AI时代 | 创客与机器人们

继Jetson TX2之后，Nvidia在今年大力推广其新一代边缘计算产品——NVIDIA Jetson AGX Xavier。同时不久前在美国各地运营的按需送货公司Postmates宣布推出一款全新的自动送货机器人，配备此产品模块作为计算核心。这位名为Serve的机器人可携带50磅的货物，行驶里程为30英里。该公司表示，Serve旨在与Postmates车队一起工作，并可以有效进行短距离移动。

Serve小机器人使用电力驱动，同时它还装备了Velodyne LIDAR传感器。在强传感能力与计算能力的驱使下，Serve可以即时绘制它在现实世界观察到的虚拟画面，以支持更多实时决策。人类可以通过触摸屏和相机与Serve互动，Serve则通过眼睛中的动态照明和顶部的光环进行响应。

今日的人工智能技术给予我们无限的创造力，而边缘计算则让梦想更加接近现实。同样是利用Nvidia Jetson产品，四名高中生使用神经网络创建了两个RaceCar，可以帮助火警完成工作。 RaceCar可以在高达5 Hz的速度下同时完成许多任务，包括转向、人体探测和导航。它使用的是Jetson TX系列模块。机器人能够并行处理这些任务，并能以30英里/小时的速度行驶与分析周围环境。实验证明RaceCar可以比人类更快、更安全地获取灾难现场的大多数信息减少火警伤亡与救援部署时间，挽救更多生命！

上图左边是名为RaceX的RaceCar，右边是名为Epoch的RaceCar，它们装备了数个传感器，包括惯性测量单元（IMU），相机和雷达。学生们使用这些传感器为他们打造的多个神经网络系统提供数据燃料，使其能控制汽车并检测环境。这些用于不同功能的神经网络网络在导航系统中汇集在一起，以便告诉RaceCar要去哪里以及如何到达。

然而想发挥边缘计算的优势，就离不开中心-边缘的计算结构。这些处于边缘运算过程的神经网络首先会使用大型GPU集群进行训练，达到一定效果后将其分别部署在边缘硬件上，并在后续使用过程中继续进行训练。在边缘使用GPU硬件能够让神经网络以超过CPU 30倍的速度运行，并且由于GPU的并行处理能力较强，所以每辆RaceCar能够同时运行1个目标检测神经网络，与三个串联工作的小型转向神经网络。

未来是创客的时代，只要你愿意花时间学习与积累，并努力动手实践，你就一定会成为下一个人生赢家。类似Nvidia这样的人工智能硬件提供者会越来越多，所以还在等什么？

赶紧来看看Yeslab的人工智能课程，紧跟时代的脚步吧！

THE END

更多学习课程，敬请关注《课程家》公众号