NASA“钦点”的AI公司从火星回归了,现在要当无人机与自动驾驶的大脑

简介:

NASA“钦点”的AI公司从火星回归了,现在要当无人机与自动驾驶的大脑

NASA 在 2010 年敲响了 Neurala 的大门。这家 2006 年成立于波士顿的人工智能公司,收到了来自美国航天局的邀请:他们希望创始人 Versace 能协同同事们开发一个机器探测车软件,能够在火星上进行自动化探索。

Versace 在 2006 年刚拿到他的博士学位,致力于研究硬件的局限性对人工智能造成的延迟及影响。这也让他联同 Anatoly Gorshechnikov 与 Heather Ames 一同研究 GPU 在人工智能的可行性。当时他们拿下了支持神经网络的 GPU 的相关专利,并建立了 Neurala 公司。「当我们在餐巾纸上写下专利灵感之时,我们也没有想过能在未来某天把它带给消费者,天知道经历了些什么!」

NASA 的野心并不容易实现,目前火星探测车在计算能力、沟通及能源问题上还存在很多局限。NASA 工程师们希望利用的人工智能能具备以下特点:只通过低端摄像机拍下的图像探索火星上的不同环境。更重要的是,这样的 AI 软件需要只在一个简单的 GPU 上运行。

雷锋网此处要顺带一提了,我们都知道人工智能系统对处理器的性能要求还是挺高的,更何况是要适应太空探索这样高难度的项目。但在六年后,Neurala 已经开始测试为 NASA 研发的这款 AI「大脑」,并希望在数月后正式与消费者见面。

目前 Neurala 已经获得了 1400 万美元的 A 轮融资,虽然它一开始致力于开发火星的 AI 技术,不过现在也计划「落地」,将他们的技术成果应用于地球上。

与 NASA 的火星探测车一样,高速无人机或是自动驾驶汽车能够采用 AI 系统很快地检测到周边环境的物体,并根据探测结果做出相应的决策。

Neurala 的 AI 软件目前已经完成专利申请,并实现了商业化,现在正与一些无人机公司与自动驾驶厂商洽谈视觉识别方面的合作。 

Neurala 的 AI 大脑主要依赖的是深度学习于近几年的进步,并利用人工神经网络自我训练,通过多层网络处理过滤有关的数据,实现物体识别。

不过与谷歌、亚马逊及 Facebook 所做的人工智能项目不同的是,Neurala 会提供基于云计算的深度学习的工具插件与在线服务,即使用的是智能手机里的芯片,AI 系统同样也可以在上面顺利跑起来。虽然 Versace 否认他们想走专精道路,但 Neurala 的目标主要还是在边缘计算上,即依赖板载硬件,而非依赖中央系统。

「比起在云端,在本地训练数据更具依赖性,也更富创新感。我们希望为消费者提供一个完整的、端到端的方案,解决从导航、避障到图像处理领域的问题。而且,我们希望这些都能在设备上一条龙实现,而不是依赖服务器来处理。」

目前 ARM 及英特尔都对边缘计算虎视眈眈,雷锋网(公众号:雷锋网)了解到,他们去年年底还联合华为、通软动力及中国科学院沈阳自动化研究所、中国信息通信研究院组建了边缘计算产业联盟 (Edge Computing Consortium,简称 ECC)。但 Versace 对于巨头的入局似乎并不担忧,表示目前深度学习在边缘计算上的高效专注投入能够让软件适配上述的多家厂家的标准处理器。

NASA“钦点”的AI公司从火星回归了,现在要当无人机与自动驾驶的大脑无人机行业也让 Neurala 在市场中站稳了脚跟。通过软件开发包,Neurala 顺利在不少公司间积累了合作,比如 Teal Drones 就在无人机产品上采用了他们家的软件,Parrot 与 Neurala 也有着多年的深度合作。在 2016 年年底,Neurala 获得了 1370 万美元的投资。

NASA“钦点”的AI公司从火星回归了,现在要当无人机与自动驾驶的大脑

此外,Neurala 也在自动驾驶汽车达成了不少合作,但副总裁 Roger Matus 表示目前还不方便透露合作厂商,但搭载的软件能够帮助汽车实时识别路人及道路标识,并已经成功进行了道路测试。而作为方案提供商,Neurala 的 AI 解决方案也为摩托罗拉提供了火警及报警部门方面的紧急情况反馈。

Matus 表示,目前 Neurala 计划将深度学习 AI 应用于机器人玩具及家用机器人中。「想象一下,一个家庭机器人能够知道是哪位家庭成员在下达指令,而且在提出『给我一听啤酒』时知道啤酒是什么东西。」他还补充道,实际上这一场景的实现需要机器与用户达成快速流畅的交互,但目前云系统还不能保证这一功能。

