隨著人工智能和物理世界的交叉和自主技術(shù)的采用增加，人們可能會質(zhì)疑機器及其目前脆弱的模型如何以人類的方式感知世界。借助傳感器技術(shù)，例如在自動駕駛車輛中實施的技術(shù)，包括激光雷達(dá)、雷達(dá)和攝像頭，機器開始收集實時數(shù)據(jù)，為決策提供信息并適應(yīng)現(xiàn)實世界的場景。

傳感器技術(shù)已經(jīng)深入我們的日常生活，以至于我們可能低估了它們的影響。以恒溫器為例：只需進(jìn)行一些調(diào)整，這種基本的傳感器技術(shù)就可以盡職盡責(zé)地將家庭和辦公室保持在理想的溫度，而無需太多人工干預(yù)。

然而，在背景中，恒溫器依賴于雙金屬機械或電氣傳感器，這些傳感器使用熱膨脹來測量溫度，然后操縱能夠根據(jù)所需溫度打開和關(guān)閉加熱或空調(diào)的電路。這只是改善我們生活的傳感器類型的一個小例子。

用于 AV 的激光雷達(dá)、雷達(dá)傳感器

最近，汽車制造商一直在借助傳感器推動全自動駕駛。一些公司專門制造激光雷達(dá)（光檢測和測距）傳感器以協(xié)助物體檢測。

休斯飛機公司因在 1960 年代早期引入激光雷達(dá)技術(shù)而廣受贊譽，該技術(shù)主要用于衛(wèi)星跟蹤，借助激光聚焦成像，工程師可以計算距離。

如今，許多公司正在采用直接飛行時間激光雷達(dá)傳感器，該傳感器使用激光發(fā)射光波脈沖，然后從周圍環(huán)境和障礙物反彈。然后激光雷達(dá)測量這些脈沖返回所需的時間，從而確定傳感器和物體之間的距離。激光雷達(dá)傳感器還能夠在光波撞擊物體表面時創(chuàng)建物體表面的“地圖”。

在現(xiàn)實世界的場景中，公司將激光雷達(dá)用于各種應(yīng)用，使機器能夠感知周圍的世界，包括倉庫管理、高級駕駛輔助系統(tǒng)、建筑項目、污染建模等。Mobileye 和戴姆勒等公司正在其自動駕駛原型中實施激光雷達(dá)技術(shù)。

例如，Mobileye 最新的 EyeQ Ultra SoC使用稱為 XNN、PMA、VMP 和 MPC 的四類專有加速器，它們又依賴于兩個傳感子系統(tǒng)：一個僅用于攝像頭的組件，另一個是雷達(dá)和激光雷達(dá)的組合。Mobileye 聲稱 EyeQ Ultra SoC 將實現(xiàn)自動駕駛 4 級，汽車工程師協(xié)會將其定義為在特定條件下無需人工干預(yù)即可執(zhí)行所有駕駛功能的車輛。但是，如果不滿足這些條件，則駕駛員必須控制車輛。

在現(xiàn)實世界場景中采用激光雷達(dá)的另一個例子是亞馬遜的自主機器人：Bert、Kermit 和 Ernie。Bert 使用激光雷達(dá)技術(shù)在整個亞馬遜倉庫中引導(dǎo)它，避開其他自動駕駛機器人、工人和機械等障礙物。

制造商也在使用激光雷達(dá)來改善他們的物流鏈，依靠自主機器人來優(yōu)化履行和配送流程。

機器人的 3D 視覺

在工業(yè)和汽車用例中采用激光雷達(dá)技術(shù)的成功有限。因此，工程師們意識到完全自主的機器是復(fù)雜的技術(shù)，需要更可靠的人工智能和機器學(xué)習(xí)算法。這就是 3D 視覺可以幫助推進(jìn)自主性的地方。

3D 視覺通常在工廠自動化應(yīng)用中實施，例如拾放機器人。這些機器依賴于 3D 快照傳感器，使機器人能夠從本質(zhì)上檢測物體，而不管其位置如何，這意味著它可以檢測物體是平放、直立還是處于懸掛位置。

3D 掃描和檢測開發(fā)商 LMI Technologies 創(chuàng)建了自己的 3D 傳感器版本 Gocator 3,000，該傳感器依賴于使用藍(lán)光 LED 結(jié)構(gòu)光的條紋投影，并結(jié)合多種 3D 測量工具和決策邏輯。結(jié)合的技術(shù)允許傳感器通過走走停停的運動掃描和檢查任何物體，從而實現(xiàn)質(zhì)量控制檢查和自動化組裝。

3D 視覺還被用于處理激光雷達(dá)傳感器收集的數(shù)據(jù)，以渲染它們掃描的環(huán)境的詳細(xì)圖像。3D 視覺計算機軟件公司 Seoul Robotics 于 2021 年 1 月在美國發(fā)布了其首款 3D 視覺軟件。該軟件依賴于該公司基于 ML 的 SENSR 軟件，使3D 傳感器本質(zhì)上成為物聯(lián)網(wǎng)設(shè)備。這家韓國公司聲稱傳感器可以分析和理解從車聯(lián)網(wǎng)通信、交通安全技術(shù)、零售分析和智慧城市收集的 3D 激光雷達(dá)數(shù)據(jù)。

地理空間人工智能

一些觀察家預(yù)測，基于位置的地理空間 AI 代表了 ML 的下一個重要步驟，允許機器收集實時地理數(shù)據(jù)來指導(dǎo)決策和預(yù)測分析。地理空間人工智能的用例包括物流、農(nóng)業(yè)和基礎(chǔ)設(shè)施。

地理空間人工智能結(jié)合空間科學(xué)、深度學(xué)習(xí)、數(shù)據(jù)挖掘和高性能計算來收集和分析機器網(wǎng)絡(luò)收集的空間數(shù)據(jù)。地理空間 AI 還依賴用戶數(shù)據(jù)來訓(xùn)練提供推理和預(yù)測能力的算法。

例如，Uber 和 Lyft 等拼車公司依靠地理空間人工智能應(yīng)用程序根據(jù)客戶提交的信息提供預(yù)計到達(dá)時間。Waze 和 Apple Maps 等 GPS 應(yīng)用程序也依賴地理空間 AI，根據(jù)交通分析軟件和用戶輸入，為駕駛員提供到達(dá)目的地的最快路線。地理空間人工智能也正在物流和供應(yīng)鏈流程中實施，以使制造商能夠獲得及時的交付數(shù)據(jù)。

審核編輯 黃昊宇