Επαναστατικός Βιομιμητικός Αισθητήρας Ανιχνεύει Κίνηση και Προβλέπει Τραекторίες για Διαφορετικές Εφαρμογές

Ερευνητές στο Πανεπιστήμιο Aalto έχουν αναπτύξει einen επαναστατικό βιομιμητικό αισθητήρα που μπορεί να ανιχνεύσει κινούμενα αντικείμενα σε μια seule καρέ βίντεο και να προβλέψει με ακρίβεια τις μελλοντικές κινήσεις τους. Περιγραφόμενος σε ένα Nature Communications έγγραφο, αυτός ο προηγμένος αισθητήρας έχει πολλές πιθανές εφαρμογές σε πεδία όπως η δυναμική ανίχνευση οράματος, η αυτόματη επιθεώρηση, ο έλεγχος βιομηχανικών διαδικασιών, η καθοδήγηση ρομπότ και η τεχνολογία αυτόνομης οδήγησης.

Οι παραδοσιακές συστήματα ανίχνευσης κίνησης απαιτούν πολλά συστατικά και σύνθετα αλγόριθμους που thực hiện αναλυσεις καρέ-προς-καρέ, με αποτέλεσμα την ανεπάρκεια και την υψηλή κατανάλωση ενέργειας. Για να αντιμετωπίσουν αυτές τις περιορισμούς, η ομάδα του Πανεπιστημίου Aalto έστρεψε την προσοχή τους στο ανθρώπινο οπτικό σύστημα για έμπνευση και δημιούργησε μια νευρομορφική τεχνολογία οράματος που ενώνει την ανίχνευση, τη μνήμη και την επεξεργασία σε μια seule συσκευή ικανή να ανιχνεύσει κίνηση και να προβλέψει τραекторίες.

Φωτομεμορίστορες: Το Κορμό της Νέας Τεχνολογίας

Η τεχνολογία των ερευνητών βασίζεται σε一个 πίνακα φωτομεμοριστόρων, ηλεκτρικών συσκευών που παράγουν ηλεκτρικό ρεύμα σε απάντηση στο φως. Οι φωτομεμορίστορες έχουν μια μοναδική ιδιότητα: το ρεύμα δεν σταματά αμέσως όταν το φως σβήνει, αλλά εξαφανίζεται σταδιακά. Αυτή η ιδιότητα επιτρέπει στους φωτομεμορίστορες να “θυμούνται” την πρόσφατη έκθεσή τους στο φως, επιτρέποντας σε einen αισθητήρα που αποτελείται από einen πίνακα αυτών των συσκευών να καταγράψει όχι μόνο στιγμιαίες πληροφορίες για μια σκηνή αλλά και μια δυναμική μνήμη των 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 επόμενες εικόνες ως κρυφό πληροφοριακό υλικό. Με άλλα λόγια, το τελικό καρέ σε ένα βίντεο έχει επίσης πληροφορίες για όλα τα προηγούμενα καρέ. Αυτό μας επιτρέπει να ανιχνεύουμε κίνηση νωρίτερα στο βίντεο αναλύοντας μόνο το τελικό καρέ με ένα απλό τεχνητό νευρωνικό δίκτυο. Το αποτέλεσμα είναι μια συμπαγής και αποτελεσματική μονάδα ανίχνευσης.”

Απαράδειγμα των Ικανοτήτων της Τεχνολογίας

Για να παρουσιάσουν την τεχνολογία τους, οι ερευνητές χρησιμοποίησαν βίντεο που έδειχναν τα γράμματα ενός λόγου ένα-ένα. Αν και όλα τα λόγια τελείωναν με το γράμμα “Ε”, οι παραδοσιακοί αισθητήρες οράματος δεν μπορούσαν να διακρίνουν αν το “Ε” στην οθόνη είχε ακολουθήσει τα άλλα γράμματα στο “APPLE” ή στο “GRAPE”. Ωστόσο, ο πίνακας φωτομεμοριστόρων μπορούσε να χρησιμοποιήσει κρυφό πληροφοριακό υλικό στο τελικό καρέ για να εξαγάγει ποια γράμματα είχαν προηγηθεί και να προβλέψει το λόγο με σχεδόν 100% ακρίβεια.

Σε ένα άλλο πείραμα, η ομάδα έδειξε στον αισθητήρα βίντεο με έναν προσομοιωμένο άνθρωπο που κινείται σε τρεις διαφορετικές ταχύτητες. Το σύστημα μπορούσε όχι μόνο να αναγνωρίσει κίνηση αναλύοντας ένα seul καρέ, αλλά και να προβλέψει με ακρίβεια τα επόμενα καρέ.

Επιβεβαιώσεις για Αυτόνομες Οχήματα και Ευφυείς Μεταφορές

Η ακριβής ανίχνευση κίνησης και προβλέψη τραекторίας είναι κρίσιμες για την τεχνολογία αυτόνομων οχημάτων και ευφυών μεταφορών. Τα αυτόνομα οχήματα βασίζονται σε ακριβείς προβλέψεις για το πώς τα αυτοκίνητα, τα ποδήλατα, οι πεζοί και άλλα αντικείμενα θα κινούνται για να λάβουν ενημερωμένες αποφάσεις. Ενσωματώνοντας ένα σύστημα μηχανικής μάθησης στον πίνακα φωτομεμοριστόρων, οι ερευνητές απέδειξαν ότι το ολοκληρωμένο σύστημα τους μπορούσε να προβλέψει μελλοντική κίνηση με βάση την επεξεργασία εντός του αισθητήρα ενός καρέ που περιέχει όλες τις πληροφορίες.

“Η αναγνώριση κίνησης και προβλέψη από την συμπαγή μας λύση μνήμης και υπολογισμού παρέχει νέες ευκαιρίες στις αυτόνομες ρομποτικές και ανθρώπινες-μηχανικές αλληλεπιδράσεις,” λέει ο Καθηγητής Sebastiaan van Dijken. “Οι πληροφορίες που λαμβάνουμε στο σύστημά μας χρησιμοποιώντας φωτομεμορίστορες αποφεύγουν τις περιττές ροές δεδομένων, επιτρέποντας την ενεργειακά αποδοτική λήψη αποφάσεων σε πραγματικό χρόνο.”