本文作者:奕欣

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
7月前
|
传感器 机器学习/深度学习 算法
无人机视角yolo多模态、模型剪枝、国产AI芯片部署
无人机视角yolo多模态、模型剪枝、国产AI芯片部署
无人机视角yolo多模态、模型剪枝、国产AI芯片部署
|
传感器 机器学习/深度学习 人工智能
Nature封面:AI提高自动驾驶夜视能力,检测黑夜、雾天场景和白天一样
Nature封面:AI提高自动驾驶夜视能力,检测黑夜、雾天场景和白天一样
197 0
|
20天前
|
机器学习/深度学习 传感器 人工智能
智慧无人机AI算法方案
智慧无人机AI算法方案通过集成先进的AI技术和多传感器融合,实现了无人机的自主飞行、智能避障、高效数据处理及多机协同作业,显著提升了无人机在复杂环境下的作业能力和安全性。该方案广泛应用于航拍测绘、巡检监测、应急救援和物流配送等领域,能够有效降低人工成本,提高任务执行效率和数据处理速度。
智慧无人机AI算法方案
|
4月前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络深度剖析:Python带你潜入AI大脑,揭秘智能背后的秘密神经元
【8月更文挑战第1天】在当今科技飞速发展的时代,AI已成为日常生活中不可或缺的一部分。神经网络作为AI的核心,通过模拟人脑中的神经元连接方式处理复杂数据模式。利用Python及其强大的库TensorFlow,我们可以轻松构建神经网络模型。示例代码展示了如何建立一个含有两层隐藏层的简单神经网络,用于分类任务。神经网络通过反向传播算法不断优化权重和偏置,从而提高预测准确性。随着技术的进步,神经网络正变得越来越深、越来越复杂,能够应对更加艰巨的挑战,推动着AI领域向前发展。
52 2
|
1月前
|
传感器 机器学习/深度学习 人工智能
自动驾驶汽车中的AI:从概念到现实
【10月更文挑战第31天】自动驾驶汽车曾是科幻概念,如今正逐步成为现实。本文探讨了自动驾驶汽车的发展历程,从早期的机械控制到现代的AI技术应用,包括传感器融合、计算机视觉、路径规划和决策控制等方面。尽管面临安全性和法规挑战,自动驾驶汽车在商用运输、公共交通和乘用车领域展现出巨大潜力,未来将为人类带来更安全、便捷、环保的出行方式。
|
2月前
|
机器学习/深度学习 人工智能 自动驾驶
2024.10|AI/大模型在机器人/自动驾驶/智能驾舱领域的最新应用和深度洞察
本文介绍了AI和大模型在机器人、自动驾驶和智能座舱领域的最新应用和技术进展。涵盖多模态大语言模型在机器人控制中的应用、移动机器人(AMRs)的规模化部署、协作机器人的智能与安全性提升、AR/VR技术在机器人培训中的应用、数字孪生技术的优化作用、Rust语言在机器人编程中的崛起,以及大模型在自动驾驶中的核心地位、端到端自动驾驶解决方案、全球自动驾驶的前沿进展、智能座舱的核心技术演变和未来发展趋势。
107 2
|
2月前
|
机器学习/深度学习 人工智能 算法
Nature子刊:AI模型测大脑年龄,究竟哪些因素会加速大脑衰老?
【10月更文挑战第7天】《自然医学》杂志近期发布了一项研究,介绍了一种名为BrainAge的人工智能模型,该模型可预测个体的大脑年龄并分析影响大脑衰老的因素。研究团队来自美国加州大学旧金山分校,利用英国生物银行的近50,000名参与者的数据,发现高血压、糖尿病、肥胖、吸烟、饮酒、缺乏运动及遗传因素均与大脑衰老有关。尽管存在数据集限制等局限性,BrainAge模型仍为研究大脑衰老和相关疾病提供了重要工具。
56 1
|
2月前
|
人工智能 自动驾驶 机器人
【通义】AI视界|苹果自动驾驶汽车项目画上句号:加州测试许可被取消
本文精选了24小时内的重要科技新闻,包括Waymo前CEO批评马斯克对自动驾驶的态度、AMD发布新款AI芯片但股价波动、苹果造车项目终止、Familia.AI推出家庭应用以及AI逆向绘画技术的进展。更多内容请访问通义官网体验。
|
3月前
|
机器学习/深度学习 人工智能 TensorFlow
神经网络深度剖析:Python带你潜入AI大脑,揭秘智能背后的秘密神经元
【9月更文挑战第12天】在当今科技飞速发展的时代,人工智能(AI)已深入我们的生活,从智能助手到自动驾驶,从医疗诊断到金融分析,其力量无处不在。这一切的核心是神经网络。本文将带领您搭乘Python的航船,深入AI的大脑,揭秘智能背后的秘密神经元。通过构建神经网络模型,我们可以模拟并学习复杂的数据模式。以下是一个使用Python和TensorFlow搭建的基本神经网络示例,用于解决简单的分类问题。
49 10
|
7月前
|
传感器 人工智能 自动驾驶
【AI 场景】如何开发用于自动驾驶的人工智能系统?
【5月更文挑战第3天】【AI 场景】如何开发用于自动驾驶的人工智能系统?