如同在世界各地任何標榜「嵌入式技術」的展會一樣,今年的年度日本橫濱國際嵌入式技術展(Embedded Technology 2018 Exhibition in Yokohama)同樣圍繞著當今最熱門的兩大話題:人工智慧(AI)和物聯網(IoT)。

一方面,日本電子產業巨擘——包括富士通(Fujitsu)、NEC和東芝(Toshiba),均展示其看好對於普及IoT應用至關重要的新材料和無線技術。

另一方面,這場「嵌入式暨物聯網」(ET/IoT)聯展的年度活動一如往年地齊集了許多日本新創公司,包括Ascent Robotics、LeapMind、Robit,以及專注於AI業務與技術的其他公司。雖然這些位於日本的AI新創公司多半都不為人所知,而其動機和世界各地的新創公司也沒有什麼不同;然而,他們積極熱情、雄心勃勃且訓練有素,可以快速做出決策。他們希望讓AI變得更有幫助,並在現實世界中展現為工業和消費應用帶來的效益。

5G、工業4.0正如火如荼展開中,不可或缺的技術都在這裡!即刻報名「2018 Tech Taipei擘劃5G時代智慧工業4.0研討會」,讓業界專家為您揭密智慧製造、工業自動化最新技術趨勢!

日本新創公司與其他地方的新創公司不同之處在於,他們致力於利用日本打造機器人和汽車方面的數十年經驗。他們希望善加利用這種「地利」之便——接近自動化生產基地以及經驗豐富的工廠管理人員,作為開發工業應用AI演算法的先機。

因此,無論是老字號企業還是新創公司,齊聚於此嵌入式技術展的業者們都有一個共同點——積極推廣並發展「邊緣技術」(edge technology)。當Google、Facebook、亞馬遜(Amazon)以及美國的其他公司可能已經在大數據(big data)、資料中心和深度學習等領域佔據一席之地,日本則希望將關注焦點轉向讓邊緣裝置變得更智慧、更加互連且自主。

Embedded Technology 2018 1

今年的日本橫濱嵌入式暨物聯網技術展會現場(來源:Japan Embedded Systems Technology Association)

接下來,《EE Times》將與您分享在今年嵌入式技術展的亮點。一起來看看我們發現了什麼有趣的事情,又讓我們從中學到了什麼。

深度學習導入嵌入式領域

科技業經理人經常在討論如何將深度學習導入其業務中,但卻很少有人關注於收集資料、實作深度學習以及在邊緣裝置上嵌入推論時的真正挑戰。

目前在現實世界中經證實奏效的深度學習實務,僅限於一些口袋較深的大型企業實施的少數應用。

東京一家新創公司LeapMind的公司使命在於讓深度學習普及於邊緣裝置。LeapMind在協助客戶時總是先詢問他們想要解決哪些具體問題,並測試深度學習是否適用於解決此類問題,接著幫助他們打造用於深度學習的大數據,最後在邊緣的嵌入式裝置上設計AI實務。

LeapMind至今已將深度學習應用於異常檢測——如定位裂縫、特定位置或生鏽區域——以及物件檢測,包括檢測汽車、交通訊號或交通標誌等。該公司也將深度學習用於危險預測,利用大數據來預測可能的故障。

Embedded Technology 2018 2

檢測混凝土裂縫(來源:EE Times)

LeapMind長期與NTT Data密切配合,協助NTT Data操控無人機沿著電線飛行並拍攝其影像以執行異常檢測。這項任務可不像表面上看起來那麼簡單,因為在兩支電線桿之間的電線往往會鬆垂下來。

但是,如果為無人機配備智慧功能,是否就能使其看到並辨識無法一直保持直線的電線呢?這正是LeapMind與NTT Data合作透過深度學習進行中的工作。

Embedded Technology 2018 3

控制無人機沿著電線飛行(來源:NTT Data)

