นักวิจัยสหรัฐฯ พัฒนาเครื่องมือปัญญาประดิษฐ์ที่สามารถประมวลผลข้อมูลการมองเห็นของเครื่องจักรได้สูงสุดถึง 440 ครั้งต่อวินาที

·โดย Henderson·Engineering
นักวิจัยสหรัฐฯ พัฒนาเครื่องมือปัญญาประดิษฐ์ที่สามารถประมวลผลข้อมูลการมองเห็นของเครื่องจักรได้สูงสุดถึง 440 ครั้งต่อวินาที
จุดเด่น
  • ระบบ F³ สามารถประมวลผลข้อมูลการมองเห็นของเครื่องจักรได้สูงสุดถึง 440 ครั้งต่อวินาที
  • เทคโนโลยีนี้ช่วยให้หุ่นยนต์สามารถระบุวัตถุและติดตามการเคลื่อนไหวได้อย่างมีประสิทธิภาพมากขึ้น
  • นักวิจัยได้พัฒนาเครือข่ายประสาทเทียมเพื่อระบุรูปแบบในข้อมูลจากกล้องเหตุการณ์
  • F³ ทำให้กล้องเหตุการณ์ใช้งานได้ง่ายขึ้นในระบบอัตโนมัติ

นักวิจัยจากสหรัฐอเมริกาได้พัฒนาเครื่องมือปัญญาประดิษฐ์ที่สามารถประมวลผลข้อมูลการมองเห็นของเครื่องจักรได้สูงสุดถึง 440 ครั้งต่อวินาที ซึ่งอาจทำให้โดรน รถยนต์ขับเคลื่อนอัตโนมัติ และหุ่นยนต์อื่น ๆ สามารถตอบสนองต่อสภาพแวดล้อมรอบตัวได้เร็วขึ้น ระบบนี้พัฒนาโดยวิศวกรจากมหาวิทยาลัยเพนซิลเวเนีย โดยมีชื่อว่า Fast Feature Field (F³) ซึ่งประมวลผลข้อมูลจากกล้องเหตุการณ์ กล้องเหล่านี้ทำงานโดยการตรวจจับการเปลี่ยนแปลงของแสงแทนที่จะบันทึกภาพแบบดั้งเดิม ในการทดสอบ ความเร็วในการทำงานของอัลกอริธึม F³ ประมาณ 2 ถึง 5 เท่าของวิธีการก่อนหน้า

ระบบนี้สามารถประมวลผลข้อมูลจากกล้องเหตุการณ์ความละเอียดสูงได้ที่ความเร็ว 120 ครั้งต่อวินาที และสามารถทำได้ถึง 440 ครั้งต่อวินาทีที่ความละเอียด VGA นักวิจัยระบุว่า เทคโนโลยีนี้สามารถช่วยให้หุ่นยนต์ระบุวัตถุ ประเมินระยะทาง และติดตามการเคลื่อนไหวได้อย่างมีประสิทธิภาพมากขึ้น โดยเฉพาะในสภาพแสงที่ไม่ดี

หลักการทำงานของระบบ F³

แตกต่างจากกล้องแบบดั้งเดิมที่บันทึกภาพเต็มรูปแบบในช่วงเวลาที่กำหนด กล้องเหตุการณ์จะตรวจจับการเปลี่ยนแปลงของความเข้มของแสงในแต่ละพิกเซลอย่างต่อเนื่อง ซึ่งทำให้สามารถจับภาพการเคลื่อนไหวที่รวดเร็วโดยไม่ต้องบันทึกเฟรมทั้งหมด อย่างไรก็ตาม การตีความข้อมูลที่ได้ยังคงเป็นเรื่องยาก เนื่องจากกล้องเหล่านี้สร้างสัญญาณจำนวนมาก ซึ่งไม่ใช่ภาพที่สามารถระบุได้ วิธีการที่มีอยู่ในปัจจุบันมักต้องการอัลกอริธึมเฉพาะสำหรับงานที่แตกต่างกัน ซึ่งจำกัดการใช้งานในเทคโนโลยีหุ่นยนต์ นักวิจัยจากมหาวิทยาลัยเพนซิลเวเนียได้พัฒนาเครือข่ายประสาทเทียมเพื่อแก้ปัญหานี้ โดยเครือข่ายจะเรียนรู้ในการระบุรูปแบบที่มีประโยชน์ในข้อมูลจากกล้องเหตุการณ์

ทีมวิจัยไม่ได้โปรแกรมแยกต่างหากสำหรับการระบุวัตถุ การติดตามการเคลื่อนไหว หรือการประเมินระยะทาง แต่ได้ฝึก F³ ให้คาดการณ์เหตุการณ์ในอนาคตตามสัญญาณในอดีต

