កាមេរ៉ា Ego – ឧបករណ៍មើលឃើញស្តេរ៉េអូដែលម៉ោនលើក្បាលសម្រាប់ការប្រមូលទិន្នន័យការរៀនសូត្ររបស់មនុស្សយន្ត
ម៉ូឌុលកាមេរ៉ាកែវយឹតដែលម៉ោនលើក្បាល ដែលត្រូវបានបង្កើតឡើងសម្រាប់តែការចាប់យកទិន្នន័យបង្ហាញរបស់មនុស្សប៉ុណ្ណោះ។ វាផ្តល់ទិន្នន័យឧបករណ៍ចាប់សញ្ញាឆៅដែលផ្តោតលើខ្លួនឯង ដែលបានធ្វើសមកាលកម្មដោយផ្នែករឹង និងក្រិតតាមខ្នាតជាមុនពីរោងចក្រ ដើម្បីជំរុញការរៀនធ្វើត្រាប់តាម និងបំពង់ AI ដែលភ្ជាប់មកជាមួយ។
ចំណុចកកស្ទះទិន្នន័យដែលធ្វើឲ្យ AI រូបវន្តមានបញ្ហា
នៅឆ្នាំ ២០២៦ ការឯកភាពជាសកលមួយបានបង្កើតឡើងនៅទូទាំងឧស្សាហកម្មមនុស្សយន្ត៖ ទិន្នន័យគឺជាឧបសគ្គដ៏សំខាន់ដែលរារាំងការដាក់ពង្រាយ AI រូបវន្តដែលអាចធ្វើមាត្រដ្ឋានបាន។ គំរូភាសាធំៗហ្វឹកហាត់លើថូខឹនអត្ថបទរាប់ពាន់លាន ប៉ុន្តែប្រព័ន្ធ AI ដែលភ្ជាប់មកជាមួយអាចចូលប្រើបានតិចជាងមួយភាគដប់ពាន់នៃបរិមាណនោះនៅក្នុងវីដេអូអន្តរកម្មរូបវន្តក្នុងពិភពពិត។
ភាពខុសគ្នានេះបង្កជាឧបសគ្គដ៏ធំមួយចំពោះវឌ្ឍនភាព។ មន្ទីរពិសោធន៍មនុស្សយន្តឈានមុខគេប៉ាន់ប្រមាណថា ការបណ្តុះបណ្តាលគោលនយោបាយរៀបចំផែនការកម្រិតខ្ពស់តម្រូវឱ្យមានវីដេអូមនុស្សទីមួយដែលផ្តោតលើអត្មានិយមចំនួន 100 លានទៅ 1 ពាន់លានម៉ោងក្នុងរយៈពេល 2-3 ឆ្នាំខាងមុខ។ សូម្បីតែសម្រាប់កិច្ចការរៀបចំផែនការដាច់ដោយឡែកមួយក៏ដោយ សំណុំទិន្នន័យបណ្តុះបណ្តាលទាមទារសកម្មភាពរបស់មនុស្សដែលបានកត់ត្រាទុកចន្លោះពី 100,000 ទៅ 1 លានម៉ោង។
អ្នកអនុវត្តក្នុងឧស្សាហកម្មយល់ស្របថា ការចាប់យកទិន្នន័យដែលផ្តោតលើខ្លួនឯងផ្តល់នូវសមត្ថភាពធ្វើមាត្រដ្ឋានខ្ពស់បំផុត។ ជំនួសឱ្យការពឹងផ្អែកលើឧបករណ៍ប្រតិបត្តិការពីចម្ងាយថ្លៃៗ ដែលមានតម្លៃរាប់ម៉ឺនដុល្លារអាមេរិកក្នុងមួយឯកតា ក្រុមស្រាវជ្រាវ និងអ្នកលក់ទិន្នន័យឥឡូវនេះប្រើប្រាស់កាមេរ៉ាទម្ងន់ស្រាលដែលម៉ោនលើក្បាល ដើម្បីថតវីដេអូបង្ហាញ ខណៈពេលដែលមនុស្សអនុវត្តកិច្ចការប្រចាំថ្ងៃតាមធម្មជាតិ។
