Sensori di visione nelle applicazioni industriali

Migliorare le capacità dei sensori di visione: un algoritmo di aggregazione di immagini 3D per un ampliato campo visivo da Analog Devices

La crescente popolarità delle telecamere time of flight (TOF) nelle applicazioni industriali, in particolare nella robotica, è attribuita alle loro eccezionali capacità di calcolo della profondità e di elaborazione delle immagini a infrarossi (IR). Nonostante questi vantaggi, la complessità intrinseca del sistema ottico spesso limita il campo visivo, limitando le funzionalità autonome. In questo articolo viene illustrato un algoritmo di aggregazione di immagini 3D progettato per un processore host di supporto, che elimina la necessità di calcolo in cloud. Questo algoritmo combina in tempo reale e senza soluzione di continuità i dati IR e di profondità di più telecamere TOF, producendo un’immagine 3D continua e di alta qualità, con un campo visivo più ampio rispetto alle unità standalone. I dati 3D aggregati consentono l’applicazione di reti di deep learning allo stato dell’arte, particolarmente utili nelle applicazioni di robotica mobile, per rivoluzionare la visualizzazione e l’interazione con l’ambiente 3D.

Introduzione

Le telecamere time of flight (TOF) si distinguono come eccezionali sistemi di elaborazione di immagini del campo visivo, utilizzando le tecniche TOF per determinare la distanza tra una telecamera e ciascun punto di un’immagine. Ciò si ottiene misurando il tempo di andata e ritorno di un segnale di luce artificiale emesso da un laser o da un LED. Le telecamere TOF offrono informazioni precise sulla profondità, rendendole strumenti preziosi per le applicazioni in cui la misurazione accurata della distanza e la visualizzazione 3D sono fondamentali, come le applicazioni di robotica e tecnologia industriale, tra cui il rilevamento di collisione e il rilevamento di persone su un campo visivo (Field of View, FOV) di 270° per la sicurezza.

Il sensore TOF ADTF3175 può raggiungere un FOV calibrato di 75°. Tuttavia, le sfide sorgono quando il FOV di un’applicazione va oltre questa regione, richiedendo più sensori. L’integrazione dei dati provenienti dai singoli sensori per fornire un’analisi completa dell’intera vista può presentare delle difficoltà. Una soluzione potenziale prevede che i sensori eseguano un algoritmo su un FOV parziale e trasmettano l’output a un host per il confronto. Tuttavia, questo approccio deve affrontare problemi quali le zone di sovrapposizione, le zone morte e le latenze di comunicazione, che lo rendono un problema complesso da affrontare in modo efficace.

Un approccio alternativo prevede l’aggregazione dei dati acquisiti da tutti i sensori in un’unica immagine e la successiva applicazione di algoritmi di rilevamento all’immagine unita. Questo processo può essere scaricato su un processore host separato, sollevando le unità sensore dal carico computazionale e lasciando spazio ad analisi avanzate e altre opzioni di elaborazione. Tuttavia, è importante notare che gli algoritmi tradizionali di aggregazione delle immagini sono intrinsecamente complessi e possono consumare una parte significativa della potenza di calcolo del processore host. Inoltre, l’invio e l’aggregazione nel cloud non è possibile in molte applicazioni per motivi di privacy.

La soluzione algoritmica di Analog Devices è in grado di aggregare le immagini di profondità e IR provenienti dai diversi sensori, utilizzando le proiezioni delle nuvole di punti dei dati di profondità. Ciò comporta la trasformazione dei dati acquisiti utilizzando le posizioni estrinseche della telecamera e proiettandoli nuovamente nello spazio 2D, ottenendo un’unica immagine continua.

Questo approccio comporta una computazione minima, che aiuta a raggiungere velocità operative in tempo reale all’edge di rete e garantisce che la capacità di calcolo del processore host rimanga disponibile per altre analisi avanzate.

