Το αυτόνομο αυτοοδηγούμενο αυτοκίνητο αναγνωρίζει οδικές πινακίδες. Υπολογιστική όραση και τεχνητή νοημοσύνη … [+]
Getty
Η όραση είναι μια ισχυρή ανθρώπινη αισθητηριακή εισροή. Επιτρέπει πολύπλοκες εργασίες και διαδικασίες που θεωρούμε δεδομένες. Με την αύξηση του AoT™ (Αυτονομία των πραγμάτων) σε διάφορες εφαρμογές που κυμαίνονται από τις μεταφορές και τη γεωργία έως τη ρομποτική και την ιατρική, ο ρόλος των καμερών, των υπολογιστών και της μηχανικής μάθησης στην παροχή ανθρώπινης όρασης και γνώσης γίνεται σημαντικός. Η όραση των υπολογιστών ως ακαδημαϊκή επιστήμη απογειώθηκε τη δεκαετία του 1960, κυρίως σε πανεπιστήμια που ασχολούνται με τον αναδυόμενο τομέα της τεχνητής νοημοσύνης (AI) και της μηχανικής μάθησης. Προχώρησε δραματικά τις επόμενες τέσσερις δεκαετίες καθώς σημειώθηκαν σημαντικές προόδους στις τεχνολογίες ημιαγωγών και υπολογιστών. Οι πρόσφατες εξελίξεις στη βαθιά μάθηση και την τεχνητή νοημοσύνη έχουν επιταχύνει περαιτέρω την εφαρμογή της όρασης υπολογιστή για την παροχή σε πραγματικό χρόνο, χαμηλής καθυστέρησης αντίληψης και γνώσης του περιβάλλοντος, επιτρέποντας αυτονομία, ασφάλεια και αποτελεσματικότητα σε διάφορες εφαρμογές. Οι μεταφορές είναι ένας τομέας που έχει ωφεληθεί σημαντικά.
Το LiDAR (Light Detection and Ranging) είναι μια ενεργή προσέγγιση οπτικής απεικόνισης που χρησιμοποιεί λέιζερ για τον προσδιορισμό του τρισδιάστατου περιβάλλοντος γύρω από ένα αντικείμενο. Είναι μια από τις τεχνολογίες που προσπαθούν να διαταράξουν οι λύσεις υπολογιστικής όρασης (που βασίζονται αποκλειστικά στο φως του περιβάλλοντος και δεν χρησιμοποιούν λέιζερ για τρισδιάστατη αντίληψη). Το κοινό θέμα είναι ότι οι ανθρώπινοι οδηγοί δεν χρειάζονται το LiDAR για την αντίληψη του βάθους, επομένως ούτε και οι μηχανές. Τρέχοντα εμπορικά χαρακτηριστικά αυτόνομης οδήγησης L3 (πλήρη αυτονομία σε συγκεκριμένες γεωγραφικές περιοχές και καιρικές συνθήκες, με τον οδηγό έτοιμο να αναλάβει τον έλεγχο μέσα σε δευτερόλεπτα) προϊόντα σήμερα χρησιμοποιήστε το LiDAR. Οι καθαρά βασισμένες στην όραση τεχνικές δεν έχουν ακόμη καταφέρει να προσφέρουν αυτή τη δυνατότητα εμπορικά.
ΔΙΑΦΗΜΙΣΗ
Τέσλα
Άλλες εταιρείες όπως οι Phiar, Helm.ai και NODAR επιδιώκουν επίσης τη λεωφόρο υπολογιστικής όρασης. Το NODAR στοχεύει να επεκτείνει σημαντικά το εύρος απεικόνισης και την τρισδιάστατη αντίληψη των συστημάτων στερεοφωνικών καμερών μαθαίνοντας να προσαρμόζεται για κακή ευθυγράμμιση κάμερας και εφέ κραδασμών μέσω πατενταρισμένων αλγορίθμων μηχανικής εκμάθησης. Πρόσφατα συγκέντρωσε $12 εκατομμύρια για την παραγωγή του κορυφαίου προϊόντος της, το Hammerhead™, το οποίο χρησιμοποιεί κάμερες κατηγορίας αυτοκινήτων «εκτός ραφιού» και τυπικές πλατφόρμες υπολογιστών.
