Datorredzes sasniegumi veicina transporta autonomiju

Vīzija ir spēcīga cilvēka maņu ievade. Tas ļauj veikt sarežģītus uzdevumus un procesus, kurus mēs uzskatām par pašsaprotamiem. Palielinoties AoT™ (lietu autonomijai) dažādās lietojumprogrammās, sākot no transporta un lauksaimniecības līdz robotikai un medicīnai, kameru, skaitļošanas un mašīnmācības loma cilvēkam līdzīgas redzes un izziņas nodrošināšanā kļūst nozīmīga. Datorredze kā akadēmiska disciplīna parādījās 1960. gados, galvenokārt universitātēs, kas nodarbojas ar mākslīgā intelekta (AI) un mašīnmācības jauno jomu. Nākamajās četrās desmitgadēs tas strauji progresēja, jo tika panākts ievērojams progress pusvadītāju un skaitļošanas tehnoloģijās. Nesenie sasniegumi dziļās mācīšanās un mākslīgā intelekta jomā ir vēl vairāk paātrinājuši datorredzes pielietošanu, lai nodrošinātu reāllaika, zema latentuma uztveri un vides izziņu, nodrošinot autonomiju, drošību un efektivitāti dažādās lietojumprogrammās. Transports ir viena no jomām, kas ir guvusi ievērojamu labumu.

LiDAR (gaismas noteikšana un diapazona noteikšana) ir aktīva optiskā attēlveidošanas pieeja, kas izmanto lāzerus, lai noteiktu 3D vidi ap objektu. Tā ir viena no tehnoloģijām, ko mēģina izjaukt datorredzes risinājumi (kas balstās tikai uz apkārtējo gaismu un neizmanto lāzerus 3D uztverei). Kopējā tēma ir tāda, ka cilvēku vadītājiem nav nepieciešams LiDAR dziļuma uztverei, tāpat arī mašīnām. Pašreizējie komerciālie L3 autonomās braukšanas līdzekļi (pilnīga autonomija noteiktos ģeogrāfiskos un laikapstākļos, vadītājs ir gatavs pārņemt vadību dažu sekunžu laikā) produkti jau šodien izmantojiet LiDAR. Tīri uz redzi balstītas metodes joprojām nav spējušas piedāvāt šo iespēju komerciāli.

REKLĀMAS

TeslaTSLA
ir dominējošais pasīvās, uz kamerām balstītas datorredzes izmantošanas atbalstītājs, lai nodrošinātu pasažieru transportlīdzekļa autonomiju. Uzņēmuma nesenajā AI dienas pasākumā Elons Masks un viņa inženieri sniedza iespaidīgu prezentāciju AI, datu pārvaldības un skaitļošanas iespējas, kas cita starpā atbalsta Full Self Driving (FSD) funkciju vairākos Tesla modeļos. FSD pieprasa, lai vadītājs cilvēks vienmēr būtu iesaistīts braukšanas uzdevumā (kas atbilst L2 autonomijai). Pašlaik šī iespēja ir pieejama 160,000 8 transportlīdzekļu, ko iegādājušies klienti ASV un Kanādā. 360 kameru komplekts katrā transportlīdzeklī nodrošina 75° noslodzes karti. Kameras (un citi) dati no šiem transportlīdzekļiem tiek izmantoti, lai apmācītu tā neironu tīklu (kas izmanto automātisko marķēšanu), lai atpazītu objektus, attēlotu iespējamās transportlīdzekļa trajektorijas, atlasītu optimālās un aktivizētu atbilstošās vadības darbības. Pēdējo 12 mēnešu laikā ir notikuši ~1 7 neironu tīkla atjauninājumu (~4 atjauninājums ik pēc XNUMX minūtēm), jo pastāvīgi tiek vākti jauni dati un tiek atklātas marķēšanas vai manevrēšanas kļūdas. Apmācītais tīkls veic plānošanas un kontroles darbības, izmantojot iebūvētu, mērķtiecīgi izveidotas skaitļošanas elektronikas redundantu arhitektūru. Tesla sagaida, ka FSD galu galā novedīs pie autonomiem transportlīdzekļiem (AV), kas nodrošina pilnīgu autonomiju noteiktās darbības dizaina jomās bez cilvēka vadītāja iesaistīšanās (saukta arī par LXNUMX autonomiju).

