當前位置:
首頁 > 最新 > 智領未來,看Wireless X Labs 如何用5G為人工智慧機器人打造神經傳導系統

智領未來,看Wireless X Labs 如何用5G為人工智慧機器人打造神經傳導系統

談到心目的機器人,浮現在人們腦海中的形象有忠誠的小夥伴機器貓,兢兢業業打掃衛生的機器人瓦力,可能還有彪悍的保鏢機器人終結者T800。

銀幕中的機器人都有些共同的特點:能夠像人一樣思考,能夠像人一樣交流,能夠像人一樣完成任務。這正是人們一直以來對於機器人的期望。

但是,理想是豐富的,現實是骨感的。直到現在我們還無法製造出一個能夠照料個人生活的機器人。在市場上,我們看到的服務機器人功能非常有限,比如送餐機器人,只能按照貼地的磁條行駛到目標位置,需要客人自己取下盤子。再如大部分陪伴機器人都沒有移動能力,只能回答有限的問題。大部分機器人都沒有手,有手的機器人大部分都沒有抓取功能……

難道機器人的水平就只能停留在這裡了么?當然不是。華為無線應用場景實驗室(Wireless X Labs)將5G和AI的結合,將給我們帶來機器人的全新體驗。

首先,機器人將更加聰明。最近阿爾法狗連續戰勝世界頂尖選手,有什麼辦法能讓每個機器人都像阿爾法狗那麼聰明?答案是有的,那就通過雲端智能實現。通過雲化技術將昂貴的計算資源部署在雲端,讓機器人通過連接共享聰明的「大腦」。事實上,這也是未來機器人獲取高級智能的必經之路,因為像阿爾法狗這樣等級的「大腦」需要1202個CPU 和176個 GPU ,安裝在機器人本體上幾乎不可能。X Labs正在研究使用面向5G雲化架構為機器人提供強大的AI智能。

其次,機器人將更加「靈敏」。光「大腦」聰明還不夠,本體反應遲鈍也不能給人們良好的體驗。機器人「靈敏」的關鍵就是網路。網路要即時地把機器人「看」到的和「聽」到的信息發送給雲端的「大腦」,又要把雲端「大腦」計算出來的結果即時地返回給機器人本體。這對網路的要求是非常高的。

一是低時延,要知道人類神經系統的反應時延是100ms, 機器人要達到這樣的水平才能符合」靈敏「的標準。而目前機器視覺的處理就非常耗時,光是識別一張720p圖像上的物體就耗時幾百毫秒以上。幸好雲端計算能力的增長速度遠遠高於本地,隨著雲端對AI支持能力的增強,雲端對圖像的識別耗時有望降低到80-100ms,留給網路的時延只有20ms左右。X Labs正在嘗試使用5G網路能將機器人空口時延降低到0.5ms,網路端到端時延降低到4ms, 從而使機器人的反應速度達到和人類接近的水準。

VS

二是高帶寬,機器人至少需要兩顆攝像頭來實現對某個方向的3D視覺。使用1080p的高清視覺需要6.6Mbps左右的上行流量,如果機器人需要同時對四個方向的情況進行觀察,就需要26.4Mbps左右的上行流量。未來5G網路為機器人提供10Gbps的帶寬,輕鬆應對這一挑戰。

GIF/440K

X Labs 通過雲化使機器人更「聰明」,又用5G使機器人更」靈敏」。有了這兩個優點,就能帶給我們不一樣的應用體驗。

來到華為X Labs,我們可以看到工程師們利用機器人身上的高清攝像頭和無線通信介面對機器人進行遠程操控,5G的超低時延使得整個操作過程非常流暢。還可以看到機器人通過雲端智能對工程師的提問做出迅速和自然地回答,做到有問必答,有求必應。

GIF/974K

在X Labs, 一件不起眼的頭盔僅僅依靠頭盔上的攝像頭,就洞悉了佩戴者周邊的各種環境,從而承擔起了導盲的工作。這就是機器人遇到5G產生的變化。

GIF/729K

看到這裡,華為X Labs探索的機器人應用是不是讓你感到離心目中的機器人又近了一步?

華為X Labs 中的機器人可不僅僅是為了酷,而是為了未來的社會。根據聯合國的數據,到2050年,全球老齡化人口將超過20億,佔比超過21%,此外全球還有3900萬盲人,每年失去行動能力者1500萬。機器人是解決未來勞動力問題的重要途徑,而華為X Labs正是要和行業夥伴們一起用雲化AI和5G網路使機器人逐漸具備這樣的能力,共同推動機器人產業向前發展。

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 華為無線網路 的精彩文章:

面向5G高密組網,匯聚站「多、快、好、省」打造精品網路
開啟無線智能電網新時代-華為eLTE SmartGrid亮相亞洲電力展

TAG:華為無線網路 |

您可能感興趣

DeepMind提出心智神經網路ToMnet,訓練機器的理解能力
用於可視化人工神經網路的 Python庫——ANN Visualizer
Imagination發布PowerVR Series3NX神經網路加速器,為嵌入式人工智慧市場帶來多核可擴展性
The Nervous System 神經系統
康復應用解剖:神經傳導通路Conductive Pathway
資源 | HiddenLayer:可視化PyTorch、TensorFlow神經網路圖的輕量級工具!
Google 大腦神經音頻合成器的物理介面——Open NSynth Super
HiddenLayer:可視化PyTorch、TensorFlow神經網路圖的輕量級工具!
使用Google Colaboratory訓練神經網路
教你使用Keras on Google Colab微調深度神經網路
Nature Neuroscience:「壓力傳播」的神經機制
Lab Invest:人工智慧有助於鑒定神經退行性疾病
來自Google DeepMind神經網路具有驚人的場景渲染技巧
人人都能讀懂卷積神經網路:Convolutional Networks for everyone
Ian Goodfellow 最新論文:神經網路也能 Debug
兼容 Scikit-Learn的PyTorch 神經網路庫——skorch
斯坦福大學教授Christopher Manning提出全可微神經網路架構MAC:可用於機器推理
無監督神經機器翻譯——UNdreaMT
DeepMind利用人工神經網路打造「類腦導航系統」
Lancet Neurol:MRI用於新生兒腦病患兒不良神經預後的預測