Εκτός από το κόστος και το μέγεθος, ένα συχνό επιχείρημα κατά της χρήσης του LiDAR είναι ότι έχει περιορισμένη εμβέλεια και ανάλυση σε σύγκριση με τις κάμερες. Για παράδειγμα, τα LiDAR με εμβέλεια 200 m και 5-10 M σημεία/δευτερόλεπτο (PPS παρόμοια με την ανάλυση) είναι διαθέσιμα σήμερα. Στα 200 μέτρα, μικρά εμπόδια όπως τούβλα ή υπολείμματα ελαστικών θα καταγράψουν πολύ λίγους πόντους (ίσως 2-3 στην κατακόρυφη και 3-5 στην οριζόντια κατεύθυνση), δυσκολεύοντας την αναγνώριση αντικειμένων. Τα πράγματα γίνονται ακόμη πιο χοντροκομμένα σε μεγαλύτερες αποστάσεις. Συγκριτικά, οι τυπικές κάμερες megapixel που λειτουργούν στα 30 Hz μπορούν να δημιουργήσουν 30M pixel/δευτερόλεπτο, επιτρέποντας ανώτερη αναγνώριση αντικειμένων ακόμη και σε μεγάλες αποστάσεις. Οι πιο προηγμένες κάμερες (12 M pixel) μπορούν να το αυξήσουν ακόμη περισσότερο. Το θέμα είναι πώς να αξιοποιήσετε αυτά τα τεράστια δεδομένα και να δημιουργήσετε μια λειτουργική αντίληψη με λανθάνοντες χρόνους σε επίπεδο χιλιοστών του δευτερολέπτου, χαμηλή κατανάλωση ενέργειας και υποβαθμισμένες συνθήκες φωτισμού.
ΔΙΑΦΗΜΙΣΗ
Αναγνώριση, μια εταιρεία με έδρα την Καλιφόρνια, προσπαθεί να λύσει αυτό το πρόβλημα. Σύμφωνα με τον Διευθύνοντα Σύμβουλο Mark Bolitho, η αποστολή του είναι να «παρέχει υπεράνθρωπη οπτική αντίληψη για πλήρως αυτόνομα οχήματα.» Η εταιρεία ιδρύθηκε το 2017, έχει συγκεντρώσει 75 εκατομμύρια δολάρια μέχρι σήμερα και έχει 70 υπαλλήλους. Ο RK Anand, ένα alum της Juniper Networks, είναι ένας από τους συνιδρυτές και Chief Product Officer. Πιστεύει ότι η χρήση καμερών υψηλότερης ανάλυσης, με δυναμικό εύρος > 120 dB, που τρέχει σε υψηλούς ρυθμούς καρέ (για παράδειγμα, OnSemi, Sony και Omnivision) παρέχει τα δεδομένα που απαιτούνται για τη δημιουργία τρισδιάστατων πληροφοριών υψηλής ανάλυσης, οι οποίες είναι κρίσιμες για την υλοποίηση AV. Οι παράγοντες που το επιτρέπουν είναι:
- Ειδικά σχεδιασμένα ASIC για την αποτελεσματική επεξεργασία των δεδομένων και την παραγωγή ακριβών και υψηλής ανάλυσης τρισδιάστατων χαρτών του περιβάλλοντος του αυτοκινήτου. Αυτά κατασκευάζονται σε μια διαδικασία TSMC 3 nm, με μέγεθος τσιπ 7 mm², που λειτουργεί σε συχνότητα 100 GHz.
- Ιδιόκτητοι αλγόριθμοι μηχανικής μάθησης για την επεξεργασία εκατομμυρίων σημείων δεδομένων εκτός σύνδεσης για τη δημιουργία του εκπαιδευμένου νευρωνικού δικτύου, το οποίο μπορεί στη συνέχεια να λειτουργεί αποτελεσματικά και να μαθαίνει συνεχώς. Αυτό το δίκτυο παρέχει την αντίληψη και περιλαμβάνει ταξινόμηση και ανίχνευση αντικειμένων, σημασιολογική τμηματοποίηση, ανίχνευση λωρίδων κυκλοφορίας, σήματα κυκλοφορίας και αναγνώριση φωτεινών σηματοδοτών
- Ελαχιστοποίηση των λειτουργιών αποθήκευσης και πολλαπλασιασμού εκτός τσιπ που απαιτούν ενέργεια και δημιουργούν υψηλή καθυστέρηση. Ο σχεδιασμός ASIC της Recogni είναι βελτιστοποιημένος για λογαριθμικά μαθηματικά και χρησιμοποιεί πρόσθεση. Περαιτέρω αποτελεσματικότητες επιτυγχάνονται με τη βέλτιστη ομαδοποίηση των βαρών στο εκπαιδευμένο νευρωνικό δίκτυο.
