AI趋势周报第132期：物流仓库千台机器人行走不碰撞！Amazon发表路径寻找AI框架

重点新闻(0515～0519)

Amazon     机器人     路径规划  

物流仓库千台机器人行走不碰撞！Amazon发表路径寻找AI框架

Amazon机器人研究所联合南加州大学，发表一套多代理路径寻找（MAPF）框架，可让1,000台机器人到达不断改变的目的地，而且不会相撞。一般来说，MAPF是许多自动化系统的核心，比如自驾车、无人机或是电玩中的AI角色，但对拥有数十万台拣货机器人的Amazon来说，MAPF可能改善物流拣货流程。

在Amazon的研究中，团队将MAPF视为图形问题，图中包含了节点和边，节点指的是不断改变的目的定点（Location），边指的是两个相邻点与一组代理，也就是移动中的机器人。在一个时间步长（Timestep）中，每个代理可选择到邻近的点，或是待在原地。要是两个代理都想在同一时间步长中，到达相同的定点，就会相撞。

接着，团队将这个问题拆解为一系列的视窗化MAPF实体，并透过一个个视窗化MAPF解决器，在特定时间内解决相撞问题。也就是说，这个方法可在每个时间步长中，更新每位代理的起始点和终点，并计算每位代理到达所有定点所需的步长。此外，该算法也会持续分配新的目的定点给代理，并找出不会相撞的路径，让代理按照顺序行走。后来团队进行实验，将物流仓库映射到33x46的网格，其上有16％的障碍物，结果发现，团队的方法不仅不让机器人碰撞，其吞吐量还比其他方法高。此外，这套算法最多还可应用于1,000位代理，且不发生任何碰撞。（详全文）

  Google     资料回音    模型训练加速  

Google改进资料回音方法，不让GPU空等、加速AI训练快3倍

专用加速器如TPU、GPU可提高神经网络的训练速度，但却无法加速上游资料处理，像是硬盘I/O和资料前处理。为解决这个问题，Google团队改进了去年发布的资料回音方法（Data echoing），透过重复使用初期工作流程产出的资料，而非等待新资料的出现，来善用闲置的加速器资源，加速训练时间。

进一步来说，这个方法可将资料复制到工作流程中的随机缓冲区，只要某个环节产生瓶颈，比如批次前后或资料扩充等，就可立即使用。之后，Google针对影像分类、自然语言建模和物件辨识等三个任务，利用5个AI模型来测试资料回音表现，结果显示，资料回音可用更少的新样本来达到目标，且在ImageNet的ResNet-50训练任务中，资料回音可提高训练速度达3倍。（详全文）

  克里夫兰医学中心    疫情预测   武汉肺炎  

美国大型医学中心借助AI，制定防疫计划

美国大型医学中心克里夫兰医学中心联手数据分析大厂SAS，以宾州大学的开源模型为基础，来开发流行病学SEIR模型，可预测武汉肺炎（COVID-19）患者人数、所需加护床位、医护人员防护设备和呼吸器数量等。双方也将程式码于GitHub上释出。

进一步来说，双方利用医学中心资料来训练这套模型，可分为最好、最坏、最有可能发生等三种情境，此外，该模型可弹性根据地区人口健康状况、人口统计学差异和各个州-的管控措施，来控制参数，随时修正。而克里夫兰医学中心，也根据该模型的最坏情境，启动准备计划，在教育园区内搭建了1,000张病床给不须急救的患者。（详全文）

  影像处理   边缘运算       AI芯片 

以色列AI芯片新创联手鸿海，要攻AI影像边缘运算市场

以色列AI芯片新创Hailo携手鸿海与影像应用SoC供应商Socionext，要共同打造AI边缘运算影像处理解决方案。三方将利用自己的专长，比如鸿海负责打造高密度运算、高效能且无风扇的边缘运算装置，来搭载Socionext平行运算处理器，以及Hailo的深度学习处理器。