Citi uzņēmumi, piemēram, Phiar, Helm.ai un NODAR arī īsteno datorredzes ceļu. NODAR mērķis ir ievērojami paplašināt stereo kameru sistēmu attēlu diapazonu un 3D uztveri, mācoties pielāgoties kameras novirzēm un vibrācijas efektiem, izmantojot patentētus mašīnmācīšanās algoritmus. Tas nesen piesaistīja USD 12 miljonus lai ražotu savu vadošo produktu Hammerhead™, kurā tiek izmantotas gatavās automobiļu kvalitātes kameras un standarta skaitļošanas platformas.

Papildus izmaksām un izmēram, bieži sastopams arguments pret LiDAR izmantošanu ir ierobežots diapazons un izšķirtspēja salīdzinājumā ar kamerām. Piemēram, šodien ir pieejami LiDAR ar 200 m diapazonu un 5–10 M punkti sekundē (PPS līdzinās izšķirtspējai). 200 m attālumā nelieli šķēršļi, piemēram, ķieģeļi vai riepu gruveši, reģistrēs ļoti maz punktu (varbūt 2-3 vertikālā virzienā un 3-5 horizontālā virzienā), apgrūtinot objektu atpazīšanu. Garākos attālumos lietas kļūst vēl rupjākas. Salīdzinājumam, standarta megapikseļu kameras, kas darbojas ar 30 Hz, var ģenerēt 30 M pikseļus sekundē, nodrošinot izcilu objektu atpazīšanu pat lielos attālumos. Uzlabotas kameras (12 M pikseļi) var to vēl vairāk palielināt. Jautājums ir par to, kā izmantot šos apjomīgos datus un radīt praktisku uztveri ar milisekundes līmeņa latentumiem, zemu enerģijas patēriņu un vājiem apgaismojuma apstākļiem.

REKLĀMAS

Atpazīt, Kalifornijas uzņēmums, mēģina atrisināt šo problēmu. Pēc izpilddirektora Marka Bolito teiktā, tā misija ir "nodrošina pārcilvēcisku vizuālo uztveri pilnībā autonomiem transportlīdzekļiem”. Uzņēmums tika dibināts 2017. gadā, līdz šim ir piesaistījis 75 miljonus ASV dolāru, un tajā strādā 70 darbinieki. RK Anands, Juniper Networks absolvents, ir viens no līdzdibinātājiem un galvenais produktu direktors. Viņš uzskata, ka, izmantojot augstākas izšķirtspējas kameras ar > 120 dB dinamisko diapazonu, kas darbojas ar lielu kadru ātrumu (piemēram, OnSemi, Sony un Omnivision), tiek nodrošināti dati, kas nepieciešami augstas izšķirtspējas 3D informācijas izveidei, kas ir ļoti svarīga AV realizēšanai. To veicinātāji ir:

1. Pielāgoti izstrādāti ASIC, lai efektīvi apstrādātu datus un izveidotu precīzas un augstas izšķirtspējas automašīnas vides 3D kartes. Tie ir izgatavoti, izmantojot TSMC 7 nm procesu, ar mikroshēmas izmēru 100 mm² un darbojas ar 1 GHz frekvenci.
2. Patentēti mašīnmācīšanās algoritmi, lai bezsaistē apstrādātu miljoniem datu punktu, lai izveidotu apmācītu neironu tīklu, kas pēc tam var darboties efektīvi un nepārtraukti mācīties. Šis tīkls nodrošina uztveri un ietver objektu klasifikāciju un noteikšanu, semantisko segmentāciju, joslu noteikšanu, ceļa zīmes un luksoforu atpazīšanu.
3. Samaziniet glabāšanas un reizināšanas operācijas ārpus mikroshēmas, kas ir intensīvas un rada lielu latentumu. Recogni ASIC dizains ir optimizēts logaritmiskai matemātikai un izmanto saskaitīšanu. Papildu efektivitāte tiek realizēta, optimāli sagrupējot svarus apmācītajā neironu tīklā.

Apmācības fāzē komerciālais LiDAR tiek izmantots kā patiesība, lai apmācītu augstas izšķirtspējas, augsta dinamiskā diapazona stereokameras datus, lai iegūtu informāciju par dziļumu un padarītu to izturīgu pret novirzēm un vibrācijas efektiem. Pēc Anand kunga teiktā, viņu mašīnmācīšanās ieviešana ir tik efektīva, ka tā var ekstrapolēt dziļuma aprēķinus ārpus apmācības diapazoniem, ko nodrošina kalibrēšanas LiDAR (kas nodrošina pamata patiesību 100 m diapazonā).

