采用 GPU 打造室内用的无人机

Marc Gyongyosi 并非寻常的大学生，这位西北大学麦考克工程学院主修计算机科学课程的大三学生，投入开发轻型机器人，将应用范围放眼到课堂以外的地方。

Gyongyosi 不只花了两年的时间与 BMW 的机器人研究部门合作，发展协助工厂员工进行作业的机器人系统；他也与两家新创公司合作，其中 MDAR Technologies 的研究方向为自动驾驶车 3D 视觉系统。

不过他自己成立的 IFM Technologies，让他登上 NVIDIA GPU 科技年会的舞台。

IFM 的研究主题是可在室内安心操作的无人驾驶飞行器。目前多数无人机只能在室外飞行，原因是因为：a）体积过大又笨重，无法安全在室内飞行；b）无法在室内使用无人机依赖的 GPS 系统。另一项让室外无人机市场更形复杂的因素，就是得取得美国联邦航空总署（FAA）的飞行许可，而室内无人机则无此困扰。

Gyongyosi 综合这些因素，判断商用室内无人机是一个潜力无穷的市场。他对 GTC 的与会嘉宾表示他预估室内无人机在仓储分析、水电公用事业分析、保险商检及商用不动产和营造业等领域里，有着数十亿美元的商机。

他说的没错。Gyongyosi 来到 GTC 大会并非只是点出这些商机，而是他想抓住机会充份发挥。Gyongyosi 说：「我们不想只是进行研究计划，而是想提出一套解决问题的方案。」

只是他的方案在技术方面遇到难题。室内无人机必须找到替代用的 GPS 系统。他说其他人有试过动作捕捉或无线电信标替代方案，但他想打造轻薄短小的IFM无人机又不想增加重量，而其他人的方法成本太高又需要经常进行校正。

同样地，其它无人机也靠机上的感应器来侦测四周的物体，以避免碰撞。由于需要处理海量资料，这也对IFM 的小型无人机在空间运用上产生挑战。

他说：「机板上需要极为庞大的处理能力，所以这些平台的体积都不小。」

Gyongyosi 做了两件事来解决这些问题：一是选择在 IFM 上安装一具摄影机，牺牲了立体视觉能力，但节省了空间又减轻了重量；二是选择特征追踪功能，运作方式犹如感应器，却是使用摄影机拍摄到的资料。

这个组合的运作表现不如预期时，他改采用 GPU，特别是现已成为车辆实体设计一部分的 NVIDIA Jetson Tegra K1。

结果不言而喻。GPU 处理资料的速度是 CPU 的四倍，而特征追踪的速度提升了两倍，从 5.5 Hz 提高到 9.8 Hz。这样的表现还不够亮眼的话，GPU 还提高了精确度，也为 Gyongyosi 争取到足以安装第二具摄影机的空间，以与第一具摄影机呈45度角的方式进行安装，创造出更大视野的立体视觉范围。

Gyongyosi 以柏林那座规划许久未来感十足，却有着严重疏失的机场为例，本应多年前便开放启用，在检查过程中发现消防侦测系统设计出现缺点，使得迄今尚未营运，藉此说明 IFM 的设计未来可能带来的影响性。

Gyongyosi 认为室内无人机能在检查前找出问题，以避免全盘溃败的情况，而他希望 IFM 的无人机很快便能执行这些任务。