国产精品久久久久久久久久免费_国产综合无码一区二区三区_各种少妇BBW撒尿_欧美精品黄页在线观看大全

我最近參加了上海世界通信大會(MWC)。機(jī)器人的聲勢浩大，而且是非常浩大。我看到幾十家公司，尋找顧客打造品牌，并提供他們眾多應(yīng)用程序中的任何一種。

舉個應(yīng)用程序的例子，機(jī)器人護(hù)士Tug。它看起來一點(diǎn)也不像我們在科幻片中看到的機(jī)器人形象，除非你想的是星際大戰(zhàn)(Star Wars)中某些比較實(shí)用的例子。它看起來像是一個有輪子的箱子，但擁有許多我們期待行動機(jī)器人具備的功能，包括巡游和回避障礙物。這可以在醫(yī)院里巡游，若是有人走道它面前，就會停下，還會繞過不對的點(diǎn)滴站；這臺機(jī)器人還能呼叫電梯，前往其他樓層。Tug的重點(diǎn)是送藥和食物給病人，且已經(jīng)在美國37間榮民醫(yī)院服務(wù)。

想象這能替忙碌的護(hù)士減輕多少肩頭負(fù)擔(dān)。廠內(nèi)還有多種其他助理應(yīng)用服務(wù)，在長者照護(hù)、在教學(xué)支持、餐廳與旅館。把這當(dāng)成在智能音箱之后，下個重要的個人助理物品(Amazon已經(jīng)有超過十萬臺機(jī)器人在倉庫工作，所以很明顯他們正在開發(fā)家用機(jī)器人當(dāng)作Echo的后繼者)。這不是科幻小說；家用助理機(jī)器人今天就可以出貨。

機(jī)器人健康助理

很顯然，生產(chǎn)這種機(jī)器人的技術(shù)挑戰(zhàn)和自動駕駛問題類似，不過依然有明顯的不同。巡游和回避障礙是共通點(diǎn)，但清晰駕駛車道和交通管理的概念，無法運(yùn)用在這些機(jī)器人身上；一切都關(guān)乎在建筑物內(nèi)的障礙回避與巡游(要重新規(guī)劃地圖以繞過臨時不可移動的障礙)。雖然車子有自然語言接口只是還不錯，但是對機(jī)器人助理來說，卻是不可或缺。誰想要在藥房送錯藥，或是餐廳搞砸點(diǎn)單時學(xué)著怎么按鈕？

Gartner 最近推出一份機(jī)器人人工智能與感應(yīng)要求的前十大清單，其中包括了：

? 計(jì)算機(jī)視覺－場景分析、對象識別等等
? 生物識別與驗(yàn)證－誰在跟我說話，他們是否獲準(zhǔn)下達(dá)此等命令
? 對話接口－話語識別與自然語言處理
? 聲音場景分析－識別明顯的噪音如狗吠或玻璃破裂
? 地點(diǎn)感應(yīng)－我在哪，誰／什么在我附近
? 自動移動－能夠不撞倒對象或人，移動到建筑物其他地方的能力
? 機(jī)器人內(nèi)建人工智能功能－不只是仰賴云端

現(xiàn)今對于建立具有這些能力的系統(tǒng)默認(rèn)取向，從根據(jù)多核心繪圖處理器(GPU)平臺，在機(jī)器人內(nèi)建人工智能系統(tǒng)。這可以理解──產(chǎn)品建立者可以使用現(xiàn)成的平臺做樣品，無須擔(dān)心專用集成電路(ASIC)細(xì)節(jié)，就像他們會使用中央處理器(CPU)開發(fā)板給更傳統(tǒng)應(yīng)用程序使用的方式一樣。但是隨著產(chǎn)品數(shù)量暴增，或著你正推動其暴增的時候，成本與顧客滿足／差異化就愈來愈重要。現(xiàn)成的解決方案很貴，耗電量很大，且使用和別人一樣的平臺就很難有所差異。這就是為什么無可避免地，大量解決方案轉(zhuǎn)向ASIC平臺。你無須放棄所有已經(jīng)投入樣品的投資；成本較低的GPU平臺可能還是解決方案的一部份，但是重要層次的人工智能功能性可以轉(zhuǎn)移到更有成本效率、更加統(tǒng)合的平臺上。

在機(jī)器學(xué)習(xí)(ML)應(yīng)用程序中，數(shù)字信號處理(DSP)優(yōu)于GPU的每瓦特效能遠(yuǎn)近馳名，有一部分原因是固定點(diǎn)優(yōu)于浮動點(diǎn)操作，還有某些平臺的量化彈性。訂做解決方案的價格優(yōu)勢(以數(shù)量算)也很出名。這就是為何你更有可能看到具數(shù)量／價格敏感性的ML應(yīng)用程序在邊際采用DSP而不是現(xiàn)有的GPU。

智能屏幕－無屏幕機(jī)器人的形式之一？

但你能做到所有用GPU可以做到的事嗎？答案是還真不少。拿計(jì)算機(jī)視覺，亦即定位、追蹤、對象識別、手勢識別為例。這個程度的視覺處理現(xiàn)在在某些DSP為基礎(chǔ)的內(nèi)建平臺上已經(jīng)有了?；蛘哂米詣右苿又С直镜刂匦掠?xùn)練(無須連上云端)。再一次，支持此一智能的核心識別能力，也是你在GPU會發(fā)現(xiàn)的同樣能力，在DSP上也找得到。

語音識別／驗(yàn)證與聲音場景分析也可以卸下。這些(和其他這里舉的例子)明白地點(diǎn)出，為何卸除的意義這么重要。這每一種智能操作都分解成多重步驟，就說從取得聲音，到方向解析，到也許基本字詞識別，最終甚至是自然語言處理(NLP)。最后一步非常困難，可能需要上云端。但是在那之前的步驟都可以很輕松用內(nèi)建解決方案處理。某些應(yīng)用程序，只須識別很有限的單字，或是你希望偵測非語言信號，例如打破窗戶的地方，你可能根本不需要云端(或本地GPU)。已經(jīng)有人暗示，甚至有限的NLP在不久的未來便能在邊際支持。

例如CEVA打造了一連串龐大的解決方案，在邊緣人工智能用平臺、前端語音處理、物聯(lián)網(wǎng)深入學(xué)習(xí)上，使用人工智能支持這些前端功能。