734
2026-02-25 20:20:00
Садитесь в роботакси, путешествуя по улицам Сан-Франциско или Финикса, и вы можете уйти, думая, что эти беспилотные автомобили действуют по волшебству.
Это не совсем волшебная пыль, но они подкреплены рядом сложных технологий, включая программное обеспечение машинного обучения, камеры высокого разрешения и самые современные датчики. Несмотря на это, эти транспортные средства не являются надежными — у них могут возникнуть проблемы с восприятием других объектов или людей на дороге.
Частично разработано профессором электротехники и вычислительной техники Северо-Восточного университета. Равиндер Дахияновый компонент, вдохновленный биологией и предназначенный для улучшения обзора этих транспортных средств, может сделать их еще более отзывчивыми в будущем.
В новом опубликованная статья В журнале Nature Communications Дахия и его соавторы описывают новые технологии восприятия, которые они разработали и разработали, чтобы имитировать то, как сетчатка человека анализирует визуальные изменения.
Целью оборудования является сокращение временных задержек между моментом, когда автономная система видит объект, и моментом, когда она может проанализировать его и принять меры, что особенно важно для беспилотных транспортных средств, которые работают в непосредственной близости от пешеходов, сказал Дахия.
«Мы называем это нейроморфным поведением, потому что именно так обработка данных происходит в нашем организме».
Система исследователей предназначена для имитации способности человека воспринимать и осмысливать визуальную информацию, даже когда эта информация меняется, например, когда чьи-то волосы развеваются на ветру или, в случае с роботакси, пешеход, идущий на пути автомобиля.
Равиндер Дахия, профессор электротехники и компьютерной техники, помог разработать компонент системы машинного зрения. Фото Мэтью Модуно/Северо-Восточный университет
По словам Дахии, это часть способности человека хранить информацию о сцене и обновлять ее только с учетом изменений с течением времени. Это так называемые «сигналы временного движения», пишут исследователи.
Сосредоточив внимание только на областях изменений, автономная система сокращает объем работы, которую ей приходится выполнять в любой момент, что, в свою очередь, сокращает время обработки.
«Это исследование направлено на выявление областей, представляющих интерес», — сказал Дахия. «Мы делаем это с помощью аппаратного обеспечения, чтобы вы обрабатывали меньше данных и повышали скорость».
Исследователи протестировали свою систему машинного зрения в нескольких сценариях моделирования, включая автономное вождение транспортных средств и работу роботизированной руки, чтобы изучить ее способность прогнозировать движение и отслеживать объекты.
Они обнаружили, что по сравнению с более традиционными системами обработки изображений их аппаратное обеспечение увеличило скорость обработки на 400%.
Эти синаптические транзисторы однажды могут быть установлены в ряде автономных систем, помимо беспилотных транспортных средств, включая умные очки и промышленные роботы-манипуляторы, которые часто используются в задачах, требующих правильной идентификации объектов или материалов.
Но отраслевым партнерам может потребоваться некоторое время, чтобы разработать инфраструктуру, необходимую для поддержки этой формы визуального обучения в долгосрочной перспективе, сказал он.
Например, такие компании, как NVIDIA, производитель микросхем искусственного интеллекта, разработали чипы со специализированным программным обеспечением, которое может запускать искусственный интеллект, но они не выпустили аналоговые аппаратные нейроморфные системы с аналогичными возможностями.
Так что пока эта технология, скорее всего, останется в научных кругах, сказал он.
«Чтобы получить подходящее оборудование, необходимое для этого подхода, потребуются дополнительные усилия», — сказал он.
#Это #аппаратное #дополнение #может #повысить #безопасность #автономных #транспортных #средств
Продолжение темы