REKLĀMAS

Iepriekš minētie apmācības dati tika veikti dienas laikā ar 8.3 megapikseļu stereo kameru pāri, kas darbojas ar 30 Hz kadru ātrumu (~ 0.5 B pikseļi sekundē). Tas parāda apmācītā tīkla spēju iegūt 3D informāciju ainā, kas pārsniedz 100 m diapazonu, kurā tas tika apmācīts. Recognition risinājums var arī ekstrapolēt mācīšanos ar dienas datiem uz veiktspēju nakts laikā (2. attēls).

REKLĀMAS

Pēc Anand kunga teiktā, diapazona dati ir precīzi 5% robežās (lielos diapazonos) un gandrīz 2% (īsākos diapazonos). Risinājums nodrošina 1000 TOPS (triljonus darbību sekundē) ar 6 ms latentumu un 25 W enerģijas patēriņu (40 TOPS/W), kas ir līderis nozarē. Konkurenti, kuri izmanto veselu skaitļu matemātiku, šajā rādītājā ir par 10 reizēm zemāki. Recogni risinājums pašlaik tiek izmēģināts pie vairākiem 1. līmeņa automobiļu piegādātājiem.

Pravietojiet (“paredzēt un redzēt, kur notiek darbība”), kas atrodas Francijā, izmanto savas uz notikumiem balstītas kameras AV, Advanced Driver Assistance Systems (ADAS), rūpnieciskajai automatizācijai, patērētāju lietojumprogrammām un veselības aprūpei. Uzņēmums tika dibināts 2014. gadā uzņēmums nesen slēdza savu C kārtas finansējumu 50 miljonu USD apmērā, līdz šim ir savākti 127 miljoni USD. Viens no investoriem ir vadošais mobilo tālruņu ražotājs Xiaomi. Prophesee mērķis ir līdzināties cilvēka redzei, kurā tīklenes receptori reaģē uz dinamisku informāciju. Cilvēka smadzenes koncentrējas uz ainas izmaiņu apstrādi (īpaši braukšanai). Pamatideja ir izmantot kameru un pikseļu arhitektūru, kas nosaka gaismas intensitātes izmaiņas virs sliekšņa (notikums) un nodrošina tikai šos datus skaitļošanas stekam turpmākai apstrādei. Pikseļi darbojas asinhroni (nav ierāmēti kā parastajās CMOS kamerās) un ar daudz lielāku ātrumu, jo tiem nav jāintegrē fotoni kā parastajā kadru kamerā un jāgaida, līdz viss kadrs to pabeigs pirms datu nolasīšanas. Priekšrocības ir būtiskas — mazāks datu joslas platums, lēmuma pieņemšanas latentums, krātuve un enerģijas patēriņš. Uzņēmuma pirmajam komerciālās VGA uz notikumiem balstītam redzes sensoram bija augsts dinamiskais diapazons (>120 dB), zems enerģijas patēriņš (26 mW sensora līmenī vai 3 nW uz notikumu). Ir izlaista arī HD (augstas izšķirtspējas) versija (kopīgi izstrādāta ar Sony) ar nozarē vadošo pikseļu izmēru (< 5 μm).

REKLĀMAS

Šie sensori veido Metavision® sensoru platformas kodolu, kas izmanto AI, lai nodrošinātu gudru un efektīvu uztveri autonomijas lietojumprogrammām, un to novērtē vairāki uzņēmumi transporta jomā. Papildus AV un ADAS uztveršanai uz priekšu, Prophesee aktīvi sadarbojas ar klientiem, lai salonā uzraudzītu vadītāju L2 un L3 lietojumprogrammām, skatiet 4.

Automobiļu iespējas ir ienesīgas, taču projektēšanas cikli ir gari. Pēdējo divu gadu laikā Prophesee ir piedzīvojis ievērojamu interesi un vilci par mašīnredzes telpu rūpnieciskiem lietojumiem. Tie ietver ātrgaitas skaitīšanu, virsmas pārbaudi un vibrācijas uzraudzību.