ការផ្លាស់ប្តូរនេះអាចមើលឃើញរួចហើយនៅក្នុងការដាក់ពង្រាយក្នុងពិភពពិត។ នៅក្នុងខែមេសា ឆ្នាំ២០២៦ វីដេអូដ៏ពេញនិយមបានបង្ហាញកម្មករវាយនភណ្ឌរាប់ពាន់នាក់នៅទូទាំងតំបន់ Delhi NCR នៃប្រទេសឥណ្ឌាពាក់កាមេរ៉ាតូចដែលផលិតដោយ Egolab.AI។ ប្រតិបត្តិករទាំងនេះឥឡូវនេះបង្កើតសំណុំទិន្នន័យវីដេអូដ៏ធំសម្បើមដែលផ្តោតលើខ្លួនឯង ដើម្បីបណ្តុះបណ្តាលមនុស្សយន្តស្រដៀងនឹងមនុស្សជំនាន់ក្រោយ។
ហេតុអ្វីបានជាទិន្នន័យមនុស្សទីមួយដែលផ្តោតលើអត្មានិយមគឺមិនអាចខ្វះបាន
មនុស្សយន្តត្រូវតែយល់ឃើញពីការបញ្ចូលដែលមើលឃើញយ៉ាងពិតប្រាកដដែលមនុស្សឃើញ ដើម្បីចម្លងជំនាញម៉ូទ័ររបស់មនុស្សបានត្រឹមត្រូវ។ រលកនៃការស្រាវជ្រាវដែលបានបោះពុម្ពផ្សាយរវាងឆ្នាំ 2025 និង 2026 បានបញ្ជាក់ពីតម្លៃបំប្លែងនៃសំណុំទិន្នន័យដែលផ្តោតលើអត្មានិយម៖
1.
អត្មាមនុស្ស វីដេអូដែលផ្តោតលើភាពអាត្មានិយមរបស់មនុស្សត្រឹមតែ 30 នាទីប៉ុណ្ណោះសម្រាប់កិច្ចការនីមួយៗសម្រេចបានអត្រាជោគជ័យជាមធ្យម 92.5% លើកិច្ចការរៀបចំក្នុងពិភពពិត ដែលអាចឱ្យមានការផ្ទេរជំនាញដោយមិនចាំបាច់បាញ់ពីមនុស្សទៅមនុស្សយន្ត។
2.
អត្មានិយម ការរួមបញ្ចូលទិន្នន័យបង្ហាញរបស់មនុស្សជំរុញការអនុវត្តភារកិច្ចពី 34% ទៅ 228% បើប្រៀបធៀបទៅនឹងទិន្នន័យបណ្តុះបណ្តាលសម្រាប់តែមនុស្សយន្ត។ វីដេអូដៃមនុស្សបន្ថែមរយៈពេលមួយម៉ោងផ្តល់នូវការកែលម្អគំរូច្រើនជាងទិន្នន័យបន្ថែមដែលប្រមូលដោយខ្លួនឯងរបស់មនុស្សយន្តរយៈពេលមួយម៉ោង។ សំណុំទិន្នន័យមនុស្ស-មនុស្សយន្តចម្រុះក៏ផ្តល់នូវការបណ្តុះបណ្តាល និងការអនុវត្តការដាក់ពង្រាយដ៏ល្អប្រសើរផងដែរ រួមទាំងវីដេអូពីលំហូរការងារទូរគមនាគមន៍រយៈចម្ងាយឆ្ងាយ។
3.
មាត្រដ្ឋានអត្មា បង្កើតឡើងដោយក្រុមអ្នកស្រាវជ្រាវ NVIDIA ក្របខ័ណ្ឌនេះប្រើប្រាស់សំណុំទិន្នន័យចម្រុះនៃវីដេអូដែលផ្តោតលើអត្មានិយមរបស់មនុស្សរយៈពេល 20,854 ម៉ោង ដើម្បីធ្វើមាត្រដ្ឋានសមត្ថភាពរៀបចំដ៏ប៉ិនប្រសប់នៅទូទាំងកិច្ចការទូទៅ។
4.
បើកចំហ AoE ចេញផ្សាយសំណុំទិន្នន័យវីដេអូរយៈពេល 2,000 ម៉ោងដែលផ្តោតលើខ្លួនឯង រួមផ្សំជាមួយនឹងចលនាវិទ្យាដៃដែលធ្វើសមកាលកម្ម និងចំណារពន្យល់សកម្មភាពអាតូមិក។
5.