Descrizione di una Soluzione

La soluzione TOF 3D di ADI opera in quattro fasi (vedi Figura◦1):

  1. Preelaborazione dei dati IR e di profondità:
  2. Proiezione dei dati di profondità in una nuvola di punti 3D: Utilizzare i parametri intrinseci della telecamera per proiettare i dati di profondità in una nuvola di punti 3D.
  3. Trasformare e unire i punti: Trasformare i punti utilizzando le posizioni estrinseche della telecamera e unire le regioni sovrapposte.
  4. Proiezione della nuvola di punti in un’immagine 2D: Utilizzare la proiezione cilindrica per proiettare la nuvola di punti in un’immagine 2D.
algoritmo di aggregazione in profondità

Sfide e soluzioni di sistema e algoritmo

L’ host riceve fotogrammi di profondità e IR

Una macchina host è collegata a più sensori TOF tramite una connessione ad alta velocità come l’USB. Raccoglie i fotogrammi di profondità e IR e li memorizza in una coda.

Sincronizzare i dati di profondità e IR

I fotogrammi di profondità e IR di ciascun sensore ricevuti dall’host vengono acquisiti in momenti diversi. Per evitare disallineamenti temporali dovuti al movimento degli oggetti, gli ingressi di tutti i sensori devono essere sincronizzati alla stessa istanza temporale. Si utilizza un modulo di sincronizzazione temporale che abbina i fotogrammi in arrivo in base ai timestamp della coda.

Dal progetto alla nuvola di punti

La nuvola di punti viene generata sull’host utilizzando i dati di profondità sincronizzati per ciascun sensore. Ogni nuvola di punti viene quindi trasformata (tradotta e ruotata) in base alle rispettive posizioni della telecamera (vedi Figura 2) nel mondo reale. Quindi queste nuvole di punti trasformate vengono unite per formare un’unica nuvola di punti continua che copre il FOV combinato dei sensori (Figura 3).

Estrinsecazione telecamera
Nuvola di punti unita

Proiezione da 3D a 2D

La nuvola di punti combinata del FOV viene proiettata su una superficie 2D utilizzando un algoritmo di proiezione cilindrica, noto anche come proiezione della vista frontale (vedi Figura 4). In altre parole, l’algoritmo proietta ogni punto della nuvola di punti combinata su un pixel del piano 2D, ottenendo un’unica immagine panoramica continua che copre il campo visivo combinato di tutti i sensori. Si ottengono così due immagini 2D aggregate: una per le immagini IR aggregate e un’altra per le immagini di profondità aggregate proiettate su piani 2D.

Miglioramento della qualità di proiezione

La proiezione della nuvola di punti combinata 3D su un’immagine 2D non fornisce ancora immagini di buona qualità, poiché presentano distorsioni e rumore. Ciò incide sulla qualità visiva e influisce negativamente su qualsiasi algoritmo venga eseguito sulla proiezione. I tre problemi principali (vedi Figura 5) e le relative soluzioni sono documentati nelle sezioni seguenti.

Proiezione di regioni di profondità non valide

I dati di profondità dell’ADTF3175 hanno un valore di profondità non valido di 0 mm per i punti che si trovano oltre il campo operativo del sensore (8000 mm). Ciò comporta la presenza di ampie regioni vuote nell’immagine di profondità e la formazione di nuvole di punti incomplete. A tutti i punti non validi dell’immagine di profondità è stato assegnato un valore di profondità di 8000 mm (la profondità massima supportata dalla telecamera), con il quale è stata generata una nuvola di punti. In questo modo è stato possibile garantire l’assenza di spazi vuoti nella nuvola di punti.

