Page 24 - 歷經一番寒徹骨DDR5記憶體主流時代即將來臨？

22
確實已經將其演算法應用於現實 世界的機器人。該公司開發了一款 機器狗展示版本Hopper，其外形 與Boston Dynamics的Spot相 似。Hopper基於Opteran的碰撞 預測和規避演算法，採用基於邊緣 的視覺專屬解決方案;當辨識出潛 在的碰撞時，一個簡單的控制器會 使其轉向。
的地圖每平方公尺只消耗幾千位 元組(KB)的記憶體。」
航。決策引擎的工作正在進行中 (預計2023年完成)，以允許機器 人決定它應該去哪裡，以及在什麼 情況下去。未來的元素包括社交、 因果和抽象引擎，這些引擎將允許 機器人互動，在現實世界環境中推 斷因果結構，並從體驗情境中抽象 出一般準則。所有這些引擎都將基 於生物系統——無需深度學習或 基於規則的學習系統。
Opteran還在研究一種3D 導航演算法，同樣也是基於蜜 蜂。該解決方案將等同於現今的 同步定位和映射(Simultaneous Location and Mapping，SLAM) 演算法，但它也將處理路徑規劃、 路由和語義。Marshall說，利用同 樣的硬體，功耗只有幾分之一瓦。
Opteran的開發套件使用小 型XilinxZynqberryFPGA模組， 重量不到30g，功耗不到3W。該套 件需要兩個相機，使用的是廉價 (20美元)的Raspberry Pi相機。 不過，在產品開發期間，Opteran 還將與其他OEM合作，校準其他 類型的相機演算法。
目前，已有客戶在協作機器手 臂(collaborative robot (cobot) arms)、無人機和採礦機器人中 使用了穩定視覺、防撞和導航功 能。且Opteran上個月已完成一輪 1,200 萬美元融資，將為其自然智 慧方法的商業化和其堆疊中剩餘 演算法的開發提供支援。
「另一個很大的節省是透過 這種方法生成的地圖大小，」他 說。「對於傳統的基於攝影測量 的SLAM生成的地圖，每平方公尺 所需的位元組數約為數百兆(MB) 到數千兆(GB)，這便為大面積地 圖的繪製帶來重大問題，而我們
目前的FPGA可以同時運作 Opteran的全方向光流處理和碰 撞預測演算法。Marshall說，根據 需要，未來的硬體可能會遷移到更 大的FPGA或GPU上。
公司未來的研究方向還可能 包括對其他更複雜動物大腦的研 究，「我們從昆蟲開始，但這種方 法會擴展。將在適當的時候研究 脊椎動物，這無疑是我們的路線 圖，」Marshall介紹。
該演算法的展示版本已用於 一架攜帶一台低解析度攝影機(小 於10,000畫素)的小型無人機上， 實現了基於視覺的自主導航。
軟體及硬體
該公司正在為機器人應用建 構軟體堆疊。在電子穩定全景視 覺系統的頂部，有防撞，然後是導
用於安全關鍵型圖形、視覺和運算的
開放標準加速API
Neil Trevett，Nvidia開發者生態系統副總裁暨Khronos Group總裁
嵌入式市場對繪圖和運算加速的 需求正在日益成長。相機和感測器 陣列在從汽車到工業等不同產業 的許多應用案例中日益重要，並且
www.eettaiwan.com | 2022年11月
正在生成越來越多需要複雜處理 的資料流程。與此同時，業界正在 開發使用高品質3D圖形甚至擴增 實境(AR)技術的高階使用者介面。
然而，部署加速處理的需求，再加 上安全關鍵型認證的複雜性，造 成 了處 理 器、加 速 器、編 譯 器、A P I 和庫的混亂局面，同時推高了嵌入
INDUSTRY TRENDS