Tornando os assistentes pessoais robóticos onipresentes

Recentemente, participei do MWC Shanghai. Os robôs eram grandes - muito grandes. Vi dezenas de empresas em busca de clientes para marcá-los e oferecê-los em qualquer uma das muitas aplicações. Pegue apenas um exemplo de aplicação - Tug, a enfermeira do robô. Isso não se parece muito com a nossa imagem de ficção científica de robôs, a menos que você esteja pensando em alguns dos exemplos mais utilitários de Guerra nas Estrelas. É uma caixa sobre rodas, mas tem muitos dos recursos que esperamos em robôs móveis, incluindo navegação e prevenção de obstáculos. Ele pode navegar ao redor de um hospital, irá parar se alguém passar na frente dele e irá contornar um suporte IV errante; ele também pode chamar um elevador para chegar a outro andar.

O objetivo do Tug é entregar medicamentos e alimentos aos pacientes e já está implantado em 37 hospitais VA nos Estados Unidos. Imagine a carga de trabalho que tira os ombros dos ocupados stripers de doces. Existem várias outras aplicações de assistentes, no cuidado de idosos, no apoio ao ensino, restaurantes e hotéis. Pense nisso como a próxima grande novidade em assistentes pessoais após alto-falantes inteligentes (a Amazon já tem mais de 100 mil robôs trabalhando em seus depósitos, então, obviamente, eles estão trabalhando em robôs domésticos como uma sequência do Echo). Isso não é ficção científica; robôs assistentes domésticos estão sendo enviados hoje.

Assistente de saúde do robô (Fonte:CEVA / Shutterstock)
Existem desafios técnicos óbvios na produção desse tipo de robô, não muito diferente dos problemas de direção autônoma, embora haja algumas diferenças claras. Navegação e prevenção de obstáculos são comuns, mas os conceitos de faixas de rodagem desobstruídas e gerenciamento de tráfego não se aplicam a esses robôs; é tudo sobre como evitar obstáculos e navegação dentro de um edifício (com remapeamento para contornar obstáculos imóveis temporários). E embora uma interface de linguagem natural possa ser útil em um carro, para assistentes de robôs ela pode ser essencial. Quem quer aprender a apertar botões quando a farmácia mandou o medicamento errado ou o restaurante bagunçou seu pedido?

O Gartner recentemente apresentou uma lista dos 10 principais requisitos de IA e detecção para robôs, entre os quais eles incluem:

• Visão de computador - análise de cena, reconhecimento de objeto, etc.
  

• Reconhecimento biométrico e autenticação - quem está falando comigo e eles têm permissão para dar esses comandos
  

• Uma interface de conversação - reconhecimento de fala e processamento de linguagem natural
  

• análise acústica do cenário - reconhecendo ruídos distintos, como o latido de um cachorro ou vidro quebrando
  

• Sensor de localização - onde estou e o que / quem está perto de mim
  

• Movimento autônomo - capacidade de mover-se para um alvo em outra parte do edifício sem colidir com objetos ou pessoas
  

• Funções de IA no robô - não dependem apenas da nuvem
  

A abordagem padrão para construir sistemas hoje com esses recursos começa com a construção de um sistema de IA no robô com base em uma plataforma GPU multicore. Isso é compreensível - os criadores de produtos podem criar um protótipo de solução usando uma plataforma pronta para uso, sem precisar se preocupar com detalhes ASIC, da mesma forma que usariam uma placa de desenvolvimento de CPU para aplicativos mais tradicionais. Mas, à medida que o volume do produto aumenta ou você está aumentando, o custo e a satisfação / diferenciação do cliente tornam-se cada vez mais importantes. As soluções prontas para uso são caras, consomem muita energia e é difícil diferenciar quando você está usando a mesma plataforma que todo mundo. É por isso que as soluções de alto volume inevitavelmente se voltam para as plataformas ASIC. Você não precisa abandonar todo o investimento que colocou em seu protótipo; uma plataforma de GPU de baixo custo pode permanecer parte da solução, mas um nível significativo de funcionalidade de IA pode ser transferido para uma plataforma muito mais econômica e altamente integrada.

As vantagens de desempenho por watt de DSPs sobre GPUs em aplicativos de aprendizado de máquina (ML) são bem conhecidas, derivadas em parte por causa de operações de ponto fixo sobre ponto flutuante e para flexibilidade na quantização em algumas plataformas. E as vantagens de preço (em volume) das soluções personalizadas são bem conhecidas. É por isso que é mais provável que você veja um DSP incorporado em aplicativos de ML sensíveis a volume / preço no limite do que uma GPU de prateleira.

Mas você pode fazer tudo o que você poderia fazer na GPU? Acontece que você pode fazer muitas coisas. Considere a visão computacional - posicionamento, rastreamento, reconhecimento de objetos e reconhecimento de gestos, por exemplo. Este nível de processamento de visão já está disponível hoje em algumas plataformas baseadas em DSP incorporadas. Ou pegue o movimento autônomo de apoio ao retreinamento local (sem ter que ir para a nuvem). Novamente, os principais recursos de reconhecimento para oferecer suporte a essa inteligência, os mesmos recursos que você também encontraria em uma GPU, estão disponíveis em um DSP.

O reconhecimento / autenticação de voz e a análise acústica da cena também podem ser descarregados. Esses (junto com os outros exemplos aqui) destacam claramente por que o descarregamento faz tanto sentido. Cada uma dessas operações inteligentes se divide em várias etapas, digamos, desde a captação de voz e resolução de direção até o reconhecimento básico de palavras e, em última análise, até mesmo o processamento de linguagem natural (PNL). A última etapa é desafiadora e pode exigir ir para a nuvem. Mas as etapas anteriores podem ser tratadas com muito conforto em uma solução embarcada. Alguns aplicativos, nos quais apenas um vocabulário limitado precisa ser reconhecido ou onde você deseja detectar pistas não verbais, como quebra de janela, pode não precisar da nuvem (ou de uma GPU local). Já há indícios de que mesmo a PNL limitada pode ser suportada no limite em um futuro próximo.

Uma ampla gama de soluções surgiu para oferecer suporte a essas funções de front-end usando IA na extremidade, no processamento de voz no front-end e no aprendizado profundo na IoT. Usando essas soluções, os desenvolvedores podem enfrentar mais facilmente os desafios emergentes para tornar os assistentes pessoais robóticos onipresentes.

---

Moshe Sheier é Diretor de Marketing Estratégico da CEVA, onde supervisiona o desenvolvimento corporativo e parcerias estratégicas para os principais mercados-alvo da CEVA e áreas de crescimento futuro. Moshe está engajado em empresas líderes de SW e IP para trazer soluções inovadoras baseadas em DSP para o mercado. Em seu tempo livre, Moshe anda de mountain bike e pratica Aikido.