AI趨勢周報第132期：物流倉庫千臺機器人行走不碰撞！Amazon發表路徑尋找AI框架

重點新聞(0515～0519)

Amazon     機器人     路徑規畫  

物流倉庫千臺機器人行走不碰撞！Amazon發表路徑尋找AI框架

Amazon機器人研究所聯合南加州大學，發表一套多代理路徑尋找（MAPF）框架，可讓1,000臺機器人到達不斷改變的目的地，而且不會相撞。一般來說，MAPF是許多自動化系統的核心，比如自駕車、無人機或是電玩中的AI角色，但對擁有數十萬臺揀貨機器人的Amazon來說，MAPF可能改善物流揀貨流程。

在Amazon的研究中，團隊將MAPF視為圖形問題，圖中包含了節點和邊，節點指的是不斷改變的目的定點（Location），邊指的是兩個相鄰點與一組代理，也就是移動中的機器人。在一個時間步長（Timestep）中，每個代理可選擇到鄰近的點，或是待在原地。要是兩個代理都想在同一時間步長中，到達相同的定點，就會相撞。

接著，團隊將這個問題拆解為一系列的視窗化MAPF實體，並透過一個個視窗化MAPF解決器，在特定時間內解決相撞問題。也就是說，這個方法可在每個時間步長中，更新每位代理的起始點和終點，並計算每位代理到達所有定點所需的步長。此外，該演算法也會持續分配新的目的定點給代理，並找出不會相撞的路徑，讓代理按照順序行走。後來團隊進行實驗，將物流倉庫映射到33x46的網格，其上有16％的障礙物，結果發現，團隊的方法不僅不讓機器人碰撞，其吞吐量還比其他方法高。此外，這套演算法最多還可應用於1,000位代理，且不發生任何碰撞。（詳全文）

  Google     資料回音    模型訓練加速  

Google改進資料回音方法，不讓GPU空等、加速AI訓練快3倍

專用加速器如TPU、GPU可提高神經網路的訓練速度，但卻無法加速上游資料處理，像是硬碟I/O和資料前處理。為解決這個問題，Google團隊改進了去年發布的資料回音方法（Data echoing），透過重複使用初期工作流程產出的資料，而非等待新資料的出現，來善用閒置的加速器資源，加速訓練時間。

進一步來說，這個方法可將資料複製到工作流程中的隨機緩衝區，只要某個環節產生瓶頸，比如批次前後或資料擴充等，就可立即使用。之後，Google針對影像分類、自然語言建模和物件辨識等三個任務，利用5個AI模型來測試資料回音表現，結果顯示，資料回音可用更少的新樣本來達到目標，且在ImageNet的ResNet-50訓練任務中，資料回音可提高訓練速度達3倍。（詳全文）

  克里夫蘭醫學中心    疫情預測   武漢肺炎  

美國大型醫學中心藉助AI，制定防疫計畫

美國大型醫學中心克里夫蘭醫學中心聯手數據分析大廠SAS，以賓州大學的開源模型為基礎，來開發流行病學SEIR模型，可預測武漢肺炎（COVID-19）患者人數、所需加護床位、醫護人員防護設備和呼吸器數量等。雙方也將程式碼於GitHub上釋出。

進一步來說，雙方利用醫學中心資料來訓練這套模型，可分為最好、最壞、最有可能發生等三種情境，此外，該模型可彈性根據地區人口健康狀況、人口統計學差異和各個州政府的管控措施，來控制參數，隨時修正。而克里夫蘭醫學中心，也根據該模型的最壞情境，啟動準備計畫，在教育園區內搭建了1,000張病床給不須急救的患者。（詳全文）

  影像處理   邊緣運算       AI晶片 

以色列AI晶片新創聯手鴻海，要攻AI影像邊緣運算市場

以色列AI晶片新創Hailo攜手鴻海與影像應用SoC供應商Socionext，要共同打造AI邊緣運算影像處理解決方案。三方將利用自己的專長，比如鴻海負責打造高密度運算、高效能且無風扇的邊緣運算裝置，來搭載Socionext平行運算處理器，以及Hailo的深度學習處理器。

