Как роботы-персональные ассистенты становятся повседневной реальностью

Недавно я посетил MWC Shanghai, где роботы доминировали на полу — массивные, передовая машины, которые компании демонстрировали в надежде закрепить позицию в быстро расширяющемся рынке. Одним из выдающихся был Tug, мобильный робот-медсестра, выглядящий больше как коробка на колесах, чем sci-fi андроид. Тем не менее он несет все признаки современной мобильной робототехники: точное навигацию, избегание препятствий, способность останавливаться, когда кто-то встает перед ним, и даже запрашивать лифт для смены этажей.

Обозначенный для доставки лекарств и еды пациентам, Tug уже активен в 37 больницах Министерства ветеранов США. Представьте облегчение, которое это приносит перегруженному медперсоналу. За пределами здравоохранения, похожие ассистенты развертываются в домах престарелых, образовательных настройках, ресторанах и отелях. После успеха умных колонок, следующая волна персональных ассистентов превращается в осязаемых, повседневных роботов — Amazon, например, эксплуатирует более 100 000 роботов на своих складах и готова принести домашние робо-решения потребителям.

Пока идея чувствуется как научная фантастика, реальность в том, что домашние ассистент-роботы уже отгружаются сегодня. Вызовы, однако, существенны и напоминают проблемы автономного вождения больше чем отличаются. Ключевые вопросы включают навигацию в динамических внутренних средах, избегание препятствий в реальном времени и способность адаптироваться к временным изменениям — подумайте внезапный капельница стойка или упавший пакет. В отличие от машин, где четкие полосы и правила дорожного движения упрощают навигацию, внутренние роботы должны непрерывно картографировать и перекартографировать свое окружение. Более того, естественно-языковой интерфейс — не роскошь; он необходим для четкой коммуникации в настройках, где ошибочная доставка может иметь серьезные последствия.

Gartner недавно идентифицировал топ-10 AI и сенсорных возможностей, которые будут подкреплять будущих робот-ассистентов:

• Компьютерное зрение: анализ сцены и распознавание объектов.
• Биометрическое распознавание и аутентификация: обеспечивающее, что только авторизованные пользователи могут выдавать команды.
• Конверсационный интерфейс: распознавание речи в сочетании с обработкой естественного языка.
• Акустический анализ сцены: обнаружение отличительных звуков вроде лая собаки или разбивания стекла.
• Локационное сенсирование: непрерывное определение позиции и близости к людям или объектам.
• Автономное движение: навигация к целевой локации без столкновений с препятствиями.
• Edge-side AI: исполнение основных функций локально вместо полагаться исключительно на облако.

Большинство разработчиков начинают прототипирование на многозадачной GPU платформе, которая предлагает удобное и мощное решение для начального тестирования. Однако по мере роста производственных объемов высокая стоимость, значительный потребление энергии и отсутствие дифференциации, инhérентные к off-the-shelf GPU, становятся лимитирующими факторами. Здесь кастомные ASIC или DSP решения вступают в игру, доставляя тот же интеллект при более низкой стоимости и потреблении энергии.

DSP хорошо известны своим преимуществом performance-per-watt над GPU в машинно-обучающих нагрузках, благодаря эффективным фиксированной-точечности операциям и гибкой квантизации. В объемо-чувствительных edge-приложениях дедированный часто превосходит общий GPU и в стоимости, и в эффективности.

Так, может ли DSP сравняться с возможностями GPU? Для многих основных задач — да. Компьютерное зрение рабочие нагрузки — такие как позиционирование, отслеживание, распознавание объектов и обнаружение жестов — могут быть обработаны встроенными DSP платформами сегодня. Автономная навигация, поддерживающая локальное переобучение, без необходимости постоянно опрашивать облако, также использует те же возможности распознавания, что и на GPU.

Распознавание голоса, аутентификация и акустический анализ сцены могут аналогично быть оффлоаднуты на встроенное решение. Пайплайн — от захвата микрофона и нахождения направления до базового keyword spotting и даже понимания естественного языка — может быть обработан локально для многих приложений. В сценариях, требующих только ограниченного словаря или обнаружения невербальных подсказок, весь процесс может выполняться полностью на edge, устраняя необходимость в облачных ресурсах. Новые исследования предполагают, что даже более сложные NLP задачи могут стать выполнимыми на-устройстве в ближайшем будущем.

Сегодняшняя экосистема предлагает растущий набор edge-AI платформ, оптимизирующих фронтенд голосовую обработку, глубокий обучение инференс и IoT интеграцию. Используя эти решения, разработчики могут ускорить развертывание повсеместных робот-персональных ассистентов.

Моше Шеер — директор стратегического маркетинга, CEVA, где он управляет корпоративным развитием и стратегическими партнерствами для ключевых целевых рынков CEVA и будущих областей роста. Моше занимается ведущими SW и IP компаниями для приведения инновационных DSP-базированных решений на рынок. В свободное время Моше катается на горных велосипедах и практикует Айкидо.