ក្របខ័ណ្ឌទំនើបៗ ក្របខ័ណ្ឌទំនើបៗ រួមទាំង EgoGuide និង EgoLive ធ្វើឱ្យការចាប់យកការបង្ហាញដោយមិនប្រើមនុស្សយន្ត និងការបង្កើតសំណុំទិន្នន័យទ្រង់ទ្រាយធំដែលផ្តោតលើខ្លួនឯងកាន់តែប្រសើរឡើង។
បើទោះបីជាមានសន្ទុះឧស្សាហកម្មនេះក៏ដោយ ដំណោះស្រាយផ្នែករឹងសម្រាប់ការចាប់យករូបភាពដែលមានគុណភាពខ្ពស់នៅតែបែកខ្ញែក។ អ្នកស្រាវជ្រាវ និងក្រុមទិន្នន័យត្រូវបានបង្ខំឱ្យផ្គុំកាមេរ៉ាសកម្មភាពអ្នកប្រើប្រាស់ វ៉ែនតា AR និងឧបករណ៍ដែលផលិតតាមតម្រូវការ — ដែលធ្វើឲ្យប៉ះពាល់ដល់ភាពជាក់លាក់នៃការធ្វើសមកាលកម្ម ភាពស៊ីសង្វាក់គ្នានៃការក្រិតតាមខ្នាត និងផាសុកភាពប្រើប្រាស់បានយូរក្នុងដំណើរការនេះ។
ទិដ្ឋភាពទូទៅនៃផលិតផលកាមេរ៉ា Ego
កាមេរ៉ា Ego គឺជាម៉ូឌុលកាមេរ៉ាស្តេរ៉េអូកែវយឹតដែលម៉ោនលើក្បាល ដែលត្រូវបានរចនាឡើងតាំងពីដំបូងសម្រាប់ការចាប់យកទិន្នន័យដែលផ្តោតលើខ្លួនឯងនៅក្នុងការរៀនរបស់មនុស្សយន្ត បញ្ញាសិប្បនិម្មិត និងលំហូរការងាររៀនធ្វើត្រាប់តាម។
មិនដូចកាមេរ៉ាសកម្មភាពអ្នកប្រើប្រាស់ដែលត្រូវបានកែច្នៃឡើងវិញសម្រាប់ការប្រើប្រាស់ស្រាវជ្រាវនោះទេ កាមេរ៉ា Ego ត្រូវបានផលិតឡើងសម្រាប់បំពង់បង្ហូរមនុស្សយន្តសិក្សា និងឧស្សាហកម្ម។ វាបញ្ចេញទិន្នន័យឧបករណ៍ចាប់សញ្ញាឆៅដែលស្អាត ធ្វើសមកាលកម្មជាមួយផ្នែករឹង និងក្រិតតាមខ្នាតជាមុនពីរោងចក្រភ្លាមៗ ដោយមិនចាំបាច់រៀបចំដំណើរការក្រោយការផលិតឡើយ។
លក្ខណៈបច្ចេកទេសស្នូល
| លក្ខណៈបច្ចេកទេស | ព័ត៌មានលម្អិត |
|---|---|
| ឧបករណ៍ចាប់សញ្ញារូបភាព | ឧបករណ៍ចាប់សញ្ញា CMOS Shutter សកល 2MP ពីរ |
| ទិដ្ឋភាពផ្ដេក (HFOV) | ៦០–៦៥° ដែលត្រូវនឹងជួរមើលឃើញធម្មជាតិរបស់មនុស្ស |
| បច្ចេកវិទ្យាបិទបើក | មុខងារបិទជិតសកល; លុបបំបាត់ការបង្ខូចទ្រង់ទ្រាយនៃមុខងារបិទជិតរំកិលអំឡុងពេលចលនាក្នុងល្បឿនលឿន |
| ម៉ូឌុល IMU | អ័ក្ស 6 ICM-26888-P (ឧបករណ៍វាស់ល្បឿនអ័ក្ស 3 + ហ្គីរ៉ូស្កុបអ័ក្ស 3) ប្រេកង់គំរូ 200–500 Hz |
| យន្តការធ្វើសមកាលកម្ម | គន្លឹះ GPIO ផ្នែករឹង; កំហុសក្នុងការធ្វើសមកាលកម្មស៊ុម-IMU < 10 មីក្រូវិនាទី |