Riempimento dei pixel non mappati

Quando si proietta la nuvola di punti 3D su un piano 2D, nell’immagine 2D ci sono regioni non mappate/non riempite. Molti pixel della nuvola di punti (3D) vengono mappati sullo stesso pixel 2D e quindi diversi pixel 2D rimangono vuoti. Ciò comporta l’effetto di stiramento mostrato nella Figura 6. Per risolvere questo problema, è stato utilizzato un filtro 3 × 3 che riempie i pixel non mappati con il valore medio di IR/profondità degli 8 pixel vicini che hanno valori validi. In questo modo si è ottenuta una formazione più completa dell’immagine in uscita e gli artefatti sono stati rimossi (vedi Figura 6).

Rumore generato da punti sovrapposti

A causa dell’algoritmo di proiezione cilindrica, molti punti della regione di sovrapposizione finiscono per ottenere le stesse coordinate di appoggio sull’uscita 2D proiettata. Questo crea rumore quando i pixel di sfondo si sovrappongono a quelli in primo piano. Per risolvere questo problema, la distanza radiale di ogni punto viene confrontata con il punto esistente, e il punto viene sostituito solo se la distanza dall’origine della telecamera è inferiore al punto esistente. In questo modo si possono mantenere solo i punti in primo piano e migliorare la qualità della proiezione (vedi Figura 7).

Conclusione

Questo algoritmo è in grado di aggregare immagini provenienti da telecamere diverse con meno di 5° di sovrapposizione, rispetto ai 20° di sovrapposizione richiesti dai tradizionali algoritmi basati sulla corrispondenza dei punti chiave. Questo approccio richiede pochissimi calcoli, il che lo rende un candidato ideale per i sistemi all’edge di rete. L’integrità dei dati di profondità viene mantenuta anche dopo l’aggregazione, poiché non si verifica alcuna distorsione dell’immagine. Questa soluzione supporta ulteriormente l’implementazione modulare dei sensori ADTF3175 per ottenere il FOV desiderato con una perdita minima.
L’espansione del FOV non si limita alla dimensione orizzontale e la stessa tecnica può essere utilizzata per espandere la vista in verticale e ottenere una vera visione sferica. La soluzione funziona su una CPU Arm® V8 a 6 core a 10 fps per quattro sensori che forniscono un FOV di 275°. Il frame rate sale a 30 fps quando si utilizzano solo due sensori.
Uno dei vantaggi principali di questo approccio è l’enorme guadagno computazionale ottenuto: un guadagno di più di 3 volte nella computazione di base (vedi Tabella 1).
Le Figure 8 e 9 mostrano alcuni risultati ottenuti con questa soluzione.

Analog Devices ti aspetta a SPS Norimberga 2024 per trasformare il futuro del settore industriale presso il Padiglione 5, Stand 110. Maggiori informazioni sulla pagina ADI dedicata.

Tabella 1. Confronto tra complessità computazionali: algoritmi tradizionali su algoritmo proposto per input di 512 × 512 QMP

AlgoritmoOperazioni in Virgola Mobile medie  
Aggregazione immagini tradizionale857 milioni
Aggregazione di profondità PCL proposta260 milioni (Riduzione di 3,29 volte)

Riferimenti

“Analog Devices 3DToF ADTF31xx.” GitHub, Inc.

“Analog Devices 3DToF Floor Detector.” GitHub, Inc.

“Analog Devices 3DToF Image Stitching.” GitHub, Inc.

“Analog Devices 3DToF Safety Bubble Detector.” GitHub, Inc.

“Analog Devices 3D ToF Software Suite.” GitHub, Inc.

He, Yingshen, Ge Li, Yiting Shao, Jing Wang, Yueru Chen, and Shan Liu. “A Point Cloud Compression Framework via Spherical Projection.” 2020 IEEE International Conference on Visual Communications and Image Processing, 2020.

Industrial Vision Technology. Analog Devices, Inc.

Topiwala, Anirudh. “Spherical Projection for Point Clouds.” Towards Data Science, Marzo 2020.