REKLĀMAS

Prophesee nesen paziņoja par sadarbību ar vadošajiem mašīnredzes sistēmu izstrādātājiem, lai izmantotu iespējas rūpnieciskās automatizācijas, robotikas, automobiļu un IoT (lietiskā interneta) jomā. Citas tūlītējas iespējas ir attēla izplūšanas korekcija mobilajiem tālruņiem un AR/VR lietojumprogrammām. Tie izmanto zemāka formāta sensorus nekā tie, kas tiek izmantoti ilgtermiņa ADAS/AV iespējām, patērē vēl mazāku jaudu un darbojas ar ievērojami mazāku latentumu.

Izraēla ir vadošais novators augsto tehnoloģiju jomā ar ievērojamām riska investīcijām un aktīvu start-up vidi. Kopš 2015. gada ir veikti aptuveni USD 70 miljardi riska vadīti ieguldījumi tehnoloģiju nozarē. Daļa no tā ir datorredzes jomā. Mobileye vadīja šo revolūciju 1999. gadā, kad Amnons Šašua, vadošais mākslīgā intelekta pētnieks Ebreju universitātē, nodibināja uzņēmumu, lai koncentrētos uz kameru uztveri ADAS un AV. Uzņēmums iesniedza IPO pieteikumu 2014. gadā, un to iegādājās IntelINTC
2017. gadā par USD 15 miljardiem. Mūsdienās tas ir kļuvis par vadošo datoru redzes un AV jomā un nesen paziņoja par nodomu iesniegt IPO un kļūt par neatkarīgu vienību. Mobileye ieņēmumi bija 1.4 miljardi ASV dolāru gadā un nelieli zaudējumi (75 miljoni ASV dolāru). Tas nodrošina datorredzes iespējas 50 automobiļu oriģinālo iekārtu ražotājiem, kuri to izvieto 800 automašīnu modeļos, lai nodrošinātu ADAS iespējas. Nākotnē viņi plāno vadīt L4 transportlīdzekļu autonomiju (nav nepieciešams vadītājs), izmantojot šīs datorredzes zināšanas un LiDAR iespējas, kuru pamatā ir Intel silīcija fotonikas platforma. Tiek lēsts, ka Mobileye novērtējums ir aptuveni 50 miljardi ASV dolāru, kad tie beidzot tiks publiskoti.

REKLĀMAS

Champel galvaspilsēta, kas atrodas Jeruzalemē, ir viens no vadošajiem ieguldījumiem uzņēmumos, kas izstrādā produktus, kuru pamatā ir datorredze dažādiem lietojumiem, sākot no transporta un lauksaimniecības līdz drošībai un drošībai. Amirs Veitmens ir līdzdibinātājs un vadošais partneris, un savu riska uzņēmumu nodibināja 2017. gadā. Pirmais fonds ieguldīja 20 miljonus USD 14 uzņēmumos. Viens no viņu ieguldījumiem bija Innoviz, kas 2018. gadā kļuva publiski pieejams SPAC apvienošanās rezultātā un kļuva par LiDAR vienradzi. Omera Keilafa vadībā (kurš cēlies no Izraēlas Aizsardzības spēku izlūkošanas korpusa tehnoloģiju vienības) Uzņēmums šodien ir līderis LiDAR izvietošanā ADAS un AV, ar vairākām dizaina uzvarām BMW un Volkswagen.

Champel Capital otrais fonds (Impact Deep Tech Fund II) tika izveidots 2022. gada janvārī un līdz šim ir piesaistījis 30 miljonus USD (mērķis ir 100 miljoni USD līdz 2022. gada beigām). Dominējošā uzmanība tiek pievērsta datorredzei, piecos uzņēmumos ir izvietoti 12 miljoni USD. Trīs no tiem izmanto datorredzību transportam un robotikai.

TankU, atrodas Haifā, sāka darbību 2018. gadā un ir piesaistījis finansējumu 10 miljonu dolāru apmērā. Dens Valdhorns ir izpilddirektors un absolvējis Unit 8200 — Izraēlas Aizsardzības spēku elites augsto tehnoloģiju grupu, kas ir atbildīga par signālu izlūkošanu un koda atšifrēšanu. TankU SaaS (Software as a Service) produkti automatizē un nodrošina procesus sarežģītās āra vidēs, apkalpojot transportlīdzekļus un vadītājus. Šos produktus izmanto transportlīdzekļu parku, privāto automašīnu, degvielas uzpildes un elektrisko uzlādes staciju īpašnieki, lai novērstu zādzības un krāpšanu automatizētos finanšu darījumos. Transportlīdzekļu degvielas pakalpojumi ik gadu gūst globālos ieņēmumus ~ 2T USD, no kuriem privāto un komerciālo transportlīdzekļu parku īpašnieki patērē 40% jeb 800 miljardus USD. Mazumtirgotāji un autoparku īpašnieki katru gadu zaudē ~ 100 miljardus ASV dolāru zādzību un krāpšanas dēļ (piemēram, izmantojot autoparka degvielas karti neatļautiem privātajiem transportlīdzekļiem). CNP (Card not present) krāpšana un viltošana/degvielas zādzība ir papildu zaudējumu avoti, īpaši, ja norēķiniem izmantojat nozagtas kartes datus mobilajās lietotnēs.

