Благодаря быстрому развитию искусственного интеллекта, связи 5G и технологий IoT, индустрия дронов переживает глубокую интеллектуальную трансформацию. В этом процессе граничные вычисления, как ключевая технология, постепенно становятся основной возможностью, которую стремятся развивать крупнейшие производители дронов. Граничные вычисления значительно сокращают задержку, повышают скорость отклика и улучшают возможности автономного принятия решений системой в сложных условиях за счет переноса задач обработки данных из облака на граничные устройства, расположенные ближе к источнику данных.
Традиционные системы дронов в основном полагаются на централизованные облачные вычисления для распознавания изображений, планирования траектории или планирования задач, но этот подход имеет существенные узкие места. Во-первых, загрузка больших объемов видеопотоков высокого разрешения в облако потребляет огромные объемы полосы пропускания, особенно в отдаленных районах или сценариях с плохим покрытием мобильной сети, где каналы связи легко прерываются.
В настоящее время ведущие производители дронов, включая DJI, XAG и JOUAV, выпустили продукты или решения с возможностями периферийных вычислений.
Как граничные вычисления расширяют возможности типичных сценариев применения дронов
В сфере общественной безопасности полицейские дроны, оснащенные модулями граничных вычислений, могут проводить локальный анализ плотности толпы и аномального поведения на крупных мероприятиях или в местах чрезвычайных ситуаций, запуская механизмы раннего предупреждения без передачи исходного видео. При проведении энергетических инспекций алгоритмы идентификации дефектов линий электропередачи или лопастей ветряных турбин работают непосредственно на бортовых граничных устройствах, позволяя инспекторам получать структурированные отчеты на месте, значительно сокращая циклы реагирования на неисправности. В сценариях логистики и доставки граничные вычисления поддерживают дроны в автономной навигации и обходе препятствий в закрытых складских помещениях или городских каньонах без сигналов GPS, используя визуальную SLAM-систему и локальные карты. Эти приложения не только подтверждают технологическую ценность граничных вычислений, но и способствуют трансформации дронов из ?летающих камер? в ?интеллектуальных воздушных роботов?.
Технологические проблемы и сотрудничество в экосистеме
Несмотря на многообещающие перспективы, внедрение граничных вычислений для дронов по-прежнему сталкивается с многочисленными проблемами.
Во-первых, существует баланс между энергопотреблением и вычислительной мощностью — высокопроизводительные чипы для ИИ часто потребляют много энергии, в то время как дроны, ограниченные емкостью батареи, должны находить баланс между точностью распознавания и временем полета. Во-вторых, существует противоречие между облегченными моделями и возможностями обобщения. Модели, развернутые на периферии, должны проходить обработку сжатия, такую ??как обрезка и квантование, что может привести к снижению точности распознавания в сложных условиях освещения или перекрытия. Кроме того, отсутствие единых стандартов интерфейса аппаратного и программного обеспечения также ограничивает совместимость периферийных устройств и алгоритмов от разных производителей. Для решения этой проблемы все больше производителей дронов начинают сотрудничать с компаниями-производителями чипов (такими как NVIDIA и Huawei Ascend), поставщиками облачных услуг (такими как Alibaba Cloud и AWS) и сообществами открытого исходного кода для совместного создания экосистемы периферийного интеллекта, включающей цепочки инструментов разработки, репозитории моделей и платформы удаленного управления. Тенденции будущего: Интеллектуальная архитектура, основанная на взаимодействии облака, периферии сети и устройств. В перспективе одной модели периферийных или облачных вычислений будет недостаточно для удовлетворения все более разнообразных потребностей беспилотных летательных аппаратов. Более перспективным направлением является создание трехуровневой архитектуры взаимодействия ?облако-периферия-устройство?: беспилотный терминал отвечает за сбор и предварительную обработку исходных данных, периферийные узлы выполняют вычисления средней сложности в реальном времени и слияние данных, а облако берет на себя ресурсоемкие задачи, такие как обучение моделей, анализ больших данных и планирование задач в разных регионах. В рамках этой архитектуры производители беспилотников будут не только предоставлять аппаратные платформы, но и трансформироваться в поставщиков интеллектуальных услуг, постоянно внедряя оптимизированные модели ИИ на периферии сети посредством OTA-обновлений (Over-The-Air) для достижения динамического развития возможностей устройств. Эта интегрированная аппаратно-программная модель с непрерывным развитием станет ключевым конкурентным преимуществом интеллектуальных беспилотных систем следующего поколения.
Рекомендации по смежным темам
Лесные беспилотные летательные аппараты: со···