Κατά τη διάρκεια της φάσης εκπαίδευσης, ένα εμπορικό LiDAR χρησιμοποιείται ως αλήθεια εδάφους για την εκπαίδευση δεδομένων στερεοφωνικής κάμερας υψηλής ανάλυσης, υψηλού δυναμικού εύρους για την εξαγωγή πληροφοριών βάθους και την ανθεκτικότητα έναντι της κακής ευθυγράμμισης και των κραδασμών. Σύμφωνα με τον κ. Anand, η εφαρμογή μηχανικής εκμάθησης τους είναι τόσο αποτελεσματική που μπορεί να προεκτείνει τις εκτιμήσεις βάθους πέρα από τα εύρη εκπαίδευσης που παρέχονται από τη βαθμονόμηση LiDAR (που παρέχει την αλήθεια εδάφους σε εμβέλεια 100 m).
ΔΙΑΦΗΜΙΣΗ
Εικόνα 1: Τα πράσινα κουτιά δείχνουν την τρισδιάστατη απόδοση της στοίβας αντίληψης της Recogni σε εκπαιδευμένα δεδομένα στα 3 … [+]
Αναγνώριση
Τα παραπάνω δεδομένα εκπαίδευσης διεξήχθησαν κατά τη διάρκεια της ημέρας με ένα στερεοφωνικό ζεύγος καμερών 8.3 megapixel που λειτουργούσαν σε ρυθμούς καρέ 30 Hz (~0.5 B pixel ανά δευτερόλεπτο). Επιδεικνύει την ικανότητα του εκπαιδευμένου δικτύου να εξάγει τρισδιάστατες πληροφορίες στη σκηνή πέρα από την εμβέλεια των 3 μέτρων με την οποία εκπαιδεύτηκε. Η λύση της Recogni μπορεί επίσης να επεκτείνει τη μάθησή της με δεδομένα ημέρας στη νυχτερινή απόδοση (Εικόνα 100).
Εικόνα 2: Η στοίβα αντίληψης της Recogni που εκπαιδεύεται σε δεδομένα κατά τη διάρκεια της ημέρας αποδίδει επίσης σε χαμηλότερο επίπεδο φωτισμού … [+]
Αναγνώριση
ΔΙΑΦΗΜΙΣΗ
Σύμφωνα με τον κ. Anand, τα δεδομένα εύρους είναι ακριβή εντός 5% (σε μεγάλες αποστάσεις) και κοντά στο 2% (σε μικρότερες περιοχές). Η λύση παρέχει 1000 TOPS (τρισεκατομμύρια λειτουργίες ανά δευτερόλεπτο) με καθυστέρηση 6 ms και κατανάλωση ισχύος 25 W (40 TOPS/W), που οδηγεί τον κλάδο. Οι ανταγωνιστές που χρησιμοποιούν μαθηματικά ακέραιων αριθμών είναι > 10 φορές χαμηλότεροι σε αυτήν τη μέτρηση. Η λύση της Recogni βρίσκεται επί του παρόντος σε δοκιμές σε πολλούς προμηθευτές αυτοκινήτων Tier 1.