ผู้เขียนเอกสาร Richeek Das กล่าวว่า "เพื่อให้สามารถคาดการณ์เหตุการณ์ในอนาคตจากเหตุการณ์ในอดีตได้อย่างแม่นยำ เครือข่ายต้องเรียนรู้ในการแสดงโครงสร้างของฉากและการเคลื่อนไหวที่เกิดขึ้น" วิธีการนี้ทำให้ระบบสามารถดึงข้อมูลเกี่ยวกับฉากและการเคลื่อนไหวได้ โดยไม่ต้องการวิธีการประมวลผลที่แตกต่างกันสำหรับแต่ละแอปพลิเคชัน นักวิจัยยังค้นพบวิธีการลดการคำนวณที่ไม่จำเป็น แม้ว่ากล้องเหตุการณ์จะสามารถสร้างสัญญาณได้หลายล้านสัญญาณต่อวินาที แต่ประมาณ 95% ของตำแหน่งข้อมูลไม่ได้มีเหตุการณ์เกิดขึ้น โดยการประมวลผลเฉพาะตำแหน่งที่มีการเปลี่ยนแปลง F³ จึงหลีกเลี่ยงการใช้ทรัพยากรการคำนวณในพื้นที่ว่าง

การปรับแต่งนี้ช่วยให้นักวิจัยสามารถบรรลุความเร็วในการประมวลผลที่จำเป็นสำหรับการรับรู้ของหุ่นยนต์แบบเรียลไทม์

การประยุกต์ใช้ในอนาคตและการรวมเข้าด้วยกัน

ทีมงานใช้ข้อมูลจากกล้องเหตุการณ์ที่เก็บรวบรวมจากรถยนต์ หุ่นยนต์สี่ขา และโดรนบินเพื่อประเมิน F³ การทดสอบรวมถึงการระบุวัตถุ การประเมินระยะทาง และการติดตามการเคลื่อนไหว โดยมีสภาพแวดล้อมตั้งแต่ถนนในเมืองในเวลากลางคืนไปจนถึงพื้นที่ในร่มที่แออัด ตามที่นักวิจัยกล่าว วิธีการที่ใช้ F³ ได้แสดงประสิทธิภาพที่ดีที่สุดในหลาย ๆ งานรับรู้ และมีความเร็วในการทำงานที่สูงกว่าวิธีการก่อนหน้า ระบบนี้ยังช่วยให้ซอฟต์แวร์การมองเห็นของคอมพิวเตอร์ที่มีอยู่สามารถปรับตัวเข้ากับข้อมูลจากกล้องเหตุการณ์ได้ ซึ่งอาจลดความจำเป็นในการพัฒนาอัลกอริธึมเฉพาะสำหรับแอปพลิเคชันต่าง ๆ นักวิจัยกำลังรวม F³ เข้ากับโดรนที่ออกแบบมาเพื่อการนำทางในสภาพแวดล้อมที่ยุ่งเหยิงและมีแสงน้อย

พวกเขาหวังว่าจะสามารถรวมเทคโนโลยีนี้เข้ากับฮาร์ดแวร์ของกล้องเหตุการณ์โดยตรง ทำให้สามารถแปลงสัญญาณดิบเป็นข้อมูลภาพที่ใช้งานได้ โดยไม่ต้องใช้ซอฟต์แวร์ประมวลผลเพิ่มเติม

รองศาสตราจารย์ Pratik Chaudhari จากมหาวิทยาลัยเพนซิลเวเนียกล่าวว่า "เป้าหมายของเราคือทำให้การใช้กล้องเหตุการณ์ง่ายเหมือนการใช้กล้องแบบดั้งเดิม" นักวิจัยเชื่อว่าวิธีการนี้สามารถทำให้กล้องเหตุการณ์ใช้งานได้ง่ายขึ้นในระบบอัตโนมัติ ซึ่งต้องตีความสภาพแวดล้อมที่เปลี่ยนแปลงอย่างรวดเร็ว ผลการวิจัยได้ถูกเผยแพร่ในวารสาร Science Robotics

รายการสเปค
ความเร็วในการประมวลผล440 ครั้งต่อวินาที
ความละเอียดVGA

ผลกระทบของระบบ F³ ต่อเทคโนโลยีการมองเห็นของเครื่องจักร

การพัฒนาระบบ F³ ถือเป็นความก้าวหน้าที่สำคัญในเทคโนโลยีการมองเห็นของเครื่องจักร โดยเฉพาะในด้านการขับเคลื่อนอัตโนมัติและหุ่นยนต์ ด้วยความสามารถในการประมวลผลข้อมูลอย่างมีประสิทธิภาพ ระบบนี้สามารถให้ความสามารถในการรับรู้ที่เชื่อถือได้ในสภาพแวดล้อมที่มีแสงน้อย ซึ่งมีความสำคัญต่อโดรนขับเคลื่อนอัตโนมัติและหุ่นยนต์อื่น ๆ วิธีการที่สร้างสรรค์ของนักวิจัยไม่เพียงแต่เพิ่มความเร็วในการประมวลผลข้อมูล แต่ยังลดความจำเป็นในการใช้แอลกอริธึมเฉพาะ ซึ่งจะช่วยเร่งการแพร่หลายและการใช้งานเทคโนโลยีที่เกี่ยวข้อง ในอนาคตเมื่อมีการรวม F³ เข้ากับฮาร์ดแวร์ของกล้องเหตุการณ์ เทคโนโลยีนี้อาจช่วยทำให้การใช้งานง่ายขึ้นและเพิ่มความสามารถในการมองเห็นของเครื่องจักร

H
เกี่ยวกับผู้เขียน
Henderson