AUTORI:

Rajesh Mahapatra, Senior Manager, Analog Devices

Anil Sripadarao, Principal Engineer, Analog Devices

Swastik Mahapatra, Senior Engineer, Analog Devices

Rockwell Automation utilizza la tecnologia di controllo Analog Devices

Per abilitare questa innovazione che aumenta la flessibilità, Rockwell Automation ha collaborato con Analog Devices e ha utilizzato la sua tecnologia di controllo

Rockwell Automation: mette in moto la trasformazione digitale.

In risposta all’aumento dei costi dell’energia, alle tensioni geopolitiche e alle persistenti interruzioni della supply chain, gli operatori industriali stanno ora dando priorità agli investimenti che garantiscano resilienza, flessibilità e sostenibilità alle proprie attività.

Il sistema di trasporto intelligente MagneMover® LITE è la risposta smart di Rockwell Automation a questo ambiente sfidante in cui i produttori si vedono costretti a operare.

MagneMover LITE è un sistema di trasporto intelligente che offre un concetto modulare flessibile, in cui ciascun modulo è costituito da una sezione di motore lineare che si adatta a formare una varietà quasi infinita di configurazioni per affrontare qualsiasi esigenza industriale.

Supera i trasportatori a nastro e a catena tradizionali per le applicazioni OEM/in-machine e per i requisiti di movimentazione più impegnativi, offrendo nuovi livelli di ottimizzazione dei processi e di produttività. Infatti, rispetto a un sistema di trasporto tradizionale, Rockwell afferma che il MagneMover LITE possa aiutare i produttori ad aumentare i tempi di operatività di 10 volte, a risparmiare fino al 25% sul costo dell’energia e a risparmiare fino al 25%-30% sul tracciato dell’impianto, a seconda dell’applicazione.

Per abilitare questa innovazione che aumenta la flessibilità, Rockwell Automation ha collaborato con Analog Devices e ha utilizzato la sua tecnologia di controllo del movimento Trinamic®, che include la soluzione TMC2130A, per implementare appieno la funzionalità di motion control di MagneMover LITE.

La precisione e le capacità diagnostiche di questa soluzione hanno permesso a Rockwell Automation di fornire tutta l’architettura e le funzionalità necessarie in MagneMover LITE. Il risultato è un sistema che sta aprendo nuove porte alla necessità, da parte dei produttori, di avere un’operatività più flessibile ed efficiente dal punto di vista energetico.

In sintesi

Azienda

Rockwell Automation è leader mondiale nell’automazione industriale e nella trasformazione digitale, che unisce l’immaginazione delle persone al potenziale della tecnologia, per espandere ciò che è umanamente possibile e rendere il mondo più produttivo e sostenibile. Con sede centrale a Milwaukee, nel Wisconsin, Rockwell Automation ha una forza operativa di circa 28.000 persone che risolvono problemi e si dedicano ai propri clienti in oltre 100 Paesi del mondo.

Obiettivo

Consentire ai clienti di raggiungere i propri obiettivi operativi e di produttività, permettendo loro di spostare carichi leggeri in modo rapido ed efficiente.

Sfida

Implementare completamente le funzionalità di controllo del movimento di MagneMover LITE e fornire la prossima generazione di operazioni di automazione industriale efficienti. Per ADI ciò ha significato fornire un circuito integrato con la precisione e le capacità diagnostiche necessarie affinché MagneMover LITE funzionasse come da specifiche.

Soluzione ADI

Soluzione integrata TMC2130A – con capacità diagnostiche per adattare in modo intelligente le prestazioni in uso e la flessibilità di controllare due motori con un unico circuito integrato – che si integra perfettamente nella funzionalità di controllo del movimento di MagneMover LITE.

Rockwell Automation magnemover lite

magnemover lite factory

Movimento intelligente

Posizionamento accurato (non sono necessari fermi meccanici), movimento bidirezionale, movimento fluido, tracciamento continuo del carrello e reportistica.