| ការបោះត្រាពេលវេលា | ត្រាពេលវេលាណាណូវិនាទីបង្រួបបង្រួមកម្រិតផ្នែករឹងសម្រាប់ស៊ុមរូបភាពនីមួយៗ និងការអាន IMU |
| ចំណុចប្រទាក់ខ្សែ | USB 2.0 Type-C, អនុលោមតាម UVC; ការគាំទ្រ SDK ឆ្លងវេទិកាសម្រាប់ Windows, Linux និង ROS |
| ការដាក់ពង្រាយឥតខ្សែ | ឧបករណ៍ផ្ទុកទិន្នន័យ WiFi + កាត MicroSD ដែលភ្ជាប់មកជាមួយ; វីដេអូត្រូវបានផ្តល់អាទិភាពទៅកន្លែងផ្ទុកទិន្នន័យក្នុងស្រុក និងការផ្ទុកឡើងលើ Cloud ដោយស្វ័យប្រវត្តិនៅពេលភ្ជាប់បណ្តាញឡើងវិញ |
| ស្តង់ដារម៉ោន | រន្ធម៉ោនដែលមានខ្សែរភ្ជាប់ទំហំ 1/4″-20 ឆបគ្នាជាមួយខ្សែរក្បាលក្រោយទីផ្សារ និងគ្រឿងបរិក្ខារផ្ទាល់ខ្លួន |
| ការក្រិតតាមខ្នាត | ប៉ារ៉ាម៉ែត្រស្តេរ៉េអូខាងក្នុង/ខាងក្រៅដែលបានក្រិតតាមខ្នាតរោងចក្រជាមុន និងការបំលែងកាមេរ៉ា-IMU ដែលត្រូវបានរក្សាទុកជាអចិន្ត្រៃយ៍ក្នុងអង្គចងចាំពន្លឺដែលភ្ជាប់មកជាមួយ |
ហេតុអ្វីបានជា Global Shutter មិនអាចចរចាបានសម្រាប់ការរៀនរបស់រ៉ូបូត
កាមេរ៉ាអ្នកប្រើប្រាស់ពឹងផ្អែកលើឧបករណ៍ចាប់សញ្ញារំកិលបិទបើកដែលបង្ហាញជួរភីកសែលជាបន្តបន្ទាប់។ ចលនាដៃរបស់មនុស្សយ៉ាងលឿន - ធាតុមួយដែលមានវត្តមានជានិច្ចនៅក្នុងវីដេអូបង្ហាញ - បង្កើតជាវត្ថុបុរាណរំកិលបិទបើកធ្ងន់ធ្ងរដែលគេស្គាល់ថាជា "ឥទ្ធិពលចាហួយ"៖ គែមវត្ថុដែលលំអៀង ការបង្ខូចទ្រង់ទ្រាយធរណីមាត្រ និងការតាមដានលក្ខណៈពិសេសដែលមិនអាចទុកចិត្តបាន។
ការបង្ខូចទ្រង់ទ្រាយទាំងនេះធ្វើឱ្យខូចដល់បំពង់បង្ហូរមនុស្សយន្ត។ ផ្នែកខាងមុខ VIO ក្បួនដោះស្រាយ SLAM ដែលមើលឃើញ និងគោលនយោបាយរៀនធ្វើត្រាប់តាមមិនអាចទ្រាំទ្រនឹងការផ្លាស់ប្តូរលក្ខណៈពិសេសអន្តរស៊ុមដែលមិនអាចទាយទុកជាមុនបាន ដែលធ្វើឱ្យខូចដល់ការធ្វើទូទៅនៃគំរូ និងការអនុវត្តភារកិច្ចក្នុងពិភពពិតយ៉ាងខ្លាំង។
ឧបករណ៍ចាប់សញ្ញាបិទបើកសកលរបស់កាមេរ៉ា Ego បញ្ចេញភីកសែលទាំងអស់ក្នុងពេលដំណាលគ្នានៅក្នុងបង្អួចចាប់យកតែមួយ។ ស៊ុមនីមួយៗត្រូវគ្នាទៅនឹងរូបរាងរឹងដែលគ្មានភាពមិនច្បាស់លាស់ ដោយគ្មានការបង្ខូចទ្រង់ទ្រាយធរណីមាត្រ - ជាស្តង់ដារចាំបាច់សម្រាប់ការស្រាវជ្រាវមនុស្សយន្តយ៉ាងម៉ត់ចត់ និងការបណ្តុះបណ្តាលគំរូពាណិជ្ជកម្ម។