REKLĀMAS

Uzņēmuma TUfuel produkts atvieglo drošu maksājumu ar vienu pieskārienu, bloķē lielāko daļu krāpšanas veidu un brīdina klientus, ja ir aizdomas par krāpšanu. Tas tiek darīts, pamatojoties uz mākslīgā intelekta dzinēju, kas apmācīts, izmantojot datus no esošajām videonovērošanas ierīcēm šajās iekārtās un digitālo darījumu datus (tostarp POS un citus aizmugures datus). Lai atklātu krāpšanu, tiek uzraudzīti tādi parametri kā transportlīdzekļa trajektorija un dinamika, transportlīdzekļa ID, brauciena laiks, nobraukums, degvielas uzpildes laiks, degvielas daudzums, degvielas vēsture un vadītāja uzvedība. Šie dati arī palīdz mazumtirgotājiem optimizēt vietnes darbību, uzlabot klientu lojalitāti un izvietot uz redzējumu balstītus mārketinga rīkus. Saskaņā ar izpilddirektora Dena Valdhorna teikto, viņu risinājums atklāj 70% no flotes, 90% no kredītkartēm un 70% ar manipulācijām saistītu krāpšanas gadījumu.

Sonol ir energopakalpojumu uzņēmums, kam visā Izraēlā pieder un pārvalda 240 staciju un veikalu tīkls. TUfuel tiek izvietots viņu vietnēs, un tas ir pierādījis uzlabotu drošību, krāpšanas novēršanu un klientu lojalitāti. ASV notiek produktu izmēģinājumi sadarbībā ar pasaules vadošo degvielas uzpildes staciju un veikalu aprīkojuma piegādātāju. Līdzīgas iniciatīvas tiek īstenotas arī Āfrikā un Eiropā.

REKLĀMAS

Telavivā ITC 2019. gadā dibināja mašīnmācīšanās akadēmiķi no Ben-Guriona universitātes. ITC rada SaaS produktus, kas "Izmēriet satiksmes plūsmu, prognozējiet sastrēgumus un samaziniet tos, gudri manipulējot ar luksoforiem — pirms sastrēgumu veidošanās." Līdzīgi kā TankU, tas izmanto datus no gatavām kamerām (kas jau ir uzstādītas daudzos satiksmes krustojumos), lai iegūtu reāllaika satiksmes datus. Tiek analizēti dati no tūkstošiem kameru visā pilsētā, un, izmantojot patentētus mākslīgā intelekta algoritmus, tiek iegūti tādi parametri kā transportlīdzekļa tips, ātrums, kustības virziens un transportlīdzekļu tipu secība (kravas un vieglās automašīnas). Simulācijas prognozē satiksmes plūsmu un iespējamās satiksmes sastrēgumu situācijas līdz pat 30 minūtēm iepriekš. Izmantojot šos rezultātus, tiek regulēti luksofori, lai netraucētu satiksmes plūsmu un novērstu sastrēgumus.

AI sistēmas apmācība aizņem vienu mēnesi no vizuāliem datiem tipiskā pilsētā un ietver uzraudzītas un neuzraudzītas mācīšanās kombināciju. ITC risinājums jau ir ieviests Telavivā (25. gadā tas ir 2020. vieta pasaules pārslogotākajās pilsētās), un simtiem krustojumu, ko kontrolē luksofori, ir izvietotas tūkstošiem kameru. ITC sistēma pašlaik pārvalda 75 XNUMX transportlīdzekļu, un paredzams, ka tas turpinās pieaugt. Uzņēmums uzstāda a līdzīgas iespējas Luksemburgā un sāk izmēģinājumus lielākajās ASV pilsētās. Visā pasaulē tā risinājums pārvalda 300,000 XNUMX transportlīdzekļu ar darbības vietām Izraēlā, ASV, Brazīlijā un Austrālijā. CTO Dvirs Kenigs aizrautīgi cenšas atrisināt šo problēmu – atdot cilvēkiem personīgo laiku, samazināt siltumnīcefekta gāzu emisijas, uzlabot kopējo produktivitāti un, pats galvenais, samazināt negadījumu skaitu pārslogotos krustojumos. Pēc Keniga kunga teiktā, "Mūsu izvietošana liecina par satiksmes sastrēgumu samazinājumu par 30%, samazinot neproduktīvo braukšanas laiku, stresu, degvielas patēriņu un piesārņojumu."