以FPGA作為底層硬體

LeapMind的基礎技術包括低成本、低功耗的Cyclone-V FPGA元件(英特爾是LeapMind的投資者之一)以及量化至低位元的技術(據公司表示,「量化使LeapMind能夠使用位元作業以加速神經網路」)。此外,它也正開發「可在LeapMind自家目標硬體上執行的原始神經網路架構」。

LeapMind的深度學習架構基於該公司的技術——量化至較低位元寬度,已經證實適用於能以高速運行的有限記憶體。

Embedded Technology 2018 4

從TensorFlow到FPGA的自動化流程(來源:LeapMind)

LeapMind為量化開發一種特殊的訓練方法以及專為與FPGA元件高度相容而設計的原始網路。該公司最近推出一款稱為‘Blueoil’的產品,這款專用於神經網路的軟體堆疊可開放來源使用。

LeapMind聲稱基於Blueoil的新模型「只需準備好資料就可以輕鬆訓練」。完成的模型「可以轉換成一個二進制檔案,只需一個指令即可在FPGA或CPU元件上運行。」

可印刷感測器

NEC在嵌入式技術展上展示壓敏薄片感測器。這種既薄且輕的感測器還可以彎曲,它是在薄膜電晶體頂部形成的,並且可以採用印刷技術進行製造。

Embedded Technology 2018 5

壓敏薄片感測器(來源:EE Times)

薄膜電晶體根據施加到每個感測器元件的壓力,檢測相應波動的電流值。其結果是一種感測施加於整個薄片的壓力分佈機制。

這款高密度的薄片型感測器由34,560個感測器單元組成,其尺寸可以大到288x172.8mm2。只要將這種薄片感測器放置於商店的貨架上,即可用於監控展示貨物的任何位置和重量變化。

Embedded Technology 2018 6

薄片感測器擷取塑膠瓶和人手的壓力資訊(來源:EE Times)

AI新創公司探索日本汽車和機器人領域

總部位於東京的Ascent Robotics成立於2016年,並與一位加拿大機器學習專家共同創辦,由於公司員工幾乎全部都是年輕的非日本本土編程人員,因而創造了一個全英語的工作環境。該新創公司並非聚焦於硬體,而是著眼於為「智慧自動駕駛車和下一代工業機器人解決方案」開發演算法。

Ascent積極打造成長動能,期望像Preferred Networks一樣實現重大成功。Preferred Networks是一家市值超過20億美元的日本AI新創公司。Ascent自詡為日本第二大AI公司,僅次於Preferred Networks。

Embedded Technology 2018 7

Ascent開發自動駕駛演算法(來源:EE Times)

然而,Ascent並非一味地仿傚。Preferred Networks曾經獲得了豐田汽車(Toyota Motor)逾1.1億美元的投資。全球最大的工業機器人製造商——日本Fanuc也投資於Preferred Networks,使其得以利用Fanuc工廠產線上數千台機器人產生的大量數據。

相形之下,Ascent迄今尚未與日本汽車製造商或機器人製造商建立任何關聯或直接投資。

一切都跟模擬有關

然而,Ascent對於其複雜先進的模擬器信心滿滿,並看好它是目前日本汽車/機器人產業迫切需要的。Ascent認為,這樣的模擬器由於可為深度強化學習和產生模型開發AI演算法,最終將有助於使其勝出。

Ascent自家的深度學習架構稱為‘Atlas’,是該公司執行AI訓練模擬之處。據該公司介紹,Atlas將為各種任務提供「更高效、更智慧的AI訓練。此外,Atlas對於大幅「減少手動編碼、標記訓練資料和昂貴的實際測試需求」更至關重要。

Embedded Technology 2018 8

Ascent的車載感測器(來源:EE Times)

自去年夏天以來,Ascent已經為一個擁有四輛車的車隊配備每輛車8個光達、8支攝影機、4個毫米波(mmWave)雷達以及一個紅外線感測器。

Waymo或Uber等公司的龐大車隊必須上路行駛,才能使其自動駕駛車能夠學習如何駕駛。然而,相較之下,據Ascent公司稱,Ascent僅在測試和驗證以其模擬器開發的演算法時,才需要使用到車隊。