ខណៈពេលដែលឧស្សាហកម្មនេះកំពុងស្វែងរកសំណុំទិន្នន័យដែលផ្តោតលើអត្មានិយមកាន់តែធំ (ដូចជាបណ្ណសារវីដេអូស្តេរ៉េអូដែលមានភាពច្បាស់ខ្ពស់រយៈពេលច្រើនពាន់ម៉ោងរបស់ EgoLive ដែលគ្របដណ្តប់លើកិច្ចការគ្រួសារ និងឧស្សាហកម្មពិតប្រាកដ) តម្រូវការសម្រាប់ផ្នែករឹងចាប់យករូបភាពដែលគ្មានការបង្ខូចទ្រង់ទ្រាយ និងត្រឹមត្រូវតាមស៊ុមនៅតែបន្តកើនឡើង។
ការធ្វើសមកាលកម្មផ្នែករឹង៖ ភាពខុសគ្នារវាងទិន្នន័យបណ្តុះបណ្តាលដែលមានគុណភាពទាប និងកម្រិតផលិតកម្ម
នៅពេលដែលមនុស្សអនុវត្តលំដាប់នៃការរៀបចំ - ការឈោងចាប់ ការដាក់វត្ថុ - គោលការណ៍របស់មនុស្សយន្តតម្រូវឱ្យមានការតម្រឹមពេលវេលាច្បាស់លាស់រវាងចលនាដៃដែលមើលឃើញ និងចលនារាងកាយនិចលភាព។ សូម្បីតែការមិនធ្វើសមកាលកម្មពីរបីមិល្លីវិនាទីរវាងស៊ុមកាមេរ៉ា និងការអាន IMU ក៏បំពុលសំណុំទិន្នន័យបណ្តុះបណ្តាលទាំងមូលដែរ។ ការតម្រឹមត្រាពេលវេលាដែលមានមូលដ្ឋានលើកម្មវិធី (ការធ្វើសមកាលកម្មទន់) ប្រមូលផ្តុំការរសាត់លើវគ្គថត ហើយបរាជ័យក្នុងការបំពេញតាមស្តង់ដារភាពជាក់លាក់សម្រាប់ VIO ដែលមានភាពស្មោះត្រង់ខ្ពស់ និងបំពង់បង្ហូរការរៀនធ្វើត្រាប់តាម។
កាមេរ៉ា Ego ប្រើប្រាស់ជីពចរ GPIO ដែលឧទ្ទិសដល់ការជំរុញឧបករណ៍ចាប់សញ្ញាកែវយឹត និង IMU ក្នុងពេលដំណាលគ្នា ដោយផ្តល់នូវភាពត្រឹមត្រូវនៃការធ្វើសមកាលកម្មបានល្អជាង 10 មីក្រូវិនាទី។ ស៊ុមរូបភាព និងគំរូនិចលភាពនីមួយៗមានត្រាពេលវេលាផ្នែករឹងដែលបានចែករំលែក — បំពេញតាមតម្រូវការពេលវេលាដ៏តឹងរ៉ឹងនៃក្របខ័ណ្ឌ VIO សំខាន់ៗ រួមទាំង VINS-Fusion និង OpenVINS។
សំណុំទិន្នន័យអត្មានិយមដែលមានចំណារពន្យល់សំខាន់ៗដូចជា Open-AoE ពឹងផ្អែកលើកម្រិតនៃការធ្វើសមកាលកម្មផ្នែករឹងនេះ ដើម្បីផ្តល់ស្លាកអត្ថបទដែលបានធ្វើសមកាលកម្ម ការប៉ាន់ស្មានឥរិយាបថដៃដែលមានមូលដ្ឋានលើ MANOS កំណត់ហេតុគន្លងកាមេរ៉ា និងស្លាកសកម្មភាពអាតូមិកដែលមានទីតាំងតាមពេលវេលា - ស្នាដៃស្នូលទាំងអស់ដែលកាមេរ៉ា Ego ត្រូវបានរចនាឡើងដើម្បីគាំទ្រ។