其中，高效能装置除了低功耗，还可即时处理20多条路的串流影像，内建的高密度运算核心和VMS 影像管理系统可应用于影像分类、人体姿势侦测等。鸿海表示，这次解决方案锁定动态影像分析，要来强化物件侦测的处理能力。（详全文）

  智慧制造   电极铝箔    品检  

管理YAML档案更轻松，AWS开源释出K8s开发管理工具cdk8s

AWS释出用于Kubernetes（K8s）的云端开发套件cdk8s，可让使用者在K8s丛集中，更简单地建置和维护工作。进一步来说，K8s应用程序是透过静态YAML资料档案来定义，YAML是一种人类可读的档案格式，但每次建立新应用程序，就需要编写大量的样板配置，因此随着专案发展，YAML管理会越来越复杂。

为解决这个问题，AWS两年前就推出AWS CDK，来简化开发程序。现在，AWS将CDK的概念，扩展应用到K8s上，释出全新专案cdk8s。cdk8s一样可让使用者利用熟悉的程式语言，来定义K8s应用程序和可重复使用的元件，产生标准的YAML档案；不管用户在地端或任何云端部署，都可以利用cdk8s来定义Kubernetes丛集应用程序。（详全文）

Cloud 超级电脑    台湾AI云    科技部  

持续提供超级算力！国研院将TWCC半数资源技转成为新创

为了让科技部与民间业者共同建置的台湾AI云（TWCC），在超级电脑计划结束后能继续提供服务，国研院决定将一半的运算资源与软件服务，技转成立为一家新创公司，交由专业的开发与维运团队来发展云服务，以商业模式提供业界租用：而另一半，则同样透过国网中心提供给学研界来使用。

台湾AI云是国研院国网中心以超级电脑台湾杉二号的运算资源为基础，所推出的云端运算服务，可支援OpenStack、Kubernetes和Slurm等架构。TWCC从去年商转至今，已有350多组产学界专案使用。而这家正在筹办的新创公司，将由国研院、华硕、广达、台哥大成立，预计今年底正式成立并提供服务。（详全文）

Meta-Dataset    少样本学习    基准测试  

Meta-Dataset提供多元的少样本学习基准测试

Google释出一款少样本（Few-shot）学习资料集Meta-Dataset，提供大规模且多样的基准，用来量测不同图像分类模型的表现，此外也附上用来研究少样本学习的框架。

Google指出，虽然目前有不少少样本的研究，但其中的基准测试，都难以有效评估每个模型的优点。为解决这个问题，Google利用10个公开图像资料集建立Meta-Dataset，并公开程式码和笔记本，展示如何透过TensorFlow和PyTorch来使用资料集。此外，Meta-Dataset还包括对现存少样本图像分类模型，进行初步研究的成果。（详全文）

Nvidia     GPU      模型训练  

跨界合作！开发者可在Spark上用GPU加速模型训练

Nvidia联手开源社群Spark，在即将发布的资料运算引擎Apache Spark 3.0中，支援端到端GPU加速功能。Nvidia指出，Spark 3.0建立在开源GPU机器学习平台RAPIDS上，可大幅提升资料提取、转换和载入资料的效能。

Spark 3.0可让资料科学家和工程师在SQL数据库中运用GPU资源，进行ETL资料处理工作负载；此外，AI模型训练，也可在同一个Spark丛集上处理，不必在独立的基础设施或程序中执行。Nvidia表示，这样的改进可以提升整个资料科学工作管线效能，使用者不需要更改现有企业就地部署或云端平台上的Spark应用程序，就能从资料湖的ETL到模型训练都获得加速。（详全文）

图片来源／Google、克里夫兰医学中心、AWS、Nvidia

 AI趋势近期新闻 

1. 效能可达5 Petaflops！Nvidia新一代AI超级电脑系统问世

2. 脸书最新TTS系统可只用CPU即时生成语音

3. 微软释出Cosmos DB Cassandra API原生壳层CQLSH

4. 靠AI挖掘新口味！百年美国食品商用AI分析数十亿个资料点，从40万种配方开发出3款新调味品

资料来源：iThome整理，2020年5月