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。