ការក្រិតតាមខ្នាតជាមុនពីរោងចក្រ៖ លុបបំបាត់ការក្រិតតាមខ្នាតនៅនឹងកន្លែងដែលចំណាយពេលច្រើន
ការក្រិតតាមខ្នាតដោយដៃតំណាងឱ្យបញ្ហាមួយក្នុងចំណោមបញ្ហាដែលប្រើប្រាស់ធនធានច្រើនបំផុតសម្រាប់ដំណើរការការងារចាប់យកទិន្នន័យកាមេរ៉ាច្រើន។ ការលៃតម្រូវប៉ារ៉ាម៉ែត្រកែវថតខាងក្នុង អុហ្វសិតខាងក្រៅស្តេរ៉េអូ និងម៉ាទ្រីសបំលែងកាមេរ៉ា-IMU ទាមទារឧបករណ៍អុបទិកឯកទេស ជំនាញបច្ចេកទេស និងម៉ោងពលកម្មក្នុងមួយឧបករណ៍។
កាមេរ៉ា Ego លុបបំបាត់ដំណើរការការងារនេះទាំងស្រុង។ ឯកតានីមួយៗឆ្លងកាត់ការក្រិតតាមខ្នាតពេញលេញមុនពេលចាកចេញពីរោងចក្រ។ ប៉ារ៉ាម៉ែត្រសំខាន់ៗទាំងអស់ - ប្រវែងប្រសព្វ កូអរដោនេចំណុចសំខាន់ មេគុណបង្ខូចទ្រង់ទ្រាយ ឧបករណ៍ខាងក្រៅស្តេរ៉េអូ និងការបំលែងកាមេរ៉ា-IMU - ត្រូវបានសរសេរជាអចិន្ត្រៃយ៍ទៅកាន់អង្គចងចាំពន្លឺដែលភ្ជាប់មកជាមួយ។
ក្រុមស្រាវជ្រាវ និងអ្នកលក់ទិន្នន័យអាចចាប់ផ្តើមថតវីដេអូដែលមានសុពលភាពក្នុងរយៈពេលប្រាំនាទីបន្ទាប់ពីแกะប្រអប់ ដោយមិនចាំបាច់មានគោលដៅក្តារអុក ឧបករណ៍ក្រិតតាមខ្នាត ឬវគ្គក្រិតតាមខ្នាតកន្លះថ្ងៃឡើយ។ សំណុំទិន្នន័យទំនើបដែលមានស្តង់ដារខ្ពស់សម្រាប់អត្មានិយមតម្រូវឱ្យមានផ្នែករឹងកាមេរ៉ាដែលត្រូវបានក្រិតតាមខ្នាតជាមុនពីរោងចក្រ - ដែលជាលក្ខណៈបច្ចេកទេសដែលបានបង្កើតឡើងដោយផ្ទាល់នៅក្នុងអង្គភាពកាមេរ៉ា Ego នីមួយៗ។
របៀបដាក់ពង្រាយពីរ វេទិកាផ្នែករឹងបង្រួបបង្រួមតែមួយ
1. របៀបប្រើខ្សែ USB
ភ្ជាប់ទៅកុំព្យូទ័រយួរដៃ ឬស្ថានីយការងារសម្រាប់ការមើលជាមុនផ្ទាល់តាមពេលវេលាជាក់ស្តែង និងការថតសំឡេងទាប។ ធ្វើឱ្យប្រសើរឡើងសម្រាប់បរិយាកាសមន្ទីរពិសោធន៍ដែលគ្រប់គ្រង ដែលអ្នកស្រាវជ្រាវផ្ទៀងផ្ទាត់គុណភាពទិន្នន័យតាមតម្រូវការ។ គាំទ្រយ៉ាងពេញលេញដោយ SDK ឆ្លងវេទិកាដែលឆបគ្នាជាមួយក្របខ័ណ្ឌមនុស្សយន្ត Windows, Linux និង ROS។
2. របៀបក្រៅបណ្តាញ WiFi + កាត MicroSD