其中，高效能裝置除了低功耗，還可即時處理20多條路的串流影像，內建的高密度運算核心和VMS 影像管理系統可應用於影像分類、人體姿勢偵測等。鴻海表示，這次解決方案鎖定動態影像分析，要來強化物件偵測的處理能力。（詳全文）

  智慧製造   電極鋁箔    品檢  

管理YAML檔案更輕鬆，AWS開源釋出K8s開發管理工具cdk8s

AWS釋出用於Kubernetes（K8s）的雲端開發套件cdk8s，可讓使用者在K8s叢集中，更簡單地建置和維護工作。進一步來說，K8s應用程式是透過靜態YAML資料檔案來定義，YAML是一種人類可讀的檔案格式，但每次建立新應用程式，就需要編寫大量的樣板配置，因此隨著專案發展，YAML管理會越來越複雜。

為解決這個問題，AWS兩年前就推出AWS CDK，來簡化開發程序。現在，AWS將CDK的概念，擴展應用到K8s上，釋出全新專案cdk8s。cdk8s一樣可讓使用者利用熟悉的程式語言，來定義K8s應用程式和可重複使用的元件，產生標準的YAML檔案；不管用戶在地端或任何雲端部署，都可以利用cdk8s來定義Kubernetes叢集應用程式。（詳全文）

Cloud 超級電腦    臺灣AI雲    科技部  

持續提供超級算力！國研院將TWCC半數資源技轉成為新創

為了讓科技部與民間業者共同建置的臺灣AI雲（TWCC），在超級電腦計畫結束後能繼續提供服務，國研院決定將一半的運算資源與軟體服務，技轉成立為一家新創公司，交由專業的開發與維運團隊來發展雲服務，以商業模式提供業界租用：而另一半，則同樣透過國網中心提供給學研界來使用。

臺灣AI雲是國研院國網中心以超級電腦臺灣杉二號的運算資源為基礎，所推出的雲端運算服務，可支援OpenStack、Kubernetes和Slurm等架構。TWCC從去年商轉至今，已有350多組產學界專案使用。而這家正在籌辦的新創公司，將由國研院、華碩、廣達、臺哥大成立，預計今年底正式成立並提供服務。（詳全文）

Meta-Dataset    少樣本學習    基準測試  

Meta-Dataset提供多元的少樣本學習基準測試

Google釋出一款少樣本（Few-shot）學習資料集Meta-Dataset，提供大規模且多樣的基準，用來量測不同圖像分類模型的表現，此外也附上用來研究少樣本學習的框架。

Google指出，雖然目前有不少少樣本的研究，但其中的基準測試，都難以有效評估每個模型的優點。為解決這個問題，Google利用10個公開圖像資料集建立Meta-Dataset，並公開程式碼和筆記本，展示如何透過TensorFlow和PyTorch來使用資料集。此外，Meta-Dataset還包括對現存少樣本圖像分類模型，進行初步研究的成果。（詳全文）

Nvidia     GPU      模型訓練  

跨界合作！開發者可在Spark上用GPU加速模型訓練

Nvidia聯手開源社群Spark，在即將發布的資料運算引擎Apache Spark 3.0中，支援端到端GPU加速功能。Nvidia指出，Spark 3.0建立在開源GPU機器學習平臺RAPIDS上，可大幅提升資料提取、轉換和載入資料的效能。

Spark 3.0可讓資料科學家和工程師在SQL資料庫中運用GPU資源，進行ETL資料處理工作負載；此外，AI模型訓練，也可在同一個Spark叢集上處理，不必在獨立的基礎設施或程序中執行。Nvidia表示，這樣的改進可以提升整個資料科學工作管線效能，使用者不需要更改現有企業就地部署或雲端平臺上的Spark應用程式，就能從資料湖的ETL到模型訓練都獲得加速。（詳全文）

圖片來源／Google、克里夫蘭醫學中心、AWS、Nvidia

 AI趨勢近期新聞 

1. 效能可達5 Petaflops！Nvidia新一代AI超級電腦系統問世

2. 臉書最新TTS系統可只用CPU即時生成語音

3. 微軟釋出Cosmos DB Cassandra API原生殼層CQLSH

4. 靠AI挖掘新口味！百年美國食品商用AI分析數十億個資料點，從40萬種配方開發出3款新調味品

資料來源：iThome整理，2020年5月