สินค้า
บทความ
TH
EN
Embedded AI คืออะไร และนำมาใช้อย่างไรในระบบช่วยขับขี่ยานยนต์
ปัจจุบัน AI ถูกนำมาใช้ในอุปกรณ์รอบตัวมากขึ้น ตั้งแต่อุปกรณ์อุตสาหกรรม กล้องอัจฉริยะ ไปจนถึงระบบช่วยขับขี่ในรถยนต์ แนวโน้มนี้ทำให้คำว่า Embedded AI และ Edge AI กลายเป็นหัวข้อที่ได้รับความสนใจมากขึ้นในวงการ Embedded Systems
สาเหตุสำคัญคือความต้องการให้อุปกรณ์สามารถวิเคราะห์ข้อมูลและตอบสนองต่อเหตุการณ์ต่าง ๆ ได้ด้วยตัวเอง โดยไม่จำเป็นต้องส่งข้อมูลทั้งหมดไปประมวลผลบนเซิร์ฟเวอร์หรือระบบภายนอก สำหรับอุตสาหกรรมยานยนต์ ซึ่งมีการใช้งานกล้องและเซ็นเซอร์จำนวนมาก การประมวลผลข้อมูลบนอุปกรณ์โดยตรงช่วยให้ระบบตอบสนองได้รวดเร็วขึ้น ลดภาระในการรับส่งข้อมูล และเพิ่มประสิทธิภาพในการทำงานโดยรวม
Embedded AI คืออะไร
Embedded AI คือการนำความสามารถของ AI มาทำงานบนระบบสมองกลฝังตัว (Embedded System) ทำให้อุปกรณ์สามารถวิเคราะห์ข้อมูล เรียนรู้รูปแบบ หรือแยกแยะข้อมูลที่ได้รับได้ด้วยตัวเอง ตัวอย่างที่พบได้บ่อย เช่น
- - ระบบตรวจจับบุคคลจากภาพ
- - การแยกแยะวัตถุจากกล้อง
- - การวิเคราะห์ข้อมูลจากเซ็นเซอร์
- - ระบบจดจำรูปแบบหรือพฤติกรรมต่าง ๆ
- - Edge AI ภาพใหญ่ หมายถึงการประมวลผล AI ที่อุปกรณ์ปลายทางหรือใกล้กับแหล่งกำเนิดข้อมูล แทนการส่งข้อมูลทั้งหมดไปยังศูนย์กลาง ส่วน อาจฝังในมือถือ หรืออุปกรณ์ฝังตัวที่ต้นทาง
- - Embedded AI เป็นส่วนหนึ่ง จะเน้นไปที่การนำ AI มาทำงานภายในอุปกรณ์หรือระบบสมองกลฝังตัวโดยตรง
- - ระบบตรวจสอบความพร้อมของผู้ขับขี่
- - ระบบตรวจจับอาการง่วงหรือเสียสมาธิ
- - ระบบตรวจสอบการละสายตาจากถนน
- - ระบบตรวจสอบผู้โดยสารภายในห้องโดยสาร
- - ระบบวิเคราะห์ภาพจากกล้องแบบเรียลไทม์
- - ระบบตรวจสอบผู้ขับขี่ (Driver Monitoring System)
- - ระบบตรวจสอบภายในห้องโดยสาร (In-Cabin Monitoring)
- - แอปพลิเคชันด้าน Computer Vision ที่ต้องการการตอบสนองแบบเรียลไทม์โดยไม่ต้องพึ่งพาการประมวลผลบน Cloud
แนวคิดสำคัญของ Embedded AI คือการย้ายการประมวลผลไปไว้ใกล้กับแหล่งกำเนิดข้อมูลมากที่สุด เพื่อให้สามารถตอบสนองได้อย่างรวดเร็วและมีประสิทธิภาพ
Embedded AI และ Edge AI ต่างกันอย่างไร
แม้ว่าทั้งสองคำจะถูกใช้ควบคู่กันอยู่เสมอ แต่มีความหมายที่แตกต่างกันเล็กน้อย
ในหลายกรณี ทั้งสองแนวคิดทำงานร่วมกัน โดยอุปกรณ์ Embedded AI เป็นแพลตฟอร์มที่ช่วยให้ระบบ Edge AI สามารถทำงานได้อย่างมีประสิทธิภาพ
ทำไมระบบช่วยขับขี่จึงเริ่มใช้ Embedded AI มากขึ้น?