Ottimizzazione del processo

Gli strumenti di simulazione e configurazione semplificano la progettazione e l’ottimizzazione del sistema.

Tracciabilità completa

Identificazione univoca di ciascun carrello e della sua posizione in ogni momento, con una reportistica completa per la tracciabilità dei dati e la possibilità di assegnare priorità all’instradamento dei singoli trasportatori.

Layout flessibili

I layout del sistema possono essere orientati in diversi modi, per adattarsi allo spazio.

Adatto a molteplici applicazioni

Applicabile alla produzione farmaceutica, al riempimento sterile e asettico, al confezionamento di alimenti e bevande, all’automazione di laboratorio, all’immagazzinamento, al settore automobilistico, ai dispositivi medici e alla produzione di prodotti di consumo.

Facile da pulire e manutenere

Lavabile con un grado di protezione IP65. Poche parti mobili significano meno manutenzione.

on track image

“Rockwell sapeva di dover collaborare con un’azienda dotata di una tecnologia di controllo del movimento all’avanguardia e ADI era la scelta perfetta. Grazie all’utilizzo della tecnologia di Motion Control Trinamic di ADI, il sistema MagneMover Lite di Rockwell è in grado di funzionare con precisione e flessibilità, esattamente come previsto”.

Anuj Mahendru, Global Industry Director, Semiconductor and High Tech, Rockwell Automation

Il controllo di movimento Trinamic di ADI porta Rockwell Automation a un livello di efficienza piú elevato

La realizzazione di questa soluzione richiede un controllo del movimento di precisione per lo spostamento bidirezionale, l’arresto e l’avvio intelligente dei carrelli dei materiali, la sincronizzazione del movimento con gli altri macchinari presenti nello stabilimento e una risposta dei motori di trazione che si adatti in modo efficiente alle dimensioni del carico. Rockwell Automation ha collaborato con Analog Devices e la sua tecnologia di controllo del movimento Trinamic per creare un altro livello di efficienza nell’automazione industriale. Il TMC2130A è un driver ad alte prestazioni per motori stepper bifase e include due funzionalità molto interessanti:

StealthChop™ Voltage Chopper

Il sofisticato StealthChop Voltage Chopper di Trinamic garantisce un funzionamento praticamente silenzioso, combinato ad una maggiore efficienza e ad una coppia del motore migliorata.

Tecnologia CoolStep™

CoolStep di Trinamic è un controllo di corrente sensorless, dipendente dal carico, che aziona i motori alla potenza minima necessaria per le condizioni di carico effettive, riducendo il consumo energetico dei motori stessi e la generazione di calore – parametri critici per migliorare l’efficienza e adattare le prestazioni a esigenze mutevoli.

Implementando queste funzionalità nel sistema MagneMover LITE, Rockwell Automation sapeva che avrebbe avuto a disposizione la tecnologia per fornire un sistema AHMS ad alta efficienza energetica, in grado di effettuare un Motion Control di precisione, richiesto dai produttori alla ricerca di una flessibilità sempre maggiore.

ADI ha apprezzato così tanto il magnemover lite che lo sta utilizzando anche internamente

ADI è rimasta talmente colpita dalla funzionalità di MagneMover LITE che lo sta implementando nei propri stabilimenti di Beaverton, Oregon e Limerick, Irlanda.

Rockwell Automation distribuirà negli stabilimenti ADI oltre 2 km di binari MagneMover LITE, utilizzabili per il trasporto e l’immagazzinamento, che consentiranno a ADI di ridurre lo spazio utilizzato, una caratteristica preziosa per le operazioni di fabbrica.

Nel complesso, questo sistema modulare di nuova generazione di Rockwell Automation può offrire vantaggi fondamentali a ADI, che lo ha scelto perché può contribuire a:

  • Ridurre il trasporto interno
  • Creare efficienza nella movimentazione dei materiali
  • Consentire l’implementazione del sistema in aree precedentemente impossibili
  • Scalare l’implementazione di pari passo con la crescita della fabbrica.

