Ar fizinio pasaulio AI yra autonominių mašinų ateitis?

Fizinis pasaulis AI yra visų autonominių mašinų, nuo automobilių ir dronų iki traktorių, ateitis. Plakatas, skirtas pažangai šioje srityje, yra Waymo. Per daugelį metų bendrovė sukūrė pažangiausias navigacijos technologijas, įskaitant sudėtingą techninę įrangą, taip pat daugybę dirbtinio intelekto ir mašininio mokymosi modelių, kad galėtų valdyti savo automobilius.

Tačiau nemanau, kad įmontuotų technologijų pakaks, kad turėtume pasaulį, kuriame autonominės mašinos taptų visur. Skirtingai nei Waymo, didžioji dauguma įmonių neturi milijardų dolerių, kad sukurtų technologiją, reikalingą skaičiavimo varikliui, kad jis būtų tik transporto priemonėje.

Atvirkščiai, reikalingos labai efektyvios debesies pagrindu veikiančios sistemos, kurios kartu su dirbtinio intelekto modeliais itin tiksliai atvaizduoja planetą, kad mobilieji robotai nebūtų visiškai priklausomi nuo integruotų navigacijos sistemų. Tai ateitis, kai autonominės mašinos galės optimizuoti maršrutus ir, kai kuriais atvejais, pastebėti savo kelyje esančius pavojus gerokai prieš pradedant kelionę.

Fizinio pasaulio AI būklė šiandien

Šiandien egzistuojantis dirbtinis intelektas yra lokalizuotas, su daugybe apdorojimo ribų arba autonominėje mašinoje. Trūksta AI, kuris suvoktų platesnį fizinį kraštovaizdį.

Geros naujienos yra tai, kad yra daug duomenų apie fizinį pasaulį, surinktą iš palydovų, dronų ir daugybės kitų įrenginių, skirtų šiems modeliams maitinti. Blogos naujienos? Kaip pažymi „Gartner“, fizinio pasaulio duomenims paprastai reikia sudėtingos inžinerijos, kad juos galėtų naudoti AI.

Tai sritis, kurioje dirba mano įmonė „Wherobots“ ir kiti. Tai, ką vadiname „erdvinio intelekto debesimi“, yra technologija, skirta apdoroti skirtingas fizinio pasaulio duomenų formas. Tai apima abstrakčias formas, tokias kaip vektoriai, vaizduojantys kalvas, kelius ir telefono stulpus, leidžiančius dirbtinio intelekto modeliams suprasti, ką mašina „mato“.

Kaip debesis galėtų padėti autonominėms mašinoms

Autonominiai automobiliai yra akivaizdus pavyzdys. Nemanau, kad gamintojai kada nors visiškai pakeis integruotas navigacijos sistemas. Yra realaus laiko sprendimai, kuriuos reikia priimti naudojant didelės raiškos jutiklius, tokius kaip lidar.

Tačiau galime pagerinti sprendimų priėmimą, jei tam tikrus dalykus žinome iš anksto. Pavyzdžiui, įsivaizduokite ateitį, kai paskutinės mylios pristatymo įmonė stengiasi nuolat ir laiku gabenti šviežią maistą dėl painiavos dėl fizinio pasaulio.

Kaimo vietovėse autonominės transporto priemonės gali nepripažinti, kad ilgi važiuojamosios dalies keliai dažnai yra įėjimai į gavėjų namus. Arba įsivaizduokite situaciją mieste, kai savarankiškai važiuojantys automobiliai negali rasti konkretaus buto dideliame komplekse.

Dėl šių priežasčių laivyno įmonės naudoja dirbtinį intelektą ir debesų technologija pagrįstas technologijas, kad sukurtų labai išsamius ir nuolat tobulėjančius šių sričių žemėlapius, o vėliau pateiktų šią informaciją pristatymo sistemoms. Tai leis autonominėms transporto priemonėms ir iš jų išlipusiems kurjeriams įteikti pakuotes klientams ar padėti jas prie durų, pagreitins pristatymo laiką. Jie taip pat gali sumažinti anglies dvideginio išmetimą, taip pat riziką pasukti neteisingai ir patekti į avariją.

Žemėlapiai padeda dronams su BVLOS skrydžiais

JAV transporto departamentas per Federalinę aviacijos administraciją rugpjūtį pasiūlė leisti bepiločiams orlaiviams veikti už operatoriaus regėjimo linijos (BVLOS) be atskirų išimčių. Tai būtų reikšmingas supaprastinimas, palyginti su dabartine sistema.

Ateityje, kai iš dalies arba visiškai autonominiai dronai veiks dideliu mastu, pristatymo įmonės turės kurti ir prižiūrėti didelės raiškos žemės žemėlapius, kurie erdviškai suvoktų tokius dalykus kaip elektros linijos, pastatų formos ir išsikišimai ar kitos fizinio pasaulio kliūtys.