Προφητεία ("πρόβλεψη και προβολή της δράσης"), με έδρα τη Γαλλία, χρησιμοποιεί τις κάμερές της που βασίζονται σε εκδηλώσεις για AV, Προηγμένα Συστήματα Υποβοήθησης Οδηγού (ADAS), βιομηχανικούς αυτοματισμούς, εφαρμογές καταναλωτών και υγειονομική περίθαλψη. Ιδρύθηκε το 2014, η η εταιρεία έκλεισε πρόσφατα τη χρηματοδότησή της για τον γύρο C ύψους 50 εκατομμυρίων δολαρίων, με συνολικά 127 εκατομμύρια δολάρια συγκεντρωμένα μέχρι σήμερα. Η Xiaomi, κορυφαίος κατασκευαστής κινητών τηλεφώνων, είναι ένας από τους επενδυτές. Ο στόχος του Prophesee είναι να μιμηθεί την ανθρώπινη όραση στην οποία οι υποδοχείς στον αμφιβληστροειδή αντιδρούν σε δυναμικές πληροφορίες. Ο ανθρώπινος εγκέφαλος εστιάζει στην επεξεργασία των αλλαγών στη σκηνή (ειδικά για την οδήγηση). Η βασική ιδέα είναι να χρησιμοποιηθούν αρχιτεκτονικές κάμερας και pixel που ανιχνεύουν αλλαγές στην ένταση φωτός πάνω από ένα όριο (ένα συμβάν) και παρέχουν μόνο αυτά τα δεδομένα στη στοίβα υπολογιστών για περαιτέρω επεξεργασία. Τα εικονοστοιχεία λειτουργούν ασύγχρονα (όχι πλαισιωμένα όπως στις κανονικές κάμερες CMOS) και με πολύ υψηλότερες ταχύτητες, καθώς δεν χρειάζεται να ενσωματώνουν φωτόνια όπως σε μια συμβατική κάμερα που βασίζεται σε κάδρο και να περιμένουν να τελειώσει ολόκληρο το πλαίσιο πριν από την ανάγνωση των δεδομένων. Τα πλεονεκτήματα είναι σημαντικά – χαμηλότερο εύρος ζώνης δεδομένων, καθυστέρηση απόφασης, αποθήκευση και κατανάλωση ενέργειας. Ο πρώτος εμπορικής ποιότητας αισθητήρας όρασης VGA που βασίζεται σε συμβάντα της εταιρείας διέθετε υψηλό δυναμικό εύρος (>120 dB), χαμηλή κατανάλωση ενέργειας (26 mW σε επίπεδο αισθητήρα ή 3 nW/συμβάν). Κυκλοφόρησε επίσης μια έκδοση HD (High Definition) (που αναπτύχθηκε από κοινού με τη Sony), με κορυφαίο μέγεθος pixel στον κλάδο (< 5 μm).
Εικόνα 3: Αισθητήρας απεικόνισης με βάση συμβάντα μορφής υψηλής ευκρίνειας με βήμα pixel 5 um, που αναπτύχθηκε από κοινού … [+]
Προφητεία
ΔΙΑΦΗΜΙΣΗ
Αυτοί οι αισθητήρες αποτελούν τον πυρήνα της πλατφόρμας ανίχνευσης Metavision®, η οποία χρησιμοποιεί AI για να παρέχει έξυπνη και αποτελεσματική αντίληψη για εφαρμογές αυτονομίας και βρίσκεται υπό αξιολόγηση από πολλές εταιρείες στον χώρο των μεταφορών. Εκτός από την αντίληψη προς τα εμπρός για AV και ADAS, η Prophesee ασχολείται ενεργά με πελάτες για την παρακολούθηση του οδηγού στην καμπίνα για εφαρμογές L2 και L3, βλέπε Εικόνα 4:
Εικόνα 4: Παρακολούθηση οδηγού εντός καμπίνας XPERI με βάση τη νευρομορφική όραση εμπνευσμένη από τον άνθρωπο
Προφητεία
Οι ευκαιρίες για αυτοκίνητα είναι προσοδοφόρες, αλλά οι κύκλοι σχεδιασμού είναι μεγάλοι. Τα τελευταία δύο χρόνια, η Prophesee έχει δει σημαντικό ενδιαφέρον και έλξη στον χώρο της μηχανικής όρασης για βιομηχανικές εφαρμογές. Αυτά περιλαμβάνουν μέτρηση υψηλής ταχύτητας, επιθεώρηση επιφάνειας και παρακολούθηση κραδασμών.
