广告

AI技术在日本嵌入式技术展上大放异彩

时间:2018-12-04 作者:Junko Yoshida 阅读:
日本新创公司积极利用日本数十年来打造机器人和汽车的经验,并藉由其“地利”之便——接近自动化生产基地以及经验丰富的工厂管理人才,展开为工业应用开发AI算法之路…

如同在世界各地任何标榜“嵌入式技术”的展会一样,今年的年度日本横滨国际嵌入式技术展(Embedded Technology 2018 Exhibition in Yokohama)同样围绕着当今最热门的两大话题:人工智能(AI)和物联网(IoT)。

一方面,日本电子产业巨擘——包括富士通(Fujitsu)、NEC和东芝(Toshiba),均展示其看好对于普及IoT应用至关重要的新材料和无线技术。

另一方面,这场“嵌入式暨物联网”(ET/IoT)联展的年度活动一如往年地齐集了许多日本新创公司,包括Ascent Robotics、LeapMind、Robit,以及专注于AI业务与技术的其他公司。虽然这些位于日本的AI新创公司多半都不为人所知,而其动机和世界各地的新创公司也没有什么不同;然而,他们积极热情、雄心勃勃且训练有素,可以快速做出决策。他们希望让AI变得更有帮助,并在现实世界中展现为工业和消费应用带来的效益。

日本新创公司与其他地方的新创公司不同之处在于,他们致力于利用日本打造机器人和汽车方面的数十年经验。他们希望善加利用这种“地利”之便——接近自动化生产基地以及经验丰富的工厂管理人员,作为开发工业应用AI算法的先机。

因此,无论是老字号企业还是新创公司,齐聚于此嵌入式技术展的业者们都有一个共同点——积极推广并发展“边缘技术”(edge technology)。当Google、Facebook、亚马逊(Amazon)以及美国的其他公司可能已经在大数据(big data)、数据中心和深度学习等领域占据一席之地,日本则希望将关注焦点转向让边缘设备变得更智能、更加互连且自主。

ET_IoT_nu_2018.jpg

今年的日本横滨嵌入式暨物联网技术展会现场(来源:Japan Embedded Systems Technology Association)

接下来,《EE Times》将与您分享在今年嵌入式技术展的亮点。一起来看看我们发现了什么有趣的事情,又让我们从中学到了什么。

深度学习导入嵌入式领域

科技业经理人经常在讨论如何将深度学习导入其业务中,但却很少有人关注于收集数据、实作深度学习以及在边缘设备上嵌入推论时的真正挑战。

目前在现实世界中经证实奏效的深度学习实务,仅限于一些口袋较深的大型企业实施的少数应用。

东京一家新创公司LeapMind的公司使命在于让深度学习普及于边缘设备。LeapMind在协助客户时总是先询问他们想要解决哪些具体问题,并测试深度学习是否适用于解决此类问题,接着帮助他们打造用于深度学习的大数据,最后在边缘的嵌入式设备上设计AI实务。

LeapMind至今已将深度学习应用于异常检测——如定位裂缝、特定位置或生锈区域——以及对象检测,包括检测汽车、交通讯号或交通标志等。该公司也将深度学习用于危险预测,利用大数据来预测可能的故障。
LeapMind_crack.jpg
检测混凝土裂缝(来源:EE Times)

LeapMind长期与NTT Data密切配合,协助NTT Data操控无人机沿着电线飞行并拍摄其影像以执行异常检测。这项任务可不像表面上看起来那么简单,因为在两支电线杆之间的电线往往会松垂下来。

但是,如果为无人机配备智能功能,是否就能使其看到并辨识无法一直保持直线的电线呢?这正是LeapMind与NTT Data合作透过深度学习进行中的工作。
LeapMind_NTTData.jpg
控制无人机沿着电线飞行(来源:NTT Data)

