Τεχνητή νοημοσύνη
Καινοτόμος αισθητήρας βιολογικής έμπνευσης ανιχνεύει την κίνηση και προβλέπει τροχιές για διάφορες εφαρμογές

Ερευνητές στο Πανεπιστήμιο του Aalto ανέπτυξαν έναν καινοτόμο αισθητήρα βιολογικής έμπνευσης που μπορεί να ανιχνεύσει κινούμενα αντικείμενα σε ένα μόνο καρέ βίντεο και να προβλέψει με ακρίβεια τις μελλοντικές τους κινήσεις. Περιγράφεται στο α Nature Communications χαρτί, αυτός ο προηγμένος αισθητήρας έχει πολλές πιθανές εφαρμογές σε τομείς όπως η δυναμική ανίχνευση όρασης, η αυτόματη επιθεώρηση, ο βιομηχανικός έλεγχος διεργασιών, η ρομποτική καθοδήγηση και η τεχνολογία αυτόνομης οδήγησης.
Τα παραδοσιακά συστήματα ανίχνευσης κίνησης απαιτούν πολυάριθμα στοιχεία και σύνθετους αλγόριθμους που εκτελούν αναλύσεις καρέ-καρέ, με αποτέλεσμα την αναποτελεσματικότητα και την υψηλή κατανάλωση ενέργειας. Για να αντιμετωπίσει αυτούς τους περιορισμούς, η ομάδα του Πανεπιστημίου Aalto κοίταξε το ανθρώπινο οπτικό σύστημα για έμπνευση και δημιούργησε μια τεχνολογία νευρομορφικής όρασης που ενοποιεί την αίσθηση, τη μνήμη και την επεξεργασία σε μια ενιαία συσκευή ικανή να ανιχνεύει κίνηση και να προβλέπει τροχιές.
Photomemristors: Ο πυρήνας της νέας τεχνολογίας
Η τεχνολογία των ερευνητών βασίζεται σε μια σειρά από φωτομετρίστορ, ηλεκτρικές συσκευές που παράγουν ηλεκτρικό ρεύμα ως απόκριση στο φως. Τα φωτομετρίστορ διαθέτουν ένα μοναδικό χαρακτηριστικό: το ρεύμα δεν σταματά αμέσως όταν σβήνει το φως, αλλά διασπάται σταδιακά. Αυτή η δυνατότητα επιτρέπει στα φωτομεμρίστορ να «θυμούνται» αποτελεσματικά την πρόσφατη έκθεσή τους στο φως, επιτρέποντας σε έναν αισθητήρα που αποτελείται από μια σειρά από αυτές τις συσκευές να συλλαμβάνει όχι μόνο στιγμιαίες πληροφορίες για μια σκηνή αλλά και μια δυναμική μνήμη προηγούμενων στιγμών.
«Η μοναδική ιδιότητα της τεχνολογίας μας είναι η ικανότητά της να ενσωματώνει μια σειρά οπτικών εικόνων σε ένα καρέ», εξηγεί ο Hongwei Tan, ο ερευνητής που ηγήθηκε της μελέτης. «Οι πληροφορίες κάθε εικόνας είναι ενσωματωμένες στις παρακάτω εικόνες ως κρυφές πληροφορίες. Με άλλα λόγια, το τελικό καρέ σε ένα βίντεο έχει και πληροφορίες για όλα τα προηγούμενα καρέ. Αυτό μας επιτρέπει να ανιχνεύσουμε την κίνηση νωρίτερα στο βίντεο αναλύοντας μόνο το τελικό πλαίσιο με ένα απλό τεχνητό νευρωνικό δίκτυο. Το αποτέλεσμα είναι μια συμπαγής και αποτελεσματική μονάδα ανίχνευσης.»
Επίδειξη των δυνατοτήτων της τεχνολογίας
Για να παρουσιάσουν την τεχνολογία τους, οι ερευνητές χρησιμοποίησαν βίντεο που έδειχναν τα γράμματα μιας λέξης ένα κάθε φορά. Αν και όλες οι λέξεις τελείωναν με το γράμμα "E", οι συμβατικοί αισθητήρες όρασης δεν μπορούσαν να διακρίνουν εάν το "E" στην οθόνη είχε ακολουθήσει τα άλλα γράμματα στο "APPLE" ή "GRAPE". Ωστόσο, η διάταξη φωτομετρίστορ θα μπορούσε να χρησιμοποιήσει κρυφές πληροφορίες στο τελικό πλαίσιο για να συμπεράνει ποια γράμματα είχαν προηγηθεί και να προβλέψει τη λέξη με σχεδόν 100% ακρίβεια.
Σε ένα άλλο πείραμα, η ομάδα έδειξε τα βίντεο με αισθητήρες ενός προσομοιωμένου ατόμου που κινούνταν με τρεις διαφορετικές ταχύτητες. Το σύστημα όχι μόνο μπορούσε να αναγνωρίσει την κίνηση αναλύοντας ένα μόνο πλαίσιο, αλλά προέβλεψε επίσης με ακρίβεια τα επόμενα πλαίσια.
Επιπτώσεις για τα αυτόνομα οχήματα και τις ευφυείς μεταφορές
Η ακριβής ανίχνευση κίνησης και η πρόβλεψη τροχιάς είναι ζωτικής σημασίας για την τεχνολογία αυτόνομης οδήγησης και τα έξυπνα συστήματα μεταφοράς. Τα αυτόνομα οχήματα βασίζονται σε ακριβείς προβλέψεις για το πώς θα κινηθούν τα αυτοκίνητα, τα ποδήλατα, οι πεζοί και άλλα αντικείμενα προκειμένου να λάβουν τεκμηριωμένες αποφάσεις. Με την ενσωμάτωση ενός συστήματος μηχανικής μάθησης στη διάταξη φωτομεμρίστορ, οι ερευνητές απέδειξαν ότι το ολοκληρωμένο σύστημά τους θα μπορούσε να προβλέψει τη μελλοντική κίνηση με βάση την επεξεργασία στον αισθητήρα ενός πλαισίου πλήρους πληροφόρησης.
«Η αναγνώριση και η πρόβλεψη κίνησης από τη συμπαγή μνήμη αισθητήρα και τη λύση υπολογιστών μας παρέχει νέες ευκαιρίες στην αυτόνομη ρομποτική και στις αλληλεπιδράσεις ανθρώπου-μηχανής», λέει ο καθηγητής Sebastiaan van Dijken. «Οι πληροφορίες εντός πλαισίου που λαμβάνουμε στο σύστημά μας χρησιμοποιώντας φωτομεμορίστορ αποφεύγουν τις περιττές ροές δεδομένων, επιτρέποντας ενεργειακά αποδοτική λήψη αποφάσεων σε πραγματικό χρόνο».