ΔΙΑΦΗΜΙΣΗ
Εικόνα 5: Υψηλή καταμέτρηση με χρήση κάμερων που βασίζονται σε συμβάντα
Προφητεία
Η Prophesee ανακοίνωσε πρόσφατα συνεργασίες με κορυφαίους προγραμματιστές συστημάτων μηχανικής όρασης για την εκμετάλλευση ευκαιριών στον βιομηχανικό αυτοματισμό, τη ρομποτική, την αυτοκινητοβιομηχανία και το IoT (Internet of Things). Άλλες άμεσες ευκαιρίες είναι η διόρθωση θαμπώματος εικόνας για κινητά τηλέφωνα και εφαρμογές AR/VR. Αυτοί χρησιμοποιούν αισθητήρες χαμηλότερης μορφής από αυτούς που χρησιμοποιούνται για τις πιο μακροπρόθεσμες ευκαιρίες ADAS/AV, καταναλώνουν ακόμη χαμηλότερη ισχύ και λειτουργούν με σημαντικά χαμηλότερο λανθάνοντα χρόνο.
Το Ισραήλ είναι κορυφαίος καινοτόμος στην υψηλή τεχνολογία, με σημαντικές επενδύσεις επιχειρηματικού κινδύνου και ένα ενεργό περιβάλλον εκκίνησης. Από το 2015, έχουν πραγματοποιηθεί περίπου 70 δισεκατομμύρια δολάρια σε επενδύσεις επιχειρηματικών συμμετοχών στον τομέα της τεχνολογίας. Ένα μέρος αυτού είναι στον τομέα της όρασης υπολογιστή. Η Mobileye πρωτοστάτησε σε αυτήν την επανάσταση το 1999 όταν ο Amnon Shashua, κορυφαίος ερευνητής τεχνητής νοημοσύνης στο Εβραϊκό Πανεπιστήμιο, ίδρυσε την εταιρεία για να επικεντρωθεί στην αντίληψη που βασίζεται στην κάμερα για ADAS και AV. Η εταιρεία υπέβαλε αίτηση για IPO το 2014 και εξαγοράστηκε από την Intel
ΔΙΑΦΗΜΙΣΗ
Champel Capital, με έδρα την Ιερουσαλήμ, βρίσκεται στην πρώτη γραμμή των επενδύσεων σε εταιρείες που αναπτύσσουν προϊόντα βασισμένα στην όραση υπολογιστών για ποικίλες εφαρμογές από τις μεταφορές και τη γεωργία έως την ασφάλεια και την ασφάλεια. Ο Amir Weitman είναι συνιδρυτής και διευθύνων εταίρος και ξεκίνησε την επιχειρηματική του εταιρεία το 2017. Το πρώτο fund επένδυσε 20 εκατομμύρια δολάρια σε 14 εταιρείες. Μία από τις επενδύσεις τους ήταν στην Innoviz, η οποία βγήκε στο χρηματιστήριο μέσω της συγχώνευσης της SPAC το 2018 και έγινε μονόκερος LiDAR. Με επικεφαλής τον Omer Keilaf (ο οποίος προερχόταν από τη μονάδα τεχνολογίας του Σώματος Πληροφοριών της Ισραηλινής Αμυντικής Δύναμης), η εταιρεία σήμερα είναι ηγέτης στις αναπτύξεις LiDAR για ADAS και AV, με πολλαπλές νίκες σχεδιασμού σε BMW και Volkswagen.
Το δεύτερο ταμείο της Champel Capital (Impact Deep Tech Fund II) ξεκίνησε τον Ιανουάριο του 2022 και έχει συγκεντρώσει $30 εκατομμύρια μέχρι σήμερα (ο στόχος είναι $100 εκατομμύρια μέχρι το τέλος του 2022). Μια κυρίαρχη εστίαση είναι η όραση υπολογιστών, με 12 εκατομμύρια δολάρια να διατίθενται σε πέντε εταιρείες. Τρία από αυτά χρησιμοποιούν όραση υπολογιστή για μεταφορές και ρομποτική.
