Sir Airffic Goភាគច្រើននៃជំពូកនេះ មកពីឯកសារស្រាវជ្រាវ តែពាក្យពេចន៍ត្រូវបានរក្សាឱ្យសាមញ្ញ។ តាមខ្ញុំមក!
ការយល់ដឹងបួនដំណាក់កាល
- រកវត្ថុ៖ រកមនុស្ស រថយន្ត និងខ្សែភ្លើងក្នុងរូបភាព ហើយគូរប្រអប់ជុំវិញវា។
- តាមដាន៖ តាមមើលថាវត្ថុដែលរកឃើញ ផ្លាស់ទីទៅណាបន្ទាប់។
- កំណត់ទីតាំងខ្លួនឯង៖ គណនាថាខ្លួនបានផ្លាស់ទីឆ្ងាយប៉ុណ្ណានិងទៅណា ពីចលនារូបភាពបូកនឹង IMU (VIO: visual-inertial odometry)។
- យល់និងទទួលការណែនាំ៖ យល់ឃ្លា "ពិនិត្យខាងក្រោយផ្ទះដំបូលក្រហម" ហើយភ្ជាប់ពាក្យទៅនឹងអ្វីដែលមើលឃើញ (VLM: AI ដែលដោះស្រាយរូបភាពនិងភាសាជាមួយគ្នា)។
ហោះពេលគូរផែនទី៖ SLAM និង VIO
នៅចុងទសវត្សរ៍ 2000 មន្ទីរពិសោធន៍សាកលវិទ្យាល័យ បានចាប់ផ្ដើមប៉ាន់ស្មានទីតាំងដ្រូនតូច ដោយកាមេរ៉ាមួយនិង IMU។ អ្វីៗទាំងអស់បានចាប់ផ្ដើមពីទីនោះ។
វិធីសាស្ត្រដូចជា SVO, VINS-Mono និង ORB-SLAM ត្រូវបានបោះពុម្ព ហើយក្លាយជាគ្រឹះរួម។ ការស្រាវជ្រាវបើកចំហ បានក្លាយជាគ្រឿងបន្លាស់នៃផលិតផល។
ដ្រូនពាណិជ្ជកម្មសព្វថ្ងៃ អាចហោះក្រោមស្ពាននិងក្នុងអគារបាន ដោយសារការងារដែលបានសន្សំមកនេះ។
ពីលើ វត្ថុមើលទៅតូចនិងវៀច
AI ដែលបង្ហាត់ដោយរូបថតថតពីលើដី ពិបាកនឹងទិដ្ឋភាពពីលើ៖ មនុស្សក្លាយជាចំណុច ហើយរថយន្តប្ដូររូបរាង។
សំណុំទិន្នន័យពីលើអាកាស ដូចជា VisDrone និង DOTA ត្រូវបានបង្កើត ដើម្បីបង្ហាត់ AI សម្រាប់មេឃជាពិសេស។
អ្នកណាកាន់កាប់ទិន្នន័យ អ្នកនោះកំណត់ថា AI ឆ្លាតប៉ុណ្ណា។ ចំណុចនេះមិនបានប្ដូរទេ ទោះក្នុងសម័យម៉ូដែលគ្រឹះក៏ដោយ។
Sir Airffic Goគម្លាត AI ច្រើនតែអាស្រ័យលើថាអ្នកមានទិន្នន័យពីលើអាកាសច្រើនប៉ុណ្ណា ច្រើនជាងក្បួនដោះស្រាយ។ ចាំចំណុចនេះសម្រាប់ជំពូកយុទ្ធសាស្ត្រ។
ថ្ងៃដែល AI ឈ្នះជើងឯកមនុស្ស
ក្នុងឆ្នាំ 2023 ដ្រូន AI ឈ្មោះ Swift ដែលបង្កើតនៅសាកលវិទ្យាល័យ Zurich បានឈ្នះអ្នកប្រណាំងដ្រូនជើងឯកពិភពលោកជាមនុស្ស។ ការងារនេះត្រូវបានបោះពុម្ពក្នុង Nature។
Swift ប៉ាន់ស្មានទីតាំងខ្លួនដោយប្រើតែកាមេរ៉ានិង IMU ហើយរៀនហោះតាមការរៀនពង្រឹង (reinforcement learning) — ហាត់ច្រើនដងក្នុងការក្លែងធ្វើ (simulation)។
នេះគឺលើផ្លូវប្រណាំងថេរ។ ការធ្វើឱ្យបានជំនាញដូចគ្នាក្នុងមេឃពិត ដែលអាកាសធាតុនិងឧបសគ្គប្រែប្រួល នៅតែជាបញ្ហាប្រឈមបើកចំហ។
ការប្រណាំងដ្រូនកម្រិតជើងឯក ដោយ deep reinforcement learning (UZH)
ភស្តុតាង: [N124]
រលកបន្ទាប់៖ មើល គិត និងធ្វើតាមពាក្យ
ចាប់ពីប្រហែលឆ្នាំ 2023 ម៉ូដែល AI ធំៗដែលដោះស្រាយរូបភាពនិងភាសាជាមួយគ្នា (ម៉ូដែលគ្រឹះ) បានចាប់ផ្ដើមធ្វើជាខួរក្បាលរ៉ូបូត។
ការស្រាវជ្រាវដ្រូនដែលធ្វើតាមការណែនាំជាសំដី ខណៈពេលយល់ទិដ្ឋភាព (aerial vision-language navigation) កំពុងកើនឡើង។
ម៉ូដែលធំៗធ្ងន់ ហើយការដំណើរការវាឱ្យលឿននៅលើយន្តហោះ នៅតែពិបាក។ ហេតុនេះហើយ ត្រូវអានជំពូកឈីប ដែលជាជំពូកបន្ទាប់ ជាមួយគ្នា។
ភស្តុតាង: [N133]
សំណួរដែលសួរញឹកញាប់
តើការងារអ្វីខ្លះប្រើ computer vision របស់ដ្រូន?
ការរកស្នាមប្រេះលើស្ពាននិងខ្សែភ្លើង ការពិនិត្យសុខភាពដំណាំ ការរកមនុស្សក្នុងការស្វែងរកនិងសង្គ្រោះ ការឃ្លាំមើលសន្តិសុខនិងចរាចរណ៍ និងការពិនិត្យទីតាំងដឹកជញ្ជូន គឺជាការប្រើទូទៅ។
តើ visual-inertial odometry (VIO) ជាអ្វី?
វិធីសាស្ត្រមួយដែលផ្សំចលនារូបភាព ជាមួយការវាស់ការបង្កើនល្បឿននិងការបង្វិលរបស់ IMU ដើម្បីគណនាថាដ្រូនបានផ្លាស់ទីឆ្ងាយប៉ុណ្ណា។ វាជាបច្ចេកវិទ្យាមូលដ្ឋានសម្រាប់ហោះដោយគ្មាន GPS។