在过去几年中，围绕无人机进行了大量创新。一些公司已经在测试用于包裹和食品运送的无人机，以及使用无人机进行农业监测、检查电力线等关键基础设施、检查火灾损失和其他用例。很明显，商业领域对遥控和自主无人机都有巨大的需求，而且随着无人机法规的出台，这种需求只会进一步增加。本文探讨了最新的AI计算进步如何开创无人机创新的新时代。主要挑战无人机面临的主要挑战之一是它们需要极高的处理能力，同时具有令人难以置信的能源效率和体积。对于使用高清或多摄像头进行计算机视觉(CV)应用的无人机来说尤其如此。当今的数字计算解决方案通常非常耗电，影响无人机飞行时间和电池寿命。此外，数字计算解决方案难以运行复杂的人工智能网络，而这对于向控制站提供即时和相关信息至关重要。想象一下用于监测石油钻井平台是否存在泄漏或其他损坏迹象的无人机。无人机需要立即处理镜头，实时发现问题并立即报告。虽然数字解决方案不足以满足许多无人机AI应用的挑战性要求，但一种新的计算方法可以帮助消除这些障碍。内存中的模拟计算(CIM)可以执行实时AI处理，即使是使用多个大型、复杂的深度神经网络(DNN)，其功耗也只是数字处理系统的一小部分。模拟CIM系统通过将模拟计算与闪存等非易失性存储器(NVM)配对来工作，这与依赖高吞吐量DRAM的数字计算系统不同。虽然DRAM消耗大量功率，但模拟CIM系统通过在闪存阵列中执行大规模并行矢量矩阵乘法和加法运算而具有显着的功率优势。模拟CIM模拟CIM系统也不受通过处理器中的数字逻辑门和存储器以及外部DRAM写入和读取的数据传播延迟的影响，这意味着模拟CIM系统可以非常快速地处理计算密集型AI工作负载。此外，模拟CIM系统非常紧凑，这对于具有尺寸和有效载荷（即重量）限制的无人机来说至关重要。由于闪存的高密度，模拟CIM系统可以在小尺寸下提供强大的AI处理能力，使得使用单个闪存晶体管作为存储介质、乘法器和加法器（累加器）电路成为可能。所有这些因素使模拟CIM系统非常适合无人机的各种AI视频分析应用，包括对象检测、分类、分割和深度估计。这些能力将为无人机在未来几年开辟新的、令人兴奋的可能性。自主无人机随着无人机可以在本地处理更多信息，可以完全自主操作的无人机数量将会增加。这些无人机将能够处理各个行业的复杂任务，包括农业、快递、环保、安全等。当然，仍然会有很多应用需要人来控制无人机——无论是出于安全原因、法规或其他考虑因素——因此增加的自主性将使一个人同时驾驶多架无人机成为可能，而不仅仅是控制一架。除了通常讨论的无人机户外用途外，无人机还可以通过多种方式在工厂和其他工业环境的室内使用。无人机可以帮助监控和识别库存并将货物运送到仓库的不同部分。无人机对于检查设备也很重要，尤其是在对人有危险的区域。反无人机技术最后，功能更强大的无人机也将推动反无人机技术的进步。美国联邦航空局每月收到100多份关于无人机在机场等受限空域飞行的报告。即使这些无人机由良性爱好者控制，它们仍然可以对飞机，尤其是直升机和小型飞机构成严重威胁。计算技术的进步将使无人机能够更好地捕捉其他被认为对公共安全构成威胁的无人机。我期待看到基于模拟CIM技术的强大AI处理将如何重塑下一代无人机，并为几乎所有可以想象的行业开辟新的应用。