TankU, με έδρα τη Χάιφα, ξεκίνησε τη λειτουργία του το 2018 και έχει συγκεντρώσει 10 εκατομμύρια δολάρια σε χρηματοδότηση. Ο Dan Valdhorn είναι ο Διευθύνων Σύμβουλος και είναι απόφοιτος της Unit 8200, μιας ελίτ ομάδας υψηλής τεχνολογίας εντός της Ισραηλινής Αμυντικής Δύναμης που είναι υπεύθυνη για την ευφυΐα σημάτων και την αποκρυπτογράφηση κώδικα. Τα προϊόντα SaaS (Λογισμικό ως Υπηρεσία) της TankU αυτοματοποιούν και ασφαλίζουν τις διαδικασίες σε πολύπλοκα εξωτερικά περιβάλλοντα που εξυπηρετούν οχήματα και οδηγούς. Αυτά τα προϊόντα χρησιμοποιούνται από ιδιοκτήτες στόλων οχημάτων, ιδιωτικών αυτοκινήτων, σταθμών τροφοδοσίας καυσίμων και φόρτισης ηλεκτρικής ενέργειας για την πρόληψη κλοπών και απάτης σε αυτοματοποιημένες οικονομικές συναλλαγές. Οι υπηρεσίες καυσίμων οχημάτων παράγουν ~2T $ σε παγκόσμια έσοδα ετησίως, εκ των οποίων οι ιδιοκτήτες στόλων ιδιωτικών και εμπορικών οχημάτων καταναλώνουν το 40% ή 800 δισεκατομμύρια $. Οι έμποροι λιανικής και οι ιδιοκτήτες στόλου χάνουν ~ 100 δισεκατομμύρια δολάρια ετησίως λόγω κλοπής και απάτης (για παράδειγμα, χρησιμοποιώντας κάρτα καυσίμων στόλου για μη εξουσιοδοτημένα ιδιωτικά οχήματα). Η απάτη CNP (δεν υπάρχει κάρτα) και η παραποίηση/κλοπή καυσίμων είναι πρόσθετες πηγές απώλειας, ειδικά όταν χρησιμοποιούνται στοιχεία κλεμμένης κάρτας σε εφαρμογές για κινητά για πληρωμές.
ΔΙΑΦΗΜΙΣΗ
Το προϊόν TUfuel της εταιρείας διευκολύνει την ασφαλή πληρωμή με ένα πάτημα, μπλοκάρει τους περισσότερους τύπους απάτης και ειδοποιεί τους πελάτες όταν υποψιάζεται απάτη. Αυτό το κάνει με βάση έναν κινητήρα τεχνητής νοημοσύνης που έχει εκπαιδευτεί σε δεδομένα από υπάρχοντα CCTV σε αυτές τις εγκαταστάσεις και δεδομένα ψηφιακών συναλλαγών (συμπεριλαμβανομένων των POS και άλλων δεδομένων back-end). Παράμετροι όπως η τροχιά και η δυναμική του οχήματος, το αναγνωριστικό οχήματος, ο χρόνος ταξιδιού, τα χιλιόμετρα, ο χρόνος τροφοδοσίας καυσίμου, η ποσότητα καυσίμου, το ιστορικό καυσίμου και η συμπεριφορά του οδηγού είναι ορισμένα χαρακτηριστικά που παρακολουθούνται για τον εντοπισμό απάτης. Αυτά τα δεδομένα βοηθούν επίσης τους λιανοπωλητές να βελτιστοποιήσουν τη λειτουργία του ιστότοπου, να ενισχύσουν την αφοσίωση των πελατών και να αναπτύξουν εργαλεία μάρκετινγκ που βασίζονται στο όραμα. Σύμφωνα με τον CEO Dan Valdhorn, η λύση τους εντοπίζει το 70% του στόλου, το 90% των πιστωτικών καρτών και το 70% των περιστατικών απάτης που σχετίζονται με παραποίηση.
Εικόνα 6: Το TUfuel χρησιμοποιεί δεδομένα σε πραγματικό χρόνο από κάμερες CCTV πρατηρίου καυσίμων και άλλα ψηφιακά δεδομένα από … [+]
TankU
Sonol είναι μια εταιρεία ενεργειακών υπηρεσιών που κατέχει και λειτουργεί ένα δίκτυο 240 σταθμών και καταστημάτων σε όλο το Ισραήλ. Η TUfuel αναπτύσσεται στις τοποθεσίες τους και έχει επιδείξει βελτιωμένη ασφάλεια, πρόληψη απάτης και αφοσίωση πελατών. Οι δοκιμές προϊόντων βρίσκονται σε εξέλιξη στις ΗΠΑ σε συνεργασία με έναν κορυφαίο παγκόσμιο προμηθευτή πρατηρίων βενζίνης και εξοπλισμού καταστημάτων ψιλικών. Παρόμοιες πρωτοβουλίες βρίσκονται επίσης σε εξέλιξη στην Αφρική και την Ευρώπη.