REKLĀMAS

Robotika telpās bija dibināta 2018 un nesen piesaistīja finansējumu 18 miljonu dolāru apmērā. Uzņēmums, kas atrodas netālu no Telavivas, Izraēlā, izstrādā un pārdod autonomus dronu risinājumus iekštelpu drošības, drošības un apkopes uzraudzībai. Izpilddirektoram un līdzdibinātājam Doronam Ben-Deividam ir ievērojama pieredze robotikas un aeronautikas jomā, kas uzkrāta IAI.IAI
(lielākais aizsardzības galvenais darbuzņēmējs) un MAFAT (progresīva pētniecības organizācija Izraēlas Aizsardzības ministrijā), kas ir līdzīga DARPA Amerikas Savienotajās Valstīs. Pieaugošās investīcijas viedās ēkās un komerciālās drošības tirgos veicina nepieciešamību pēc autonomām sistēmām, kas var izmantot datorredzi un citas sensorās ievades mazās un lielās iekšējās tirdzniecības telpās (birojās, datu centros, noliktavās un mazumtirdzniecības telpās). Indoor Robotics mērķē uz šo tirgu, izmantojot iekštelpu dronus, kas aprīkoti ar standarta kamerām un siltuma un infrasarkano staru diapazona sensoriem.

Ofirs Bar-Levavs ir biznesa galvenais direktors. Viņš skaidro, ka GPS trūkums ir traucējis iekštelpu droniem lokalizēties ēkās (parasti tiem ir liegta GPS vai tie ir neprecīzi). Turklāt trūka ērtu un efektīvu dokstacijas un barošanas risinājumu. Indoor Robotics to risina ar četrām dronā uzstādītām kamerām (augšpusē, uz leju, pa kreisi, pa labi) un vienkāršiem diapazona sensoriem, kas precīzi kartē iekštelpu telpu un tās saturu. Kameras datus (kameras nodrošina lokalizācijas un kartēšanas datus) un siltuma sensorus (arī uzstādīti dronā) analizē mākslīgā intelekta sistēma, lai noteiktu iespējamās drošības, drošības un apkopes problēmas un brīdinātu klientu. Drons darbojas, izmantojot pie griestiem piestiprinātu "dokstacijas flīzi", kas ietaupa vērtīgu grīdas platību un ļauj vākt datus uzlādes laikā. Šo ikdienišķo procesu automatizācijas finansiālās priekšrocības, kur cilvēku darbs ir sarežģīts un dārgs darbā pieņemšanas, paturēšanas un apmācības ziņā, ir acīmredzamas. Izmantojot gaisa dronus salīdzinājumā ar uz zemes izvietotiem robotiem, ir arī ievērojamas priekšrocības kapitāla un ekspluatācijas izmaksu, labākas telpas izmantošanas, pārvietošanās brīvības, nesaskaroties ar šķēršļiem, un kameras datu uztveršanas efektivitātes ziņā. Saskaņā ar Bar-Levav kungu, Indoor Robotics TAM (kopējais adresējamais tirgus) iekštelpu inteliģentajās drošības sistēmās līdz 80. gadam sasniegs 2026 miljardus USD. Mūsdienās galvenās klientu atrašanās vietas ir vadošo globālo korporāciju noliktavas, datu centri un biroju pilsētiņas.

REKLĀMAS

Datorredze maina autonomijas spēli – kustību automatizācijā, drošībā, viedajā ēku uzraudzībā, krāpšanas atklāšanā un satiksmes pārvaldībā. Pusvadītāju un AI jauda ir spēcīgi veicinātāji. Kad datori mērogojamā veidā apgūst šo neticamo sensoro modalitāti, iespējas ir bezgalīgas.