รถยนต์สมัยใหม่มีการติดตั้งกล้องและเซ็นเซอร์มากขึ้น ไม่ว่าจะเป็นระบบตรวจสอบผู้ขับขี่ ระบบตรวจสอบภายในห้องโดยสาร หรือระบบตรวจจับสภาพแวดล้อมรอบตัวรถ ข้อมูลจากอุปกรณ์เหล่านี้เกิดขึ้นตลอดเวลา และในหลายกรณีจำเป็นต้องได้รับการวิเคราะห์ทันที ตัวอย่างการใช้งาน Embedded AI ในยานยนต์ ได้แก่
การนำ Embedded AI มาใช้ช่วยให้ระบบสามารถประมวลผลข้อมูลได้ใกล้กับแหล่งกำเนิดข้อมูลมากขึ้น ลดระยะเวลาในการตอบสนอง และลดปริมาณข้อมูลที่ต้องส่งไปยังระบบส่วนกลาง
การพัฒนา Embedded AI สำหรับงานยานยนต์มีความท้าทายอะไรบ้าง?
แม้ Embedded AI จะช่วยให้ระบบตอบสนองได้รวดเร็วขึ้น แต่การนำไปใช้งานจริงยังต้องคำนึงถึงหลายปัจจัย เช่น ความสามารถในการประมวลผล AI การรองรับข้อมูลจากกล้องหลายช่องสัญญาณ การใช้พลังงาน และข้อจำกัดของหน่วยความจำบนอุปกรณ์ ด้วยเหตุนี้ ผู้ผลิตเซมิคอนดักเตอร์จึงเริ่มพัฒนาไมโครคอนโทรลเลอร์ที่มี AI Accelerator ในตัว เพื่อรองรับงาน Embedded AI และ Edge AI โดยเฉพาะ
STM32N6 STMicroelectronics กับการรองรับงาน Embedded AI
เมื่อระบบช่วยขับขี่และระบบตรวจสอบภายในห้องโดยสารต้องประมวลผลข้อมูลจากกล้องแบบเรียลไทม์ ความสามารถในการรัน AI บนอุปกรณ์จึงกลายเป็นปัจจัยสำคัญในการออกแบบระบบ
STM32N6 เป็นไมโครคอนโทรลเลอร์ในตระกูล STM32 ที่มาพร้อม ST Neural-ART Accelerator ซึ่งเป็น Neural Processing Unit (NPU) ที่ STMicroelectronics พัฒนาขึ้นสำหรับงาน AI โดยเฉพาะ หน้าที่ของ NPU คือช่วยเร่งการประมวลผลโมเดล AI และ Neural Network โดยลดภาระการทำงานของ CPU หลัก ทำให้ระบบสามารถวิเคราะห์ข้อมูลได้รวดเร็วขึ้น และใช้พลังงานได้อย่างมีประสิทธิภาพมากกว่าการประมวลผล AI ด้วย CPU เพียงอย่างเดียว ด้วยประสิทธิภาพสูงสุดถึง 600 GOPS NPU ภายใน STM32N6 สามารถรองรับงานด้าน Computer Vision และการวิเคราะห์ข้อมูลจากกล้องแบบเรียลไทม์ ซึ่งเป็นหัวใจสำคัญของระบบช่วยขับขี่สมัยใหม่
นอกจาก NPU แล้ว STM32N6 ยังมาพร้อม Computer Vision Pipeline, Image Signal Processor (ISP) และอินเทอร์เฟซ MIPI CSI-2 สำหรับเชื่อมต่อกล้อง ทำให้สามารถรับและประมวลผลข้อมูลภาพได้โดยตรงบนอุปกรณ์ ความสามารถเหล่านี้ช่วยให้นักพัฒนาสามารถสร้างระบบ Embedded AI ที่ทำงานแบบ Edge AI ได้ง่ายขึ้น ไม่ว่าจะเป็น
ซึ่งเป็นหนึ่งในแนวทางที่ได้รับความสนใจมากขึ้นในการพัฒนาระบบอัจฉริยะภายในรถยนต์ การรวม NPU เข้ากับสถาปัตยกรรมไมโครคอนโทรลเลอร์ทำให้ STM32N6 เหมาะสำหรับการพัฒนา Embedded AI ที่ต้องการประมวลผลข้อมูลบนอุปกรณ์โดยตรง
สรุป
Embedded AI คือความสามารถในการรัน AI บนอุปกรณ์ ส่วน STM32N6 คือแพลตฟอร์มที่ช่วยให้นักพัฒนาสามารถสร้างระบบ Edge AI สำหรับงานยานยนต์ได้ง่ายขึ้น ผ่าน NPU และ Computer Vision Pipeline ที่ออกแบบมาสำหรับการประมวลผล AI โดยเฉพาะ ขณะเดียวกัน แพลตฟอร์มรุ่นใหม่อย่าง STM32N6 ก็ได้รับการพัฒนาขึ้นเพื่อรองรับการใช้งาน Embedded AI และ Edge AI ช่วยให้นักพัฒนาสามารถนำความสามารถด้าน AI ไปประยุกต์ใช้ในผลิตภัณฑ์ได้ง่ายขึ้น และรองรับความต้องการของระบบอัจฉริยะที่มีความซับซ้อนมากขึ้นในอนาคต
