jsonscraper

Intel listasi pullonkaulat tekoälyrobottien prototyypeistä käyttöönottoon siirtämisessä

MassRoboticsissa käsiteltiin viiveitä, energiankulutusta ja ohjelmistojen siirrettävyyttä – käytännön kysymyksiä, joista robotiikan skaalaaminen riippuu.

Toimituksellinen linjaus Ilmoita virheestä

Sujuvasti esittelyssä toimivan robotin seuraava koe alkaa siirtymästä todelliseen käyttöympäristöön: järjestelmän on käsiteltävä anturidataa, reagoitava määräajassa ja pysyttävä energiankulutuksen rajoissa. Nämä insinöörihaasteet olivat aiheena Intelin ja MassRoboticsin työpajassa Bostonissa 6. lokakuuta; Intel julkaisi raportin tapaamisesta 16. lokakuuta.

Artikkeli: Intel listasi pullonkaulat tekoälyrobottien prototyypeistä käyttöönottoon siirtämisessä
Yhteenveto: Intel julkaisi 16. lokakuuta raportin 6. lokakuuta Bostonin MassRoboticsissa järjestetystä työpajasta. Keskustelussa keskityttiin insinöörihaasteisiin, joita syntyy, kun tekoälyllä varustettu robottiprototyyppi täytyy mukauttaa todelliseen käyttöön ja erilaisiin toimintaympäristöihin.
Kuvan tehtävä: kansikuva – keskeinen ajatus
Osio: 
Visuaalinen aihe: Teollisuusrobottikäsi lajittelee komponentteja tehtaan testilinjalla kompaktilla reunalaskennalla
© jsonscraper · tekoälyn luoma kuvitus

Keskusteluun osallistui robotiikan kehittäjiä ja Intelin asiantuntijoita. Yhtiön kuvauksen mukaan aiheina olivat autonomiset järjestelmät, teollisuusautomaatio, terveydenhuollon robotiikka, konenäkö ja reunalaskenta. Intel ei julkistanut kirjoituksessa uutta tuotetta, mittaustuloksia tai yhteistä käyttöönottosuunnitelmaa: aineisto kuvaa insinööritason kysymyksiä ja yhtiön strategiaa.

Yksittäinen malli on vain osa järjestelmää

Intel nosti esiin anturidatan käsittelyn, reaaliaikaisen päättelyn, laskentakuormien yhdistämisen, energiatehokkuuden, ohjelmistojen siirrettävyyden ja reunalaskennan. Robotiikkatiimille tämä luettelo tarjoaa hyödyllisen tarkistuskehyksen: mallin suorituskyky ei yksin kerro robotin soveltuvuudesta, jos anturiputki viivästyttää dataa tai ohjain ei saa tulosta ajoissa.

Kuormien yhdistäminen voi auttaa sijoittamaan tekoälyn käsittelyn ja robotin ohjauksen samalle laskenta-alustalle. Käytännön merkitys riippuu kokoonpanosta: kehittäjien on mitattava koko ”anturi–laskenta–toiminto”-ketjun viive, energiankulutus tyypillisessä kuormituksessa sekä toiminnan vakaus, kun komponentteja suoritetaan samanaikaisesti. Nämä ovat Intelin mainitsemista aiheista johdettavia teknisiä tarkistuksia, eivät työpajassa julkaistuja tuloksia.

Mitä kannattaa tarkistaa ennen skaalaamista

Ohjelmistojen siirrettävyys korostuu, kun yhden prototyypin on toimittava erilaisilla laskentakokoonpanoilla tai robottiversioilla. Tiimin kannattaa selvittää etukäteen, mitkä komponentit ovat riippuvaisia tietystä kiihdyttimestä tai suoritusympäristöstä, ja toistaa testit laitteistoalustan vaihtuessa. Näin algoritmin rajoitteet on helpompi erottaa integraatio-ongelmista.

Pilotin käytännön seuraavaksi askeleeksi voi kirjata kolme mittaria: viive anturikuvan vastaanottamisesta toimilaitteelle annettavaan käskyyn, energiankulutus edustavan työjakson aikana sekä ennalta määritellyissä oloissa onnistuneiden tehtävien osuus. Näiden mittareiden avulla voidaan vertailla järjestelmän versioita ja arvioida valmiutta laajentamiseen ilman, että yksittäisten toimintojen esittely korvaa testauksen.

Intel kuvaa strategiaansa tekoälyn päättelyn ja reaaliaikaisen ohjauksen yhdistelmänä avoimella ja skaalautuvalla pohjalla. Raportti kertoo, millaisia ongelmaryhmiä yhtiö käsitteli robotiikkayhteisön kanssa; siinä ei esitetä yksityiskohtaisia teknisiä ratkaisuja eikä riippumatonta arviota niiden tehokkuudesta. Kehittäjille tärkein johtopäätös on käytännöllinen: skaalaaminen alkaa laitteiston, antureiden ja ohjelmistojen kokonaisuuden testaamisesta tulevan käyttöympäristön oloissa.

People

No people listed for this article yet.

Keep readingIntel testasi fyysistä tekoälyä laboratoriosta käyttöönottoon
Read the next article

Muuta lukemasi toimivaksi integraatioksi

Tutustu jsonscraperin sosiaalisen datan rajapintoihin, testaa pyyntöjä ja rakenna seuraava työnkulkusi.

Tutki API:t