Inoltre, prima ancora di installare un solo pezzo di binario, Rockwell Automation e ADI hanno creato insieme un modello digitale di come l’AHMS si integrerebbe nella fabbrica.

Questo ha permesso a ADI di avere una prospettiva unica su come l’AMHS di Rockwell Automation si collegherebbe a tutti i sistemi di programmazione, spedizione e MES di ADI, il tutto prima che iniziasse l’installazione, dando a ADI delle informazioni uniche su come le prestazioni di precisione dell’AMHS migliorerebbero la produttività e gli utili futuri.

“Prevediamo che l’implementazione della tecnologia dei carrelli indipendenti nei nostri stabilimenti migliorerà la produttività degli operatori di quasi il 20%. La tecnologia MagneMover consentirà agli operatori di concentrarsi su altre attività invece di consegnare manualmente i lotti attraverso la fabbrica. Si tratta di un enorme guadagno di produttività!”.

José J. García, Managing Director, Wafer Fab Sustainability and Autonomous Enterprise, Analog Devices

Con Rockwell Automation magnemover lite si è “sul binario giusto” verso una produzione efficiente

In generale, Rockwell Automation e ADI hanno obiettivi di trasformazione manifatturiera/digitale, molto simili: migliorare la qualità della vita rendendo il mondo più produttivo e sostenibile con la prossima generazione di produzione intelligente. Questa relazione reciprocamente vantaggiosa con queste soluzioni tecnologiche all’avanguardia – il MagneMover LITE di Rockwell Automation e il Trinamic Motion Control di ADI – è la dimostrazione che due grandi aziende possono collaborare e offrire processi di produzione più efficienti, che migliorano la produttività e riducono al minimo l’impatto ambientale.

Analog Devices ti aspetta a SPS Norimberga 2024 per trasformare il futuro del settore industriale presso il Padiglione 5, Stand 110.

Il metaverso secondo Analog Devices

Metaverso e il Sistema Salute
Il metaverso secondo Analhttps://www.analog.com/en/index.htmlog Devices è destinato a influenzare ogni aspetto della nostra vita, l’azienda ritiene che debba essere facilmente accessibile in qualsiasi momento e luogo, senza essere intrusivo per la persona che ne usufruisce

Quando si pensa al metaverso, vengono in mente diversi aspetti, dai ragazzi della Generazione Alfa che giocano con gli amici, agli NFT, a persone che indossano cuffie per la realtà virtuale, ecc.

In un mercato ancora indefinito e infinito, i potenziali casi d’uso del metaverso sono tanto vasti e variegati quanto lo è la nostra immaginazione. Un fattore che le esperienze del metaverso hanno in comune, tuttavia, è quello di basarsi tutte su una forte tecnologia complementare di base.

Il professore di matematica Edward Thorp creò il primo computer indossabile negli anni ’60, sviluppando l’idea di un dispositivo portatile in grado di prevedere i risultati della roulette.

Oggi la tecnologia indossabile è diventata onnipresente e la categoria si è estesa ben oltre gli smartwatch, arrivando alle cuffie per la realtà aumentata (AR) e la realtà virtuale (VR).

Con il metaverso è possibile ottenere screening sanitari approfonditi dalla tua amaca.

METAVERSO E B2B

Il metaverso viene descritto come la prossima evoluzione del modo in cui utilizziamo Internet.

Agli albori di questa rete, la comunicazione era unidirezionale, ovvero i contenuti venivano pubblicati su pagine statiche e non vi era modo di rispondere o interagire con essi.

Nell’evoluzione successiva, il web è diventato più sociale, gli utenti hanno potuto interagire con contenuti, aziende e fra di loro.

Successivamente sono apparsi i social media e da questa evoluzione sono nate alcune delle più grandi aziende del mondo come Amazon, Meta (Facebook) e Google.

