AI和计算机视觉驱动汽车、机器人和智能家居向前发展

Liran Bar，CEVA 成像及视觉 DSP 核心产品线总监

每年我们都会在CES上看到一些令人惊叹的技术，包括汽车、智能机器人、无人机、AR /VR、智能家电领域的创新和许多其它技术。从昂贵的未来派玩具演进到实际有用的设备是令人激动的，今年在这一方向上取得了重大进展，当然还是有一些言过其实，只是作秀的小玩意。下面来看看哪些采用人工智能和计算机视觉的消费设备将会成为主流。

机器人和虚拟助手依靠摄像头眼睛和内置AI智能可以完成更多的工作

自2014首次推出亚马逊Echo以来，语音界面已经在过去几年内被广泛采用。今年很明确的一点是，为了达到更高的水平，必须在终端设备上采用视觉和人工智能技术。这次展会有不计其数的包含摄像头的机器人，其中有一些突出的产品。

欧姆龙的Forpheus采用AI技术打乒乓球

机器人公司欧姆龙用生动有趣的方式展示了其技术，一个叫Forpheus的机器人乒乓球大师。该机器人使用两个摄像头来追踪球的位置和速度，采用专利的预测模型计算球的运动轨迹，以保持与人类对手的来回对抗。还有一个额外的摄像头追踪人类玩家的面部表情，判断他们是否正在享受游戏，以确保这是一场有趣的比赛。虽然这并不意味着它是一个商用产品，但是表明人工智能、传感和先进的机器人技术可以应用于各种工业和消费功能上。

并不是所有的演示都像Forpheus的乒乓球技术一样流畅。LG发布的智能家居机器人CLOi，就出现了一些尴尬的时刻，比如机器人没有回应语音命令。类似外观的Jibo展现了其社交技能，包括面部识别。该设备自去年10月以来一直在销售，与领先的智能音箱相比它们更加定位社交，与用户进行个性化的交互。

SLAMtec也展示一些机器人，它们的特点是Slam定位和导航解决方案，其中宙斯是一个通用的机器人平台。UbTech Robotics公司去年发布了Alexa驱动的人形机器人Lynx，今年推出了可以爬楼梯和踢足球的两足机器人。

从左到右：SLAMtec、 Jibo和 视觉机器人Lynx 

索尼90年代末推出的机器人宠物狗Aibo以全新的，更为先进的版本重回人们的视线。它包含两个摄像头和多个传感器，从而可以识别主人并且对触摸和声音做出反应。

另一个和宠物相关的创新产品是交互式Wi-Fi宠物相机Petcube，它可以帮助用户远程检查宠物的状态。其中一款型号的宠物相机甚至可以让你晃一晃手指就为宠物准备一顿饭。

虚拟现实应用何时腾飞？

至于虚拟现实市场的创新，我们看到了稳步地增长，但仍未像预期一样爆炸。这主要是由于存在一些困难的挑战，比如有限的计算资源、功耗、自内向外跟踪（inside-out tracking)和内容质量的限制。

在2018 CES上 HTC发布了HTC Vive Pro，支持高分辨率和低延迟，更重要的是它能够直接将内容流空中传输到头盔上，而不像其他设备一样需要使用电缆。相比HTC Vive它看起来更大，由于价格昂贵所以主要针对高端专业用户。

无线头显设备（HMD）HTC Vive Pro（图片来源于：HTC)

虚拟现实技术一个新的应用是谷歌VR180，可能会成为主流消费产品。它采用创新的方式利用双目立体相机技术来获取一个3D图像。它采用180度的拍摄角度，代替不方便通过正常视角观看的360度。致力于拍摄这种新格式的两款产品是联想的Mirage相机和小蚁 Horizon VR180相机。用户可以通过谷歌 Daydream VR头盔观看3D照片，或者在任何屏幕上观看2D照片。

聚光灯下的无人驾驶汽车

无人驾驶汽车已经成为过去的几年里CES上最大的吸引力之一。今年汽车专家已经认为无人驾驶汽车属于现实，转而开始寻找必要的服务和应用程序，以满足人类无需开车时产生的新需求。例如福特的首席执行官吉姆·哈克特，在他的主题演讲中描述整个自动驾驶车辆的生态系统叫做“生活街”。丰田e-Palette概念车也传递了类似的消息，描绘车辆在没有司机的情况下，拥有从移动赌场和餐厅到共享服务和货物运输的多用途和模块化配置。

在自主航空领域，Bell直升机展示了他们如何在类似出租车的电动直升机实现无人驾驶飞行的旅程。光临Bell展台可以通过VR头盔尝试这一概念。

这些例子证明每个人都清楚地认识到无人驾驶汽车的革命正在发生。唯一的问题是一旦它实现了，我们的城市将会是什么样子?

Bell空中出租车提供了自动驾驶直升机的缩影

智能正在向终端移动

人工智能在过去几年里爆炸式地发展是互联网的直接结果。过去个人电脑和手持设备还不够强大到支撑深度学习，所以像谷歌和亚马逊这些大公司，使用巨大的服务器中心在云端处理数据。这种方法的优点是支持几乎无限的计算能力，不需要考虑特定设备的处理器。但是缺点也有很多。首先是数据传输的延迟，会随着网络覆盖状况而发生变化，更不用提没有网络的情况。更重要的是云端处理的缺点——隐私和安全性，当处理敏感信息时，最好保持在设备上，而不是发送到安全性薄弱的外部。

这些理由清楚地表明使用云端处理深度学习只是一个临时方案。一旦嵌入式平台可以提供足够的性能支持AI处理，就会在终端设备上执行。你可能想知道嵌入式平台什么时候才能足够强大，答案是他们已经满足了需求。新旗舰手机，像iPhone X上的嵌入式神经引擎能够在本地识别人脸来解锁手机，并没有发送信息到云端。许多其它人工智能特性也可以在设备上实现，通过强大和高效的DSP以及基于矢量处理器的专用深度学习引擎。先进的处理和节能技术使这些系统比GPU和其它处理器（用于远程服务器）消耗更少的功耗，所以即使是小型、电池驱动的设备也可以使用人工智能处理器如NeuPro，而不依赖云。