Intelligentes Vision-System für Edge Computing
Edge Computing umfasst die lokale Verarbeitung von Informationen an dem Ort, an dem sie generiert werden und die Ergebnisse der Berechnungen genutzt werden. Es ist notwendig, um intelligenten Geräte echte Intelligenz zu verleihen, d. h., damit sie nicht ausschließlich auf das Feedback eines weit entfernten Servers angewiesen sind. „Edge Computing ermöglicht Systemen autonomes Arbeiten und schnelle Reaktionen auf und Anpassungen an Veränderungen in ihrer Umgebung“, erklärt Jacek Flak, Projektkoordinator von MISEL(öffnet in neuem Fenster) vom Technischen Forschungszentrum Finnland VTT(öffnet in neuem Fenster). „Sie können auch dann zum Einsatz kommen, wenn keine Netzwerkverbindung besteht, beispielsweise in unbewohnten Gebieten oder von Naturkatastrophen betroffenen Gebieten. Damit werden viele Sicherheits- und Datenschutzprobleme vermieden, die durch Datenübertragungen entstehen.“
Kompaktes, effizientes System für künstliches Sehen
Um kommerziell attraktiv und in zahlreichen Anwendungen einsetzbar zu sein, müssen intelligente Geräte jedoch effizient und zuverlässig sein. Das Team des EU-finanzierten Projekts MISEL ging die Lösung dieses Problems an und rückte dazu die Leistung der gesamten Verarbeitungskette, von den Eingabedaten liefernden Sensoren bis hin zur endgültigen Entscheidungsfindung, in den Mittelpunkt. Die Projektarbeit vereinte Forschende aus verschiedenen Forschungsbereichen, darunter Materialwissenschaften, Elektronik und Algorithmendesign. „Unser Hauptziel bestand darin, ein kompaktes System für künstliches Sehen zu entwickeln, das Veränderungen in der Umgebung wahrnehmen und interpretieren kann“, berichtet Flak. „Dazu haben wir an mehreren Aspekten eines System für künstlichen Sehen gearbeitet.“ Dazu zählten zelluläre Sensoren und Prozessoren nach biologischem Vorbild, die derart konzipiert wurden, dass sie bestimmte Funktionen der Netzhaut des Auges und bestimmter Teile des Gehirns nachahmen. Zur Anpassung an unterschiedliche Lichtverhältnisse wurde zudem ein Bildsensor entwickelt. Um die Empfindlichkeit über das sichtbare Licht hinaus in Richtung des nahen Infrarotspektrums zu erweitern, wurde eine Schicht aus auf Quantenpunkten basierenden Fotodetektoren integriert. „Wir haben außerdem neuartige Algorithmen zur Verarbeitung visueller Informationen eingeführt“, erläutert Flak. „Wir versuchten, den bestmöglichen Kompromiss zwischen Komplexität und Leistung zu finden, um eine effiziente Implementierung in kleinen Geräten mit geringem Stromverbrauch zu realisieren.“
Erfolgreiches Hardware-Algorithmus-Co-Design
Die Hardwarefunktionen wurden im Verlauf der Algorithmenentwicklung umfassend untersucht, wodurch alle Beteiligten zu einem besseren Verständnis der Möglichkeiten und Herausforderungen in Bezug auf effizientes und zuverlässiges Edge Computing gelangten. Ergebnis dessen war ein erfolgreiches Co-Design von Hardware und Algorithmus. „Unsere Arbeit eröffnete außerdem neue Möglichkeiten der effizienten Datendarstellung der Bildanalyse und Hardwareimplementierung“, merkt Flak an. „Auf der Fertigungsseite ermittelten wir zahlreiche technische Lösungen für bessere und zuverlässigere Bauelemente. Die entworfenen elektronischen Schaltkreise waren zwar sehr komplex, aber alle waren miteinander verbunden und funktionierten konzeptgemäß.“ Die entworfenen und evaluierten Systeme sind außerdem vollständig mit Edge-KI-Beschleunigern ausgestattet, speziellen Prozesskernen, die speziell zur Lösung komplexer Operationen vorgesehen sind, die von KI-Algorithmen benötigt werden.
Neue Systeme zur Umgebungswahrnehmung
Das Team des Projekts MISEL trug dazu bei, einige wichtige Kommunikations- und Rechenengpässe im Edge Computing zu beseitigen und zeigte zudem Verbesserungsbedarf für die nächsten Versionen auf. „Mithilfe der im Rahmen des Projekts gewonnenen Erkenntnissen wird es einfacher sein, zukünftige Produkte auf autonome mobile Robotikanwendungen auszurichten“, fügt Flak hinzu. Auf der Basis der Ergebnisse von MISEL können beispielsweise neue Umgebungswahrnehmungssysteme entwickelt werden, die gezielt auf autonome Roboter oder Drohnen ausgerichtet sind. In praktischen Anwendungen könnte sich das als sehr nützlich erweisen, beispielsweise bei der Suche nach Überlebenden in Katastrophengebieten, bei der Sicherheitsüberwachung oder im Zusammenhang mit zukünftigen Anforderungen an intelligente Fahrzeuge, etwa bei der Unterstützung der Kollisionsvermeidung. „Unser Projektpartner Kovilta(öffnet in neuem Fenster) hat Pläne angekündigt, die erprobten Beschleunigerstrukturen auf dem Gebiet der autonomen mobilen Robotik, einschließlich Drohnen und Automobilindustrie, weiterzuentwickeln“, teilt Flak mit. „Andere Konsortialpartner, darunter das VTT, erweitern dank der im Zuge des Projekts entwickelten oder verbesserten Technologien ihre Dienstleistungen.“