Visų pirma elektros linijos ir komunalinių paslaugų stulpai yra didelis pavojus, kurį bepiločiai orlaiviai turi naršyti. Ir, kaip ir autonominių transporto priemonių, kurios ieško gavėjo priekinių durų, atveju, autonominiai dronai turi tiksliai žinoti, kurioje nuosavybės vietoje gavėjas nori palikti paketą.

Pavyzdžiui, didelio tikslumo mašinų žvalgybai paruoštas žemėlapis padėtų dronui iššifruoti, ar ilga, siaura forma yra priekinė veranda, ar baseinas.

Autonominiai traktoriai nuima derlių, dalinamės duomenimis

Traktorių įmonės, įskaitant John Deere, padarė didelę pažangą autonomijos srityje. 2022 m. „Deere“ pristatė savo pirmąjį traktorių, kuris gali dirbti 24 valandas per parą be žmogaus kabinoje. Šios transporto priemonės taip pat sprendžia darbo jėgos trūkumą, su kuriuo susiduria ūkininkai.

Kaip Jahmy Hindmanas, „Deere“ vyriausiasis technologijų pareigūnas, teigė transporto priemonės pristatymo metu: „Paskutinį kartą žemės ūkis buvo ant tokių didelių pokyčių slenksčio, kai artėjome prie arklio ir plūgo pakeitimo.

„Deere's 8R“ traktoriuje yra GPS valdymas ir integruotos dirbtinio intelekto bei mašininio mokymosi galimybės. Tačiau traktorių gamintojai galėtų žengti žingsnį toliau. Šios autonominės mašinos taip pat galėtų pasinaudoti išsamiais savo laukų žemėlapiais.

Tai sritis, kurioje programinės įrangos įmonė „Leaf Agriculture“ daro įtaką. „Leaf“ platforma jungiasi su duomenų teikėjais, tokiais kaip „John Deere“, „Climate Fieldview“ ir „CNHi“.

Naudodama Wherobots, Leaf išverčia patentuotus failus iš šių duomenų teikėjų į nuoseklų formatą, todėl ūkininkai gali lengvai apibrėžti erdvines ribas savo žemės sklype, vadinamoje „valdymo zonomis“. Kiekviena zona turi unikalių poreikių dėl skirtingų savybių, tokių kaip aukštis, dirvožemio tipas, nuolydis ir drenažo galimybės.

Turėdami nuolat atnaujinamus žemėlapius, rodančius valdymo zoną, kurioje jie yra, autonominiai traktoriai gali priimti svarbius sprendimus realiuoju laiku, pvz., žinoti, kada reguliuoti purškimą arba nutraukti purškimą, o tai leidžia ūkininkams apsaugoti maržas žinomai mažo pelno versle.

Savarankiškumo ateitį nulems ne tik integruotos technologijos, bet ir mašininio mokymosi realiuoju laiku sujungimas su turtingu debesų pagrindu veikiančiu erdviniu intelektu. Nesvarbu, ar tai pristatymo furgonas, važiuojantis dideliame daugiabučių komplekse, dronas, vengiantis elektros linijų, ar traktorius, reguliuojantis įvestis pagal valdymo zonas, bendra gija ta, kad autonominės mašinos veikia geriausiai, kai mato ne tik savo jutiklius, bet ir platesnę aplinką.

Apie autorę

Būdamas Wherobots generaliniu direktoriumi, Mo Sarwat vadovauja komandai, kuriančiai erdvinio žvalgybos debesį. „Wherobots“ įkūrė „Apache Sedona“ – projekto, kurį jis kartu sukūrė ir kurio architektas buvo – kūrėjai. „Apache Sedona“ yra atvirojo kodo sistema, skirta didelio masto erdvinių duomenų apdorojimui debesyje ir vietoje.

Nurodyta „Wherobots“ misija yra suteikti organizacijoms galimybę maksimaliai išnaudoti savo duomenų naudą taikant erdvinį intelektą ir kontekstines įžvalgas.

Iki Wherobots Sarwat turėjo daugiau nei dešimtmetį kompiuterių mokslo tyrimų patirties akademinėje bendruomenėje ir pramonėje. Jis parašė daugiau nei 60 recenzuojamų straipsnių, gavo du geriausio mokslinio darbo apdovanojimus ir IEEE mobiliųjų duomenų valdymo bendruomenės buvo pripažintas išskirtiniu ankstyvosios karjeros lektoriumi.

Sarwatas taip pat buvo apdovanotas 2019 m. Nacionalinio mokslo fondo CAREER apdovanojimu – vienu prestižiškiausių jaunųjų fakulteto narių apdovanojimų.