การนำกล้องความละเอียดสูงมาใช้เป็นสิ่งสำคัญสำหรับการขับชี่อัตโนมัติ อย่างไรก็ตาม การผสมผสานเทคโนโลยีชั้นนำในตลาด OEM ของยานยนต์และผู้ผลิตยานยนต์อัตโนมัติอื่น ๆ ยังไม่ได้ก้าวหน้าเท่าที่ควร

เพื่อแก้ไขปัญหานี้ อนันด์ ตัวแทนจากอุตสาหกรรมได้ให้ความเห็นเน้นย้ำถึงความท้าทายในด้านการคำนวณที่เกี่ยวข้องกับการเปลี่ยนมุมมองกล้องให้มีความละเอียดสูงขึ้น โดยการเพิ่มจำนวนเมกะพิกเซล ความต้องการในการคำนวณเพิ่มขึ้นอย่างรวดเร็วเป็นพิเศษ นี่เป็นอุปสรรคที่สำคัญที่ต้องแก้ไข

เพื่อลดความยากลำบาก อุตสาหกรรมได้พัฒนากลวิธีในการประมวลผลภาพเพื่อลดปริมาณการคำนวณ โดยทั่วไปการใช้เทคนิคการลดความละเอียดลงหรือการเน้นเฉพาะพื้นที่ที่สนใจ นอกจากนี้อนันด์ยังได้เน้นความสำคัญของการประมวลผลทุกพิกเซลในเฟรมของกล้องโดยเฉพาะในสภาพแวดล้อมที่เปลี่ยนแปลงอย่างรวดเร็ว

ความสำคัญของความละเอียดสูงยังมีผลต่อเนื่องไปยังความต้องการการคำนวณ เมกะพิกเซลที่เพิ่มขึ้นช่วยให้รถยนต์อัตโนมัติสามารถเห็นวัตถุได้ในระยะทางที่ใหญ่ขึ้น ซึ่งมีความสำคัญสำหรับการรักษาความปลอดภัยบนถนน

ชิป AI ที่ชื่อ Scorpio จาก Recogni เป็นหลักฐานแสดงความก้าวหน้าของเทคโนโลยีการประมวลผลข้อมูลกล้องแบบเรียลไทม์สำหรับการเคลื่อนไหวอัตโนมัติ มีความสามารถในการจัดการกับกล้องที่มีความละเอียดสูงถึง 8 เมกะพิกเซลพร้อมกัน และ Scorpio มีประสิทธิภาพที่น่าทึ่งโดยมีความล่าช้าต่ำกว่า 10 มิลลิวินาทีสำหรับการคำนวณเฟรมเต็ม

การสาธิตนี้ที่แสดงถึงความสามารถของโมเดล AI ที่ใช้ประโยชน์จากพลังงานของชิป Scorpio ของ Recogni เพื่อตรวจจับยานพาหนะที่อยู่ห่างไประยะ 250-300 เมตรในเวลาเป็นเรียลไทม์ เป็นการแสดงความสามารถและประสิทธิภาพของเทคโนโลยีของ Recogni อย่างชัดเจน

โครงสร้างของชิป Scorpio มุ่งไปที่การบริหารการเร่งของคอนโวลูชัน ซึ่งมีเครื่องมือคำนวณสามเครื่องที่ถูกปรับให้มีประสิทธิภาพสูงสำหรับการประมวลผลแบบกำหนดการได้ ความหลากหลายของชิปช่วยให้สามารถปรับการกำหนดค่าได้ตามความต้องการของแอปพลิเคชันต่างๆ โดยยังคงรักษาสมดุลที่เหมาะสมระหว่างพลังประมวลผลและแบนด์วิดท์ของหน่วยความจำ

เทคโนโลยีเฉพาะของ Recogni รวมการนำระบบตัวเลขที่เป็นลอการิทึม (LNS) และเทคโนโลยี           การจัดกลุ่มน้ำหนักเข้าด้วยกัน ซึ่งช่วยเพิ่มประสิทธิภาพการคำนวณและลดการใช้พลังงานอย่างมาก การรวมกันระหว่าง LNS และเทคนิคการจัดกลุ่มน้ำหนักอย่างนวัตกรรม ช่วยให้ Scorpio สามารถรองรับโมเดลเครือข่ายประสาทที่ซับซ้อนได้ภายในพื้นที่ขนาดเล็กของมัน

การต่อเชื่อมข้อมูลเป็นส่วนสำคัญในการลดความล่าช้า ช่วยให้การประมวลผลทำงานพร้อมกันได้ โดยทำการประมวลผลของเฟรมบางส่วนเป็นข้อมูลที่ถูกส่งมา วิธีการนี้เป็นการออกแบบที่แตกต่างจากวิธีการเก่าๆ ที่ใช้การบัฟเฟอร์ ซึ่งช่วยเพิ่มประสิทธิภาพของการประมวลผลและช่วยให้การใช้ทรัพยากรการประมวลผลเป็นไปอย่างมีประสิทธิภาพตลอดทางการประมวลผล

การทุ่มเทในประสิทธิภาพและประสิทธิผลของ Recogni เน้นการวัดผลการใช้พลังงาน โดยแสดงให้เห็นถึงความเป็นเลิศของมันเมื่อเปรียบเทียบกับตัวเลือกที่แข่งขันในขณะที่ยังคงรักษาการใช้พลังงานที่ต่ำลงได้อย่างมีประสิทธิภาพ

Recogni ยังคงเร่งก้าวข้ามขีดจำกัดของเทคโนโลยีการขับขี่อัตโนมัติ ความร่วมมือของบริษัทนี้กำลังเปลี่ยนแปลงลักษณะของยานยนต์ที่ขับเคลื่อนเองอย่างมีประสิทธิภาพและปลอดภัยบนท้องถนนไปสู่ยุคใหม่