ការថត Untethered សម្រាប់ការប្រមូលទិន្នន័យចែកចាយទ្រង់ទ្រាយធំ។ វីដេអូដែលថតបានទាំងអស់នឹងសរសេរទៅកន្លែងផ្ទុក MicroSD ក្នុងស្រុកជាមុនសិន ដើម្បីការពារការបាត់បង់ទិន្នន័យក្នុងអំឡុងពេលដាច់បណ្តាញ។ នៅពេលដែលការតភ្ជាប់ត្រូវបានស្តារឡើងវិញ ឯកសារនឹងធ្វើសមកាលកម្មដោយស្វ័យប្រវត្តិទៅកាន់ម៉ាស៊ីនមេ cloud ពីចម្ងាយ ឬឃ្លាំងទិន្នន័យនៅនឹងកន្លែង។ ល្អសម្រាប់ការថតច្រើនឈុតនៅទូទាំងផ្ទះបាយ សិក្ខាសាលាផលិតកម្ម ការិយាល័យ និងបរិស្ថានពិភពពិតផ្សេងទៀត ដើម្បីបង្កើតវីដេអូបង្ហាញរាប់ពាន់ម៉ោង។
លទ្ធផលទិន្នន័យឆៅដែលមានរចនាសម្ព័ន្ធ (គ្មានដំណើរការ AI នៅលើឧបករណ៍)
អង្គភាពនេះបញ្ចេញទិន្នន័យឧបករណ៍ចាប់សញ្ញាឆៅសុទ្ធ ដែលមិនផ្លាស់ប្តូរ ដោយគ្មានការធ្វើឱ្យរូបភាពរលោងដែលភ្ជាប់មកជាមួយ ការបន្ថែមចំណារពន្យល់ដោយស្វ័យប្រវត្តិ ឬការសន្និដ្ឋាន AI នៅលើឧបករណ៍ — ដោយរក្សាភាពស្មោះត្រង់ឆៅពេញលេញសម្រាប់ការរួមបញ្ចូលទៅក្នុងបំពង់បណ្តុះបណ្តាលផ្ទាល់ខ្លួន៖
វីដេអូខាងឆ្វេង.mp4/វីដេអូ_ខាងស្តាំ.mp4: ស្ទ្រីមវីដេអូកែវយឹតស្តេរ៉េអូដែលធ្វើសមកាលកម្មimu_6axis.csvកំណត់ហេតុវាស់វែងនិចលភាព 6 អ័ក្ស (ឧបករណ៍វាស់ល្បឿន + ហ្គីរ៉ូស្កុប) បានដាក់ស្លាកជាមួយត្រាពេលវេលាផ្នែករឹងtimestamps_ns.txtត្រាពេលវេលាផ្នែករឹងណាណូវិនាទីបង្រួបបង្រួមសម្រាប់ស៊ុមរូបភាព និងគំរូ IMU ទាំងអស់calibration_params.yaml: ការបំលែងការក្រិតតាមខ្នាតខាងក្នុង ខាងក្រៅ និងការក្រិតតាមខ្នាតកាមេរ៉ា-IMU ដែលផលិតដោយរោងចក្រ
ផ្នែកអ្នកប្រើប្រាស់គោលដៅ
មន្ទីរពិសោធន៍ស្រាវជ្រាវសិក្សា AI និងការសិក្សាតាមបែបសិប្បនិម្មិតដែលបង្កប់
ក្រុមហ៊ុនផលិតមនុស្សយន្តស្រដៀងមនុស្ស និងមនុស្សយន្តកែច្នៃដ៏ប៉ិនប្រសប់
អ្នកផ្តល់សេវាកម្មទិន្នន័យឯកទេសបង្កើតសំណុំទិន្នន័យបណ្តុះបណ្តាលសម្រាប់អតិថិជន AI រូបវន្ត
ក្រុមស្រាវជ្រាវ និងអភិវឌ្ឍន៍ (R&D) កំពុងបង្កើតក្បួនដោះស្រាយ VIO និង visual SLAM
ក្រុមមនុស្សយន្តពង្រីកដំណើរការប្រមូលទិន្នន័យបង្ហាញទ្រង់ទ្រាយធំដោយផ្តោតលើខ្លួនឯង
ពេលវេលាបង្ហោះ៖ ថ្ងៃទី ១១ ខែសីហា ឆ្នាំ ២០២៦
