随着人工智能和物理世界的不断交叉,机器越来越擅长使用激光雷达、雷达和3D视觉感知环境。

随着人工智能和物理世界的交叉,以及自主技术的采用增加,人们可能会质疑机器及其目前脆弱的模型如何能够以人类的方式感知世界。借助于自动驾驶汽车中实现的传感器技术,包括激光雷达、雷达和摄像头,机器开始收集实时数据,为决策提供信息,并适应现实世界场景。

传感器技术已经深入到我们的日常生活中,以至于我们可能低估了它们的影响。以恒温器为例:只要稍加调整,这项基本的传感器技术就可以尽职尽责地将家庭和办公室保持在理想的温度,而无需人工干预。

然而,在背景技术中,恒温器依赖于双金属机械或电气传感器,这些传感器使用热膨胀来测量温度,然后操纵电路,该电路能够根据所需的温度打开和关闭加热或空调。这只是改善我们生活的传感器类型的一个小例子。

用于飞行器的激光雷达、雷达传感器

最近,汽车制造商一直在推动全自动驾驶借助传感器。一些公司专门制造激光雷达(光探测和测距)传感器,以协助物体探测。

休斯飞机公司(Hughes Aircraft Co.)因在20世纪60年代早期引入激光雷达技术而广受赞誉,该技术主要用于借助激光聚焦成像进行卫星跟踪,使工程师能够计算距离。

今天,许多公司正在采用直接飞行时间激光雷达传感器使用激光发射光波脉冲,然后从周围环境和障碍物上反弹。激光雷达然后测量这些脉冲返回所需的时间,从而确定传感器和物体之间的距离。激光雷达传感器还能够在光波照射物体表面时创建物体表面的“地图”。

在现实世界场景中,公司使用激光雷达进行各种应用,使机器能够感知周围的世界,包括仓库管理、高级驾驶员辅助系统、建筑项目、污染建模等。Mobileye和Daimler等公司正在其自动驾驶原型中实施激光雷达技术。

例如Mobileye最新EyeQ Ultra SoC使用了四类专有加速器,即XNN、PMA、VMP和MPC,这些加速器又依赖于两个传感子系统:一个仅摄像头的组件,另一个是雷达和激光雷达的组合。Mobileye声称EyeQ Ultra SoC将实现自动4级驾驶,汽车工程师协会将其定义为在特定条件下无需人工干预即可执行所有驾驶功能的车辆。但是,如果不满足这些条件,驾驶员必须控制车辆。


亚马逊的自主机器人伯特正在行动(来源:亚马逊)

在现实世界场景中采用激光雷达的另一个例子是亚马逊的自主机器人:伯特、克米特和厄尼。伯特使用激光雷达技术在整个亚马逊仓库中引导它,避开其他自动驾驶机器人、工人和机器等障碍。

制造商也在使用激光雷达来改善其物流链,依靠自主机器人来优化履行和配送流程。

机器人的3D视觉

激光雷达技术在工业和汽车应用中的应用成效有限。因此,工程师们意识到,完全自主的机器是一种复杂的技术,需要更可靠的人工智能和机器学习算法这就是3D视觉可以帮助提高自主性的地方。

3D视觉通常在工厂自动化应用中实现,例如拾取和放置机器人。这些机器依赖于3D快照传感器,该传感器允许机器人基本上检测物体,无论其位置如何,这意味着它可以检测物体是平放、直立还是处于悬挂位置。


首尔机器人公司(Seoul Robotics)展示其SENSR软件功能的插图。(来源:首尔机器人)

LMI Technologies是一家3D扫描和检查开发商,创建了自己版本的3D传感器Gocator 3000,该传感器依赖于使用蓝色LED结构光的条纹投影,并结合多种3D测量工具和决策逻辑。结合的技术使传感器能够扫描和检查任何物体,实现质量控制检查和自动化组装。

3D视觉还被用于处理激光雷达传感器收集的数据,以呈现其扫描环境的详细图像。首尔机器人公司是一家3D视觉计算机软件公司,于2021 1月在美国发布了第一款3D视觉软件。该软件依赖于该公司基于ML的SENSR软件3D传感器本质上成为物联网设备。这家韩国公司声称,传感器可以分析和理解从车辆到通信、交通安全技术、零售分析和智能城市收集的3D激光雷达数据。

地理空间AI

一些观察人士预测,基于位置的地理空间人工智能代表了ML的下一大步,它允许机器收集实时地理数据,以指导决策和预测分析。地理空间人工智能的用例包括物流、农业和基础设施。

地理空间AI使用空间科学的组合,深度学习、数据挖掘和高性能计算,以收集和分析机器网络收集的空间数据。地理空间AI还依赖于用户数据来训练提供推理和预测能力的算法。

例如,优步(Uber)和Lyft等拼车公司依赖地理空间AI应用程序,根据客户提交的信息提供预计到达时间。Waze和Apple Maps等GPS应用程序也依赖地理空间AI,根据交通分析软件和用户输入,为驾驶员提供最快的到达目的地的路线。地理空间人工智能也正在物流和供应链流程中实施,以使制造商能够及时获得交付数据。

>>这篇文章最初发表在我们的姐妹网站上,EE时间.