江苏龙网

  1. 首页 > 人文 > >

爱云资讯|更靠近数据产生的地方，芮勇：让智能边缘计算下沉到行业场景( 二 )


我们再看看边缘智能层 。 首先 ， 联想首创了渐近式模型优化技术 。 云侧模型为追求精度一般体积较大 ， 在边缘侧执行时 ， 需要根据可用资源进行模型裁剪 。 以深度学习卷积神经网络模型为例 ， 该技术可以自适应调整卷积层的裁剪比例 ， 根据场景渐进式优化模型 。 模型下发到边缘侧之后 ， 我们的AI任务协同计算技术不是把云边端看成是分割开来的资源 ， 而是把云边端视为一个统一的资源池 ， 通过感知资源池中的计算、存储和网络总体情况 ， 动态调整任务在云边端上的计算分布 。 此外 ， 云侧训练好的模型不可能预知边缘侧特有的数据特征 。 为此 ， 我们使用终身学习技术更新预加载模型的参数 ， 使模型更好地适配场景 。
讲完了这些核心技术 ， 接下来 ， 我想通过商飞大飞机制造的一个实例 ， 为大家具体介绍一下联想智能边缘计算在行业中的应用 。
这里呢 ， 是商飞的飞机零部件喷涂车间 。 飞机需要喷漆的零件高达数百种 ， 在传统自动化喷涂实践中 ， 机械臂的示教和调试要花费几周的时间；但如果采用人工喷漆 ， 质量会依赖于工人的操作手法 ， 也很难保证一致性 。
这些棘手的问题 ， 在联想智能边缘计算的助力下 ， 迎刃而解 。 联想打造的晨星机器人 ， 在强大的边缘算力和智能支持下 ， 能让工人通过机器人精准地执行远程喷漆工作 。 现在请大家看演示 。
首先 ， 机器人会对整个车间进行空间扫描感知 ， 数据在边缘侧的虚拟机上实时三维建图和渲染 ， 并通过容器化的SLAM技术 ， 导航定位 ， 移动至指定的喷漆间 。 机器人的双目立体相机将操作台的工件和周边情况实时采集到边缘服务器 。 边缘服务器随后将3D视频流实时推送到AR眼镜 。 而工人通过AR眼镜和手柄远程操纵机器人同步执行喷漆 ， 手感完全等同于亲临现场 。 这样操作一次自然示教之后 ， 该零部件的喷漆能力就保存在了边缘侧 ， 之后对于同样规格的零部件 ， 机器人就能实现自主喷涂 。 此外 ， 机器人还能进行基于计算机视觉的喷涂质量自动检测 。
我们再来看看 ， 刚才提到的几项关键技术是如何赋能这个场景的 。 飞机零部件喷漆 ， 既需要虚拟机来支持AR模型渲染 ， 也需要容器来支持机器人喷涂、漆面检测等应用 。 传统做法往往需要两台以上机器运行不同的虚拟化堆栈 ， 分别提供虚拟机及容器资源 。 那问题来了 ， 这样的两套方案使得系统开销增大 ， 应用之间数据转发性能低 ， 无法满足多终端实时并发渲染的时延指标 。 怎么办呢 ， 联想的混合轻量级虚拟化引擎能在单台机器上同时提供轻量级虚拟机和安全容器承载这些应用 ， 实现二者深度融合 ， 有效增加了系统资源利用率 ， 最大化提升了模型渲染和机器人不同任务之间的转发处理性能 。
此外 ， 喷涂质量检测需要将深度学习网络模型压缩部署在边缘侧 。 传统方法一般使用固定裁剪比 ， 边缘算力无法得到充分利用 。 而联想创新的模型优化技术 ， 通过渐近式搜索裁剪比 ， 实现了模型精度和算力资源的细粒度匹配 ， 让复杂模型得以更好地在边缘优化部署 ， 实现了更高效的质量检测 。
另外 ， 在喷涂质量检测时 ， 除了常见的缺陷 ， 总是会存在检测范围外的新的缺陷种类 ， 云端下发的预训练模型对此无法应对 。 为此 ， 我们通过终身学习技术在边缘侧持续更新模型 ， 让机器人学会处理新问题 ， 扩展新的检测能力 。
联想的智能边缘计算技术的应用远远不止智能制造 。 它还为京东智慧园区 ， 洛阳5G智慧龙门景区等提供低时延、高可靠的智能服务 。 我相信 ， 智能边缘计算 ， 将有力地推动新基建的发展 ， 促进人工智能变成一种普惠的资源 ， 渗透进各行各业 。 一座座智慧工厂 ， 一个个智慧园区将不断涌现 ， 人类的生活和生产将更加智能、便捷、和高效 。 智能 ， 为一切可能！
这就是我今天的分享内容 ， 稍后是精彩的新基建圆桌论坛 ， 谢谢大家！


推荐阅读


上一篇：中央政法委长安剑|我的脸就是我的脸？，“刷脸时代”

下一篇：家电魂|以音乐对话年轻圈层，格兰仕&国美战略合作全国巡展开启