ΔΙΑΦΗΜΙΣΗ
με έδρα το Τελ Αβίβ ITC ιδρύθηκε το 2019 από ακαδημαϊκούς μηχανικής μάθησης από το Πανεπιστήμιο Ben-Gurion. Η ITC δημιουργεί προϊόντα SaaS που «Μετρήστε τη ροή της κυκλοφορίας, προβλέψτε τη συμφόρηση και μειώστε τη μέσω έξυπνου χειρισμού των φωτεινών σηματοδοτών – πριν αρχίσουν να δημιουργούνται μποτιλιαρίσματα». Παρόμοια με το TankU, χρησιμοποιεί δεδομένα από κάμερες εκτός ραφιού (που είναι ήδη εγκατεστημένες σε πολυάριθμες διασταυρώσεις κυκλοφορίας) για τη λήψη ζωντανών δεδομένων κίνησης. Αναλύονται δεδομένα από χιλιάδες κάμερες σε μια πόλη και εξάγονται παράμετροι όπως ο τύπος οχήματος, η ταχύτητα, η κατεύθυνση κίνησης και η ακολουθία τύπων οχημάτων (φορτηγά έναντι αυτοκινήτων) μέσω της εφαρμογής ιδιόκτητων αλγορίθμων τεχνητής νοημοσύνης. Οι προσομοιώσεις προβλέπουν τη ροή της κυκλοφορίας και τις πιθανές καταστάσεις κυκλοφοριακής συμφόρησης έως και 30 λεπτά νωρίτερα. Τα φανάρια ρυθμίζονται χρησιμοποιώντας αυτά τα αποτελέσματα για την ομαλή ροή της κυκλοφορίας και την αποφυγή συμφόρησης.
Σχήμα 7: Τα δεδομένα από χιλιάδες κάμερες συγκεντρώνονται από ένα VMS σε έναν έλεγχο κυκλοφορίας πόλης … [+]
ITC
Η εκπαίδευση του συστήματος AI απαιτεί ένα μήνα οπτικών δεδομένων σε μια τυπική πόλη και περιλαμβάνει έναν συνδυασμό εποπτευόμενης και χωρίς επίβλεψη μάθησης. Η λύση της ITC έχει ήδη αναπτυχθεί στο Τελ-Αβίβ (κατατάχθηκε στην 25η θέση στις πόλεις με τη μεγαλύτερη συμφόρηση του κόσμου το 2020), με χιλιάδες κάμερες να έχουν αναπτυχθεί σε εκατοντάδες διασταυρώσεις που ελέγχονται από φανάρια. Το σύστημα της ITC διαχειρίζεται επί του παρόντος 75 χιλιάδες οχήματα, τα οποία αναμένεται να συνεχίσουν να αναπτύσσονται. Η εταιρεία εγκαθιστά α παρόμοια ικανότητα σε Λουξεμβούργο και ξεκινά δοκιμές σε μεγάλες πόλεις των ΗΠΑ. Σε παγκόσμιο επίπεδο, η λύση της διαχειρίζεται 300,000 οχήματα με εγκαταστάσεις στο Ισραήλ, τις ΗΠΑ, τη Βραζιλία και την Αυστραλία. Ο Dvir Kenig, ο CTO, είναι παθιασμένος με την επίλυση αυτού του προβλήματος – για να δώσει στους ανθρώπους προσωπικό χρόνο, να μειώσει τα αέρια του θερμοκηπίου, να ενισχύσει τη συνολική παραγωγικότητα και το πιο σημαντικό, να μειώσει τα ατυχήματα σε διασταυρώσεις με κυκλοφοριακή συμφόρηση. Σύμφωνα με τον κ. Kenig, «Οι αναπτύξεις μας καταδεικνύουν μείωση κατά 30% στην κυκλοφοριακή συμφόρηση, μειώνοντας τον μη παραγωγικό χρόνο οδήγησης, το άγχος, την κατανάλωση καυσίμου και τη ρύπανση».