免電池的軟性信標任你貼

富士通開發的‘Pulsar Gum’是一種以太陽能電池供電的信標,尺寸約為19 x 72 x 3 mm ,無需使用電池即可傳輸ID和定位資訊,外表則以矽膠包覆(如下圖所示)。可彎曲的Pulsar Gum經久耐用,甚至可在戶外使用,並可作為穿戴式裝置或信標貼附在諸如頭盔等彎曲的表面上。

Embedded Technology 2018 9

Pulsar Gum既輕柔且可彎曲(來源:EE Times)

隨著IoT迅速滲透至工廠廠房、建築物走廊和配送倉庫,可以廣播辨識標籤(ID)至附近可攜式裝置的信標也開始普及。但是,在任何工作環境中安裝信標都需要為每個信標提供電源,以及安裝信標所需的時間。相形之下,富士通的免電池信標的安裝更輕鬆。

Embedded Technology 2018 10

軟性可彎曲的Pulsar Gum夾在矽膠之間(來源:EE Times)

後向散射

在今年的嵌入式技術展,富士通同時推出了新的Pulsar Gum改進版,結合了Alps Electric/NTT Data開發的新無線技術。

Alps/NTT Data開發團隊利用「後向散射」(backscattering)技術,實現了新的超低功耗無線通訊技術。基於Pulsar Gum的信標能在現場與大量標籤進行通訊以收集資料,而新的超低功耗通訊技術消耗的功率大約僅有使用無線技術(如BLE、IEEE 802.15.4或EnOcean)時的1/1000。

免用電池的信標結合超低功耗無線通訊技術,使其成為各種監控應用的理想選擇,包括從老化的基礎設施到製造廠房以及倉儲貨物等。

基於反向散射的無線技術可以在20毫秒(ms)內收集來自30個標籤的資料。該技術還啟用了辨識和加密功能,以確保信標和標籤之間的安全通訊。事實上,現有的RFID技術還無法提供高速資料採集或無線通訊的安全性。

AI讓視覺檢測更輕鬆?

Robit是一家成立於2014年的日本新創公司,對於該公司在快速原型設計、獨特設計、應用開發、嵌入式系統和製造方面的能力引以為榮。

Robit的第一款產品是名為‘Wake-up Call Alarm Curtain Opener Mornin’的消費產品,採用藍牙連接到手機,然後實體上連接到用戶的窗簾桿上。只要設定鬧鐘與臥室窗簾同步,這個機器人管家將會在早晨喚醒過程為你增添些許陽光。

Embedded Technology 2018 11

Robit展示其視覺檢測設備(來源:EE Times)

一開始這看起來似乎與AI或視覺檢測無關,但是當Robit的工程團隊與製造合作夥伴交談時,忽然興起了將AI導入視覺檢測過程的想法。當今製造產業正陷於技術純熟、經驗豐富的檢查人員長期短缺的困境。更重要的是,使用AI實現自動化視覺檢測過程可沒像用說的那麼容易。

一方面,檢驗設備供應商和機器人製造商還不習慣使用AI。另一方面,AI供應商在掌握製造場地的設置以及在何種照明條件下如何部署硬體,幾乎都沒什麼經驗。

Embedded Technology 2018 12

Robit基於AI的視覺演算法檢測表面異常(來源:EE Times)

Robit推出了一種新的自動視覺檢測解決方案——Tesray。該新創公司專注於為視覺檢測而設計的機器人。針對視訊處理,它採用了Robit自家開發的AI演算法,專門用於檢測產品表面上刻痕和缺口的深度和寬度。

日本嵌入式系統技術協會(JASA)

參加這場在日本橫濱的嵌入式技術展,當然也不可錯過傳說中代表日本嵌入式系統技術協會(Japan Embedded Systems Technology Association;JASA)的Cosplay女孩。

Embedded Technology 2018 13

據說她代表著日本嵌入式系統技術協會(JASA)…係真吔?(來源:EE Times)

編譯:Susan Hong

(參考原文:Japan Sniffing Out Its AI Niches,byJunko Yoshida)