Oggi non siamo ancora entrati nella prossima evoluzione, ma esistono tutti i presupposti per far diventare il metaverso un’esperienza più personalizzata, ovvero un Internet controllato dall’utente che si trasforma in un luogo dalle esperienze immersive.

Uno studio di JPMorgan Chase [ha stimato il metaverso come un’opportunità di mercato da oltre 1.000 miliardi di dollari, affermando che “negli anni a venire il metaverso probabilmente penetrerà in qualche modo in ogni settore”. Sebbene gran parte di queste opportunità di guadagno risieda nei settori del gioco, nella vendita al dettaglio, negli eventi e altri mercati di consumo, JPMorgan osserva che “i leader aziendali e i Consigli d’Amministrazione di tutto il mondo si stanno chiedendo quale sia la loro strategia di metaverso e cosa dovrebbero fare nel metaverso”.

IMMERSI NEL METAVERSO

Il gioco immersivo sta trainando le vendite di cuffie AR/VR; tuttavia, un’esperienza immersiva non consiste solamente nell’indossare una cuffia per vivere in un mondo virtuale.

Piuttosto può essere vissuta anche quando si esce nel mondo reale, seppur aumentato.

Per esempio, durante la pandemia, abbiamo imparato che molti disturbi per cui, solitamente, eravamo costretti a recarci dal nostro medico, potevano – e possono – essere efficacemente diagnosticati e curati comodamente a domicilio.

Il metaverso svilupperà ulteriormente questo concetto, creando uffici virtuali che alcuni definiscono “meta-sanitari”.

Provate a immaginare un mondo in cui il vostro smartwatch avvisa il vostro medico che qualcosa non va, fissandovi in autonomia un appuntamento. Immaginate anche che, in questo mondo, il vostro avatar saluta la persona alla reception, attende in una sala d’attesa virtuale senza rischiare di prendere il raffreddore da un altro paziente e si consulta con l’avatar del medico oppure con il medico in persona. Insieme, voi e/o i vostri avatar potete consultare gli stessi documenti, esaminare i risultati degli esami e discutere le eventuali cure.

Probabilmente il medico avrà coinvolto uno specialista che può aiutare a formularvi una diagnosi.

Questo specialista potrebbe vivere a grande distanza da voi, ma il metaverso lo porterebbe direttamente a casa vostra.

Il metaverso del futuro richiederà un’incredibile potenza di calcolo, valore che dovrebbe guidare determinare come approcciare un’implementazione di successo, anche nelle quattro aree chiave seguenti: potenza di calcolo del Cloud, infrastruttura di rete, energia, dispositivi all’Edge di rete.

Il metaverso del futuro richiederà un’incredibile potenza di calcolo, 1.000 volte superiore a quella attuale [3]. Se in qualche modo state pensando di sfruttarlo, questo valore dovrebbe guidarvi nel determinare come approcciare un’implementazione di successo, anche nelle quattro aree chiave seguenti.

  1. Potenza di calcolo del Cloud

I modi in cui oggi utilizziamo Internet stanno già spingendo la rapida crescita dei data center su larga scala. Quando il metaverso raggiungerà il suo pieno potenziale, secondo Intel® la potenza di calcolo richiesta aumenterà di mille volte e, di conseguenza, i data center più sofisticati cresceranno di pari passo. Per alimentare con successo il metaverso saranno necessari server ad alta densità, acceleratori di AI, sistemi di archiviazione e di rete, nonché soluzioni di controllo ottico per la connettività gigabit e soluzioni di sensori per lo sviluppo dell’infrastruttura dei data center.