以FPGA作为底层硬件

LeapMind的基础技术包括低成本、低功耗的Cyclone-V FPGA组件(英特尔是LeapMind的投资者之一)以及量化至低位的技术(据公司表示,“量化使LeapMind能够使用位作业以加速神经网络”)。此外,它也正开发“可在LeapMind自家目标硬件上执行的原始神经网络架构”。

LeapMind的深度学习架构基于该公司的技术——量化至较低位宽度,已经证实适用于能以高速运行的有限内存。
LeapMindautomatedflow.jpg
从TensorFlow到FPGA的自动化流程(来源:LeapMind)

LeapMind为量化开发一种特殊的训练方法以及专为与FPGA组件高度兼容而设计的原始网络。该公司最近推出一款称为‘Blueoil’的产品,这款专用于神经网络的软件堆栈可开放来源使用。

LeapMind声称基于Blueoil的新模型“只需准备好数据就可以轻松训练”。完成的模型“可以转换成一个二进制档案,只需一个指令即可在FPGA或CPU组件上运行。”

可印刷传感器

NEC在嵌入式技术展上展示压敏薄片传感器。这种既薄且轻的传感器还可以弯曲,它是在薄膜晶体管顶部形成的,并且可以采用印刷技术进行制造。
Printedsensors.jpg
压敏薄片传感器(来源:EE Times)

薄膜晶体管根据施加到每个传感器组件的压力,检测相应波动的电流值。其结果是一种感测施加于整个薄片的压力分布机制。

这款高密度的薄片型传感器由34,560个传感器单元组成,其尺寸可以大到288x172.8mm2。只要将这种薄片传感器放置于商店的货架上,即可用于监控展示货物的任何位置和重量变化。
NECcapturingpressures.png
薄片传感器撷取塑料瓶和人手的压力信息(来源:EE Times)

AI新创公司探索日本汽车和机器人领域

总部位于东京的Ascent Robotics成立于2016年,并与一位加拿大机器学习专家共同创办,由于公司员工几乎全部都是年轻的非日本本土编程人员,因而创造了一个全英语的工作环境。该新创公司并非聚焦于硬件,而是着眼于为“智能自动驾驶车和下一代工业机器人解决方案”开发算法。

Ascent积极打造成长动能,期望像Preferred Networks一样实现重大成功。Preferred Networks是一家市值超过20亿美元的日本AI新创公司。Ascent自诩为日本第二大AI公司,仅次于Preferred Networks。

Ascent_wholecar.jpg

Ascent开发自动驾驶算法(来源:EE Times)

然而,Ascent并非一味地仿效。Preferred Networks曾经获得了丰田汽车(Toyota Motor)逾1.1亿美元的投资。全球最大的工业机器人制造商——日本Fanuc也投资于Preferred Networks,使其得以利用Fanuc工厂产在线数千台机器人产生的大量数据。

相形之下,Ascent迄今尚未与日本汽车制造商或机器人制造商建立任何关联或直接投资。

一切都跟模拟有关

然而,Ascent对于其复杂先进的仿真器信心满满,并看好它是目前日本汽车/机器人产业迫切需要的。Ascent认为,这样的仿真器由于可为深度强化学习和产生模型开发AI算法,最终将有助于使其胜出。

Ascent自家的深度学习架构称为‘Atlas’,是该公司执行AI训练模拟之处。据该公司介绍,Atlas将为各种任务提供「更高效、更智能的AI训练。此外,Atlas对于大幅“减少手动编码、标记训练数据和昂贵的实际测试需求”更至关重要。
Ascent_loadedwithsensors.jpg
Ascent的车载传感器(来源:EE Times)

自去年夏天以来,Ascent已经为一个拥有四辆车的车队配备每辆车8个光达、8支摄影机、4个毫米波(mmWave)雷达以及一个红外线传感器。

Waymo或Uber等公司的庞大车队必须上路行驶,才能使其自动驾驶车能够学习如何驾驶。然而,相较之下,据Ascent公司称,Ascent仅在测试和验证以其仿真器开发的算法时,才需要使用到车队。

