Inteligentny system wizyjny na potrzeby obliczeń na obrzeżach sieci
Przetwarzanie brzegowe polega na przetwarzaniu informacji lokalnie, w miejscu ich generowania oraz tam, gdzie będą wykorzystywane wyniki obliczeń. Trzeba przy tym sprawić, aby inteligentne urządzenia stały się naprawdę inteligentne, tzn. nie polegały wyłącznie na informacjach zwrotnych z serwera zdalnego. „Dzięki przetwarzaniu brzegowemu systemy mogą pracować autonomicznie oraz szybko reagować i dostosowywać się do zmian w otoczeniu”, wyjaśnia koordynator projektu MISEL(odnośnik otworzy się w nowym oknie), Jacek Flak z Centrum Badań Technicznych VTT(odnośnik otworzy się w nowym oknie) w Finlandii. „Mogą one działać nawet wtedy, gdy połączenie sieciowe jest niedostępne – na przykład na terenach niezamieszkanych lub w strefach klęsk żywiołowych – i pozwalają uniknąć wielu problemów związanych z bezpieczeństwem i prywatnością występujących podczas przesyłania danych”.
Kompaktowy i efektywny system wizyjny
Aby jednak były atrakcyjne komercyjnie i nadawały się do wykorzystania w wielu zastosowaniach, inteligentne urządzenia muszą być efektywne i niezawodne. Zespół finansowanego przez UE projektu MISEL postawił sobie za cel rozwiązanie tego problemu poprzez skupienie się na wydajności całego łańcucha przetwarzania – od czujników dostarczających dane wejściowe, aż po podejmowanie ostatecznych decyzji. W projekcie wzięli udział badacze z różnych dziedzin, m.in. z zakresu badań materiałowych, elektroniki i projektowania algorytmów. „Głównym celem było opracowanie kompaktowego systemu wizyjnego, który byłby w stanie postrzegać i interpretować zmiany w otoczeniu”, mówi Flak. „W związku z tym pracowaliśmy nad szeregiem aspektów systemu wizyjnego”. Chodzi tu między innymi o inspirowane biologią czujniki komórkowe i procesory zaprojektowane w celu naśladowania pewnych funkcji siatkówki oka i niektórych części mózgu. Opracowano też czujnik obrazu, który dostosowuje się do różnych warunków oświetleniowych. Zastosowanie warstwy fotodetektorów opartych na kropkach kwantowych pozwoliło rozszerzyć czułość poza światło widzialne w kierunku widma bliskiej podczerwieni. „Wprowadziliśmy także nowe algorytmy przetwarzania informacji wizualnych”, mówi Flak. „Staraliśmy się znaleźć najlepszy możliwy kompromis między złożonością a osiągami, aby umożliwić efektywną implementację naszej technologii w małych urządzeniach o niskim poborze mocy”.
Skuteczne wspólne projektowanie algorytmu sprzętowego
Podczas opracowywania algorytmu dokładnie przeanalizowano możliwości sprzętu, co pozwoliło wszystkim uczestnikom projektu lepiej zrozumieć szanse i wyzwania związane z osiągnięciem efektywnego i niezawodnego przetwarzania brzegowego. Efektem było zaprojektowanie skutecznego algorytmu sprzętowego. „Nasze prace otworzyły także nowe możliwości w zakresie efektywnego przedstawiania danych analizy obrazu i implementacji sprzętowej”, zauważa Flak. „W dziedzinie produkcji zidentyfikowaliśmy wiele rozwiązań technicznych umożliwiających tworzenie lepszych i bardziej niezawodnych urządzeń. Zaprojektowane obwody elektroniczne są co prawda wysoce skomplikowane, ale efektywnie się ze sobą łączą i działają zgodnie z założeniami”. W zaprojektowanych i ocenionych systemach wykorzystano także liczne akceleratory przetwarzania brzegowego i SI – specjalne rdzenie przetwarzające przeznaczone do rozwiązywania złożonych operacji wymaganych przez algorytmy sztucznej inteligencji.
Nowe systemy percepcji otoczenia
Projekt MISEL przyczynił się do wyeliminowania pewnych kluczowych wąskich gardeł komunikacyjnych i obliczeniowych w przetwarzaniu brzegowym, a także wskazał na potrzebę wprowadzenia udoskonaleń w kolejnych wersjach. „Dzięki wiedzy zdobytej w trakcie prac łatwiej będzie nam ukierunkować przyszłe produkty na zastosowania w autonomicznej robotyce mobilnej”, dodaje Flak. Przykładowo, w oparciu o rozwiązania powstałe w projekcie MISEL możliwe będzie opracowanie nowych systemów percepcji otoczenia, przeznaczonych do autonomicznych robotów i dronów. Może się to okazać bardzo przydatne w zastosowaniach praktycznych, takich jak poszukiwanie ocalałych w strefach katastrof czy monitorowanie bezpieczeństwa, a także w przyszłych inteligentnych pojazdach, np. przy unikaniu kolizji. „Nasz partner, Kovilta(odnośnik otworzy się w nowym oknie), ogłosił plany dalszego rozwoju przetestowanych struktur akceleratorów w dziedzinie autonomicznych robotów mobilnych, w tym dronów i pojazdów”, mówi Flak. „Z kolei inni partnerzy, w tym VTT, rozszerzają swoje usługi dzięki opracowanym lub udoskonalonym w ramach projektu technologiom”.