  1. Infrastruttura di rete

Nel metaverso, i video che vanno a rilento, i tempi lunghi di caricamento e le connessioni scadenti sono un ostacolo non da poco. Il mondo reale che ci circonda non fa “buffering” e logicamente nemmeno il metaverso dovrebbe farlo. Se pensate che la latenza, ovvero il tempo necessario ai dati per passare da un punto all’altro di una rete, sia importante nel mondo di oggi, immaginatene l’impatto sul modo in cui interagite con le persone, i prodotti e i luoghi nel metaverso. Alcuni studi hanno anche dimostrato che la latenza è una delle principali cause del “mal d’auto” indotto dalle cuffie VR.

  1. Energia

Uno studio ha dimostrato che l’impronta delle emissioni di CO2 di un modello di elaborazione linguistica dell’AI è stata stimata in oltre 284 t [4]. Per il metaverso, il consumo di energia e le emissioni sarebbero astronomiche; pertanto, è necessario affidarsi a fonti di energia verde (solare ed eolica). Immagazzinare e distribuire l’energia è la sfida più grande. Poiché in genere le batterie immagazzinano l’energia green inutilizzata allo scopo di massimizzare l’efficacia di queste fonti, è necessario un efficace sistema di gestione delle batterie stesse (BMS), per monitorare, controllare e distribuire in modo affidabile la carica e la scarica dell’intero sistema di batterie durante la sua vita utile.

  1. Dispositivi all’Edge di rete

La rivoluzione dell’edge intelligente è qui, adesso. L’edge computing si è sviluppato in risposta alla massiccia crescita della domanda di larghezza di banda da parte dei dispositivi distribuiti, soprattutto nel metaverso, dove le applicazioni in tempo reale richiedono capacità di elaborazione e archiviazione locale dei dati generati in tutto il mondo. Per offrire esperienze così coinvolgenti, il metaverso ha bisogno di diverse tecnologie integrate nei sottosistemi di visione, audio e interfaccia uomo-macchina, che necessitano tutte di una notevole potenza di elaborazione all’edge di rete. Per ottenere una latenza minima e una maggiore capacità di elaborazione, con una minore quantità di energia possibile, l’AI all’edge rappresenterà un fattore chiave. L’elaborazione più vicina al sensore riduce il consumo di energia per trasferire i dati da un dispositivo e garantisce una latenza minima, con potenza di calcolo localizzata anziché nel cloud.

CONCLUSIONI

Il metaverso è destinato a influenzare ogni aspetto della nostra vita, pertanto Analog Devices ritiene che, se deve diventare onnipresente, il metaverso deve essere facilmente accessibile in qualsiasi momento e in qualsiasi luogo, senza limitare o essere intrusivo per la persona ne usufruisce.

Questi obiettivi possono essere raggiunti solo se sarà possibile costruire l’infrastruttura necessaria a supportarli. L’intelligent edge giocherà un ruolo chiave in uno sforzo congiunto, necessario per generare la potenza di calcolo necessaria, utilizzando al contempo fonti di energia efficaci e rinnovabili e migliorando l’infrastruttura di rete per supportare quantità di dati senza precedenti.

Analog Devices e la sua tecnologia sono già in grado di contribuire alla realizzazione di questa infrastruttura.

Il portfolio di soluzioni ADI per i data center spazia dalla gestione dell’alimentazione al controllo ottico per la connettività gigabit e, per finire, alle soluzioni di sensori per lo sviluppo di infrastrutture per data center. Analog Devices, inoltre, è sempre stata all’avanguardia nella pianificazione, progettazione e realizzazione di tecnologie wireless di base che rendono possibile l’attuale infrastruttura di rete 5G a bassa latenza, con prestazioni elevate senza precedenti, basso consumo, livelli di sicurezza elevati e algoritmi intelligenti. Inoltre, con le nostre soluzioni di gestione delle batterie, possiamo contribuire a trasformare in realtà la riduzione dei consumi e l’alimentazione ecologica.

Quindi, sia che stiate pensando a realizzare una struttura meta-sanitaria, un’esperienza di shopping virtuale o la prossima esperienza di gioco immersivo, la progettazione di una infrastruttura robusta deve essere al primo posto.