人工智能正在快速发展。模型能力持续增强，计算平台更加强大，构建智能应用的工具也更加易用。然而，当人工智能进入机器人、工业机械、车辆和无人机时，其发展取决于一个现实问题：这些系统能在多大程度上有效获取物理世界的信息？
智能机器不仅需要算力，还需要关于周围环境、其他机器状态以及自身运行条件的相关数据。部分信息来自其自身传感器。
其他信息则需要来自附近设备、基础设施、远程系统或共享计算资源。这些信息是否有用，取决于其质量、时效性和可获得性。
这为无线技术带来了重要机会。人工智能只能利用设备能够采集、处理并传回的信息。当连接不可靠、不灵活或不适合环境时，有价值的信息可能到达过晚、丢失关键上下文，甚至无法抵达需要它的系统。
因此，物理人工智能的下一阶段需要在连接智能与环境的设备和通信系统方面取得进展。软件定义无线电（SDR）以及支撑其运行的软件知识产权将发挥重要作用。
标准调制解调器的不足
标准调制解调器能够很好地服务许多应用。专用系统可能需要特定调制解调器未开放的能力或控制接口。关键问题在于，该设备是否能在其运行约束范围内支持应用所需的行为。
工厂机器人可能需要可预测的低时延通信，以与附近机器协同。巡检摄像头可能需要较大的上行容量，以便发送详细图像进行分析。在地面网络覆盖之外运行的无人机可能需要非地面链路，而远程传感器则必须节省电池电量。
需求也可能在任务执行过程中发生变化。机器人可能在协同运动和图像采集之间切换。如果基础设施覆盖不可用，配备相应能力的系统可以通过附近设备交换数据。每种模式都会对容量、时延和能耗提出不同要求。
将人工智能处理与通信设计结合，有助于管理这些需求。设备可以在本地分析常规观测数据，发送简短状态更新，并在需要时上传详细记录。这可以减少不必要的流量，并为必须及时送达的信息留出更多容量。
标准调制解调器可能支持其中一些需求，但开发者通常难以访问底层通信软件。如果应用需要超出该调制解调器支持功能的行为，仅靠配置修改可能不够。
这就形成了开发鸿沟。人工智能软件可以快速演进，而调整无线设备可能需要改变其信号处理、射频硬件和系统设计，随后还要进行大量测试。SDR有助于弥合这一鸿沟，它使开发者能够在硬件能力范围内，通过软件对通信进行更多控制。
物理世界中的人工智能应用依赖无缝、可重构、动态的连接。
用SDR使无线具备适应性
3GPP标准定义了面向各种通信需求的能力，包括低时延服务、高数据吞吐、设备间直连（D2D）链路以及非地面连接。产品必须实现并集成相关能力；由于商业和使用场景限制，标准中纳入这些能力并不意味着它们会出现在每个平台上。
SDR通过运行在CPU、DSP、向量引擎或GPU上的软件，在可编程处理资源中实现关键无线电功能，并由FPGA和专用ASIC加速器提供支持。开发者可以在硬件能力范围和标准要求内配置和优化这些功能。
例如，机器人在协同运动时可能需要低时延，在上传巡检图像时可能需要更大的上行容量，在与附近机器人交换信息时可能需要直连链路。支持这些变化的需求需要一个集成软件框架，用于管理可用的通信功能和资源。
通信软件IP提供了使上述能力落地的算法、协议实现和硬件集成。标准确立了互操作行为，而实现方式会影响实现该行为所需的资源。可复用且经过验证的软件为开发者提供了产品工程开发的起点，也减少了他们需要自行开发的内容。
不同的人工智能应用有各自的连接需求。
利用射频测量辅助决策
可编程无线电还可以提供其运行环境的信息。链路质量和干扰测量有助于判断连接是否能够支持应用。在合适的硬件、信号处理和系统支持下，射频信号也可以用于定位和感知。
这些功能用途不同。链路测量描述通信条件；定位估计设备所在位置；感知可以检测移动或周围环境变化。将它们结合可以改善系统决策，但每种能力都需要独立的实现和验证。
在支持中继或网状组网的网络中，路由决策可以考虑信号质量、时延和可用容量。位置和移动信息有助于预判链路减弱。在存在合适路径的情况下，系统可以在当前连接不可用之前评估替代路由。
射频测量只有在触发适当响应时才有用。设备可以更改受支持的传输设置、推迟大容量上传，或报告所请求的服务无法维持。响应必须同时反映应用优先级和网络可提供的选项。
这就在物理环境与通信行为之间形成了反馈回路。SDR提供对相关测量和控制的访问，而更广泛的软件架构决定这些输入如何影响应用和网络。
SDR支持可编程连接，将人工智能与物理世界联系起来，形成观察、决策和适应的反馈回路。
连接AI决策与通信控制
下一步是通过应用接口开放这种反馈。人工智能应用可以表达需要交换的信息及其传输要求，通信软件则将这些请求映射到受支持的控制项。这将应用意图与射频实现细节分离开来。
例如，机器人可以为协同消息请求优先级，或为巡检图像请求额外容量。框架可以根据当前资源评估这些请求，应用受支持的设置，并反馈最终服务质量。对特定性能等级的请求必须对照系统实际能力进行检查。
信息也会回传到应用。如果链路质量下降，机器人可以降低上传速率、在本地处理更多数据，或重新考虑依赖远程信息的任务。这使网络状况成为任务规划的一部分，而不是应用无法感知的隐含假设。
Vicinity的通信软件IP和集成经验为开发这些接口提供了基础。可用功能取决于所选平台和软件实现。明确定义的控制项以及经过测试的运行边界，可以帮助开发者将人工智能决策与通信行为连接起来，而无需假设可以无限制访问所有射频功能。
同步开发无线链路两端
仅靠应用接口无法解决所有性能约束。有些需求取决于终端与其服务网络之间的协同行为。Vicinity在基站、终端和D2D直连通信方面的经验，可以在系统设计阶段综合考虑这些依赖关系。
开发从客户的信息需求和部署条件开始。必须交换什么信息、速度要求如何、覆盖范围多大？网络的哪些部分可以控制？这些答案将指导处理资源、射频设计和通信功能的选择。
同时具备无线链路两端的专业能力非常有价值。当终端需求依赖无法更改的基础设施行为时，改进终端可能很困难。同样，如果连接的设备无法支持，基站增强也可能价值有限。当部署允许控制两端时，协同开发能为优化完整系统创造更大空间。
Vicinity将这种系统视角与芯片、基带、射频、天线和核心网合作伙伴结合起来。其工作涉及5G基站和终端、定位、D2D通信以及非地面网络（NTN），跨越多个3GPP版本。这些经验支持为每个客户的产品选择和集成合适的能力。
从原型到商用产品
把实验室原型转化为商用产品需要细致的工程工作。设备必须在功耗、成本、体积和散热等现实限制内提供所需无线性能，同时保持可靠且易于维护。
满足这些要求取决于软件使用硬件的效率。开源软件具有灵活性，但针对不同平台进行适配和优化可能需要大量工作，在处理能力和功耗受限时尤其如此。
阅读全文，请访问：https://www.eetimes.com/connecting-ai-to-the-physical-world/
来源: 海外媒体
登录后即可参与技术讨论与同行交流
免费注册