人工智慧和計算機視覺驅動汽車、機器人和智能家居向前發展

每年我們都會在CES上看到一些令人驚嘆的技術，包括汽車、智能機器人、無人機、AR /VR、智能家電領域的創新和許多其它技術。從昂貴的未來派玩具演進到實際有用的設備是令人激動的，今年在這一方向上取得了重大進展，當然還是有一些言過其實，只是作秀的小玩意。下面來看看哪些採用人工智慧和計算機視覺的消費設備將會成為主流。

機器人和虛擬助手依靠攝像頭眼睛和內置AI智能可以完成更多的工作

自2014首次推出亞馬遜Echo以來，語音界面已經在過去幾年內被廣泛採用。今年很明確的一點是，為了達到更高的水平，必須在終端設備上採用視覺和人工智慧技術。這次展會有不計其數的包含攝像頭的機器人，其中有一些突出的產品。

歐姆龍的Forpheus採用AI技術打乒乓球（圖片來源於：CEVA)

機器人公司歐姆龍用生動有趣的方式展示了其技術，一個叫Forpheus的機器人乒乓球大師。該機器人使用兩個攝像頭來追蹤球的位置和速度，採用專利的預測模型計算球的運動軌跡，以保持與人類對手的來回對抗。還有一個額外的攝像頭追蹤人類玩家的面部表情，判斷他們是否正在享受遊戲，以確保這是一場有趣的比賽。雖然這並不意味著它是一個商用產品，但是表明人工智慧、感測和先進的機器人技術可以應用於各種工業和消費功能上。

並不是所有的演示都像Forpheus的乒乓球技術一樣流暢。LG發布的智能家居機器人CLOi，就出現了一些尷尬的時刻，比如機器人沒有回應語音命令。類似外觀的Jibo展現了其社交技能，包括面部識別。該設備自去年10月以來一直在銷售，與領先的智能音箱相比它們更加定位社交，與用戶進行個性化的交互。SLAMtec也展示一些機器人，它們的特點是Slam定位和導航解決方案，其中宙斯是一個通用的機器人平台。UbTech Robotics公司去年發布了Alexa驅動的人形機器人Lynx，今年推出了可以爬樓梯和踢足球的兩足機器人。

從左到右：SLAMtec、 Jibo和 視覺機器人Lynx （圖片來源於：CEVA）

索尼90年代末推出的機器人寵物狗Aibo以全新的，更為先進的版本重回人們的視線。它包含兩個攝像頭和多個感測器，從而可以識別主人並且對觸摸和聲音做出反應。

另一個和寵物相關的創新產品是互動式Wi-Fi寵物相機Petcube，它可以幫助用戶遠程檢查寵物的狀態。其中一款型號的寵物相機甚至可以讓你晃一晃手指就為寵物準備一頓飯。

虛擬現實應用何時騰飛？

至於虛擬現實市場的創新，我們看到了穩步地增長，但仍未像預期一樣爆炸。這主要是由於存在一些困難的挑戰，比如有限的計算資源、功耗、自內向外跟蹤（inside-out tracking)和內容質量的限制。

在2018 CES上 HTC發布了HTC Vive Pro，支持高解析度和低延遲，更重要的是它能夠直接將內容流空中傳輸到頭盔上，而不像其他設備一樣需要使用電纜。相比HTC Vive它看起來更大，由於價格昂貴所以主要針對高端專業用戶。

無線頭顯設備（HMD）HTC Vive Pro（圖片來源於：HTC)

虛擬現實技術一個新的應用是谷歌VR180，可能會成為主流消費產品。它採用創新的方式利用雙目立體相機技術來獲取一個3D圖像。它採用180度的拍攝角度，代替不方便通過正常視角觀看的360度。致力於拍攝這種新格式的兩款產品是聯想的Mirage相機和小蟻 Horizon VR180相機。用戶可以通過谷歌 Daydream VR頭盔觀看3D照片，或者在任何屏幕上觀看2D照片。

聚光燈下的無人駕駛汽車

無人駕駛汽車已經成為過去的幾年裡CES上最大的吸引力之一。今年汽車專家已經認為無人駕駛汽車屬於現實，轉而開始尋找必要的服務和應用程序，以滿足人類無需開車時產生的新需求。例如福特的首席執行官吉姆·哈克特，在他的主題演講中描述整個自動駕駛車輛的生態系統叫做「生活街」。豐田e-Palette概念車也傳遞了類似的消息，描繪車輛在沒有司機的情況下，擁有從移動賭場和餐廳到共享服務和貨物運輸的多用途和模塊化配置。

在自主航空領域，Bell直升機展示了他們如何在類似計程車的電動直升機實現無人駕駛飛行的旅程。光臨Bell展台可以通過VR頭盔嘗試這一概念。

這些例子證明每個人都清楚地認識到無人駕駛汽車的革命正在發生。唯一的問題是一旦它實現了，我們的城市將會是什麼樣子?

Bell空中計程車提供了自動駕駛直升機的縮影（圖片來源於：CEVA)

智能正在向終端移動

人工智慧在過去幾年裡爆炸式地發展是互聯網的直接結果。過去個人電腦和手持設備還不夠強大到支撐深度學習，所以像谷歌和亞馬遜這些大公司，使用巨大的伺服器中心在雲端處理數據。這種方法的優點是支持幾乎無限的計算能力，不需要考慮特定設備的處理器。但是缺點也有很多。首先是數據傳輸的延遲，會隨著網路覆蓋狀況而發生變化，更不用提沒有網路的情況。更重要的是雲端處理的缺點——隱私和安全性，當處理敏感信息時，最好保持在設備上，而不是發送到安全性薄弱的外部。

這些理由清楚地表明使用雲端處理深度學習只是一個臨時方案。一旦嵌入式平台可以提供足夠的性能支持AI處理，就會在終端設備上執行。你可能想知道嵌入式平台什麼時候才能足夠強大，答案是他們已經滿足了需求。新旗艦手機，像iPhone X上的嵌入式神經引擎能夠在本地識別人臉來解鎖手機，並沒有發送信息到雲端。許多其它人工智慧特性也可以在設備上實現，通過強大和高效的DSP以及基於矢量處理器的專用深度學習引擎。先進的處理和節能技術使這些系統比GPU和其它處理器（用於遠程伺服器）消耗更少的功耗，所以即使是小型、電池驅動的設備也可以使用人工智慧處理器如NeuPro，而不依賴雲。

NeuPro是針對嵌入式設備的一系列完整的、專用的人工智慧處理器（圖片來源於：CEVA）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！