免电池的软性信标任你贴

富士通开发的‘Pulsar Gum’是一种以太阳能电池供电的信标,尺寸约为19 x 72 x 3 mm ,无需使用电池即可传输ID和定位信息,外表则以硅胶包覆(如下图所示)。可弯曲的Pulsar Gum经久耐用,甚至可在户外使用,并可作为可穿戴设备或信标贴附在诸如头盔等弯曲的表面上。
Pulsargum_1.jpg
Pulsar Gum既轻柔且可弯曲(来源:EE Times)

随着IoT迅速渗透至工厂厂房、建筑物走廊和配送仓库,可以广播辨识标签(ID)至附近便携设备的信标也开始普及。但是,在任何工作环境中安装信标都需要为每个信标提供电源,以及安装信标所需的时间。相形之下,富士通的免电池信目标安装更轻松。
Pulsargum_2.jpg
软性可弯曲的Pulsar Gum夹在硅胶之间(来源:EE Times)

后向散射

在今年的嵌入式技术展,富士通同时推出了新的Pulsar Gum改进版,结合了Alps Electric/NTT Data开发的新无线技术。

Alps/NTT Data开发团队利用“后向散射”(backscattering)技术,实现了新的超低功耗无线通信技术。基于Pulsar Gum的信标能在现场与大量卷标进行通讯以收集数据,而新的超低功耗通讯技术消耗的功率大约仅有使用无线技术(如BLE、IEEE 802.15.4或EnOcean)时的1/1000。

免用电池的信标结合超低功耗无线通信技术,使其成为各种监控应用的理想选择,包括从老化的基础设施到制造厂房以及仓储货物等。

基于反向散射的无线技术可以在20毫秒(ms)内收集来自30个卷标的数据。该技术还启用了辨识和加密功能,以确保信标和卷标之间的安全通讯。事实上,现有的RFID技术还无法提供高速数据采集或无线通信的安全性。

AI让视觉检测更轻松?

Robit是一家成立于2014年的日本新创公司,对于该公司在快速原型设计、独特设计、应用开发、嵌入式系统和制造方面的能力引以为荣。

Robit的第一款产品是名为‘Wake-up Call Alarm Curtain Opener Mornin’的消费产品,采用蓝牙连接到手机,然后实体上连接到用户的窗帘杆上。只要设定闹钟与卧室窗帘同步,这个机器人管家将会在早晨唤醒过程为你增添些许阳光。
Robitvisualinspectionequipment.jpg
Robit展示其视觉检测设备(来源:EE Times)

一开始这看起来似乎与AI或视觉检测无关,但是当Robit的工程团队与制造合作伙伴交谈时,忽然兴起了将AI导入视觉检测过程的想法。当今制造产业正陷于技术纯熟、经验丰富的检查人员长期短缺的困境。更重要的是,使用AI实现自动化视觉检测过程可没像用说的那么容易。

一方面,检验设备供货商和机器人制造商还不习惯使用AI。另一方面,AI供货商在掌握制造场地的设置以及在何种照明条件下如何部署硬件,几乎都没什么经验。
Robit_detectingananomalyonasurface.jpg
Robit基于AI的视觉算法检测表面异常(来源:EE Times)

Robit推出了一种新的自动视觉检测解决方案——Tesray。该新创公司专注于为视觉检测而设计的机器人。针对视讯处理,它采用了Robit自家开发的AI算法,专门用于检测产品表面上刻痕和缺口的深度和宽度。

日本嵌入式系统技术协会(JASA)

参加这场在日本横滨的嵌入式技术展,当然也不可错过传说中代表日本嵌入式系统技术协会(Japan Embedded Systems Technology Association;JASA)的Cosplay女孩。
JASAcosplay.jpg
据说她代表着日本嵌入式系统技术协会(JASA)…系真吔?(来源:EE Times)

编译:Susan Hong,EET Taiwan

qrcode_EETCwechat_120.jpg

关注最前沿的电子设计资讯,请关注“电子工程专辑微信公众号”

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
广告
相关新闻
广告
广告
广告
广告