ΔΙΑΦΗΜΙΣΗ
Ρομποτική εσωτερικού χώρου ήταν ιδρύθηκε στο 2018 και πρόσφατα συγκέντρωσε 18 εκατομμύρια δολάρια σε χρηματοδότηση. Η εταιρεία, που εδρεύει κοντά στο Τελ-Αβίβ, στο Ισραήλ, αναπτύσσει και πουλά αυτόνομες λύσεις drone για την ασφάλεια εσωτερικών χώρων, την ασφάλεια και την παρακολούθηση της συντήρησης. Ο Διευθύνων Σύμβουλος και συνιδρυτής, Doron Ben-David, έχει σημαντική εμπειρία στη ρομποτική και την αεροναυπηγική που έχει συσσωρευτεί στο IAI
Εικόνα 8: Ο αυτόνομος στόλος drones της Indoor Robotics μπορεί να τροφοδοτηθεί μέσω μιας οροφής … [+]
Ρομποτική εσωτερικού χώρου
Ο Ofir Bar-Levav είναι ο Chief Business Officer. Εξηγεί ότι η έλλειψη GPS έχει εμποδίσει τα drones εσωτερικών χώρων να εντοπίζονται μέσα σε κτίρια (συνήθως απορρίπτονται από το GPS ή είναι ανακριβή). Επιπλέον, έλειπαν βολικές και αποτελεσματικές λύσεις σύνδεσης και τροφοδοσίας. Η Indoor Robotics το αντιμετωπίζει με τέσσερις κάμερες τοποθετημένες σε drone (πάνω, κάτω, αριστερά, δεξιά) και απλούς αισθητήρες εμβέλειας που χαρτογραφούν με ακρίβεια έναν εσωτερικό χώρο και τα περιεχόμενά του. Τα δεδομένα της κάμερας (οι κάμερες παρέχουν δεδομένα εντοπισμού και χαρτογράφησης) και οι θερμικοί αισθητήρες (επίσης τοποθετημένοι στο drone) αναλύονται από ένα σύστημα AI για τον εντοπισμό πιθανών ζητημάτων ασφάλειας, ασφάλειας και συντήρησης και την προσοχή του πελάτη. Τα μη επανδρωμένα αεροσκάφη τροφοδοτούνται από ένα «πλακάκι βάσης» τοποθετημένο στην οροφή, το οποίο εξοικονομεί πολύτιμο χώρο στο δάπεδο και επιτρέπει τη συλλογή δεδομένων κατά τη φόρτιση. Τα οικονομικά πλεονεκτήματα της αυτοματοποίησης αυτών των εγκόσμιων διαδικασιών όπου η ανθρώπινη εργασία είναι πολύπλοκη και δαπανηρή όσον αφορά την πρόσληψη, τη διατήρηση και την εκπαίδευση είναι προφανή. Η χρήση εναέριων drones έναντι επίγειων ρομπότ έχει επίσης σημαντικά πλεονεκτήματα όσον αφορά το κόστος κεφαλαίου και λειτουργίας, την καλύτερη χρήση του χώρου δαπέδου, την ελευθερία κινήσεων χωρίς να συναντήσετε εμπόδια και την αποτελεσματικότητα της λήψης δεδομένων κάμερας. Σύμφωνα με τον κ. Bar-Levav, το TAM (Total Addressable Market) της Indoor Robotics σε έξυπνα συστήματα ασφαλείας εσωτερικού χώρου θα είναι $80 δις έως το 2026. Οι βασικές τοποθεσίες πελατών σήμερα περιλαμβάνουν αποθήκες, κέντρα δεδομένων και πανεπιστημιουπόλεις γραφείων κορυφαίων παγκόσμιων εταιρειών.
ΔΙΑΦΗΜΙΣΗ
Το Computer vision φέρνει επανάσταση στο παιχνίδι αυτονομίας – στον αυτοματισμό κίνησης, την ασφάλεια, την έξυπνη παρακολούθηση κτιρίων, τον εντοπισμό απάτης και τη διαχείριση της κυκλοφορίας. Η δύναμη των ημιαγωγών και η τεχνητή νοημοσύνη είναι ισχυροί παράγοντες. Μόλις οι υπολογιστές κατακτήσουν αυτόν τον απίστευτο αισθητηριακό τρόπο με κλιμακωτό τρόπο, οι δυνατότητες είναι ατελείωτες.
Πηγή: https://www.forbes.com/sites/sabbirrangwala/2022/10/04/advances-in-computer-vision-propel-transportation-autonomy/