Hampo သည် ပေါင်းစပ် AI နှင့် စက်ရုပ်သင်ယူမှုဒေတာရယူရန်အတွက် ရည်ရွယ်ချက်ရှိရှိတည်ဆောက်ထားသော ဦးခေါင်းတွင်တပ်ဆင်ထားသော မှန်ဘီလူးနှစ်လုံးပါ ကင်မရာဖြစ်သည့် Ego-Camera ကို တရားဝင်မိတ်ဆက်ခဲ့သည်။
လူသား၏ စစ်မှန်သော ပထမလူရှုထောင့်ကို ဖမ်းယူနိုင်သည့် ဤယူနစ်သည် မြင့်မားသော တိကျမှုရှိသော အချိန်တံဆိပ်တုံးထားသော အမြင်အာရုံဆိုင်ရာ အရှိန်အဟုန်ဖြင့် ပေါင်းစပ်ထားသော IMU ကို ဟာ့ဒ်ဝဲအဆင့် ထပ်တူပြုခြင်းနှင့်အတူ ပေါင်းစပ်ထားသည်။ ၎င်းသည် ရိုဘော့တစ် သုတေသနနှင့် ဖွံ့ဖြိုးတိုးတက်ရေးအဖွဲ့များအား လက်တွေ့ကမ္ဘာ ကိုင်တွယ်မှုဒေတာများကို အလွယ်တကူ စုဆောင်းနိုင်ပြီး ပါဝင်သော AI မော်ဒယ်လေ့ကျင့်မှုအတွက် ပြန်လည်ထုတ်လုပ်နိုင်သော ဘက်စုံဒေတာစုများကို ထုတ်လုပ်နိုင်စေပါသည်။
စက်မှုလုပ်ငန်းနောက်ခံ
ပါဝင်သော AI စက်ရုပ်များ၏ စွမ်းဆောင်ရည်အမြင့်ဆုံးအဆင့်သည် လေ့ကျင့်ရေးဒေတာစုများ၏ အရည်အသွေးနှင့် စကေးပေါ်တွင် များစွာမူတည်ပါသည်။ တစ်ကိုယ်ကောင်းဆန်သော ပထမလူဒေတာသည် လက်တွေ့အကျဆုံး လေ့ကျင့်ရေးပစ္စည်းများကို ပေးဆောင်ပြီး စက်ရုပ်များ ဖြန့်ကျက်ရာတွင် အသုံးပြုသည့် တကယ့်ရှုထောင့်နှင့် ကိုက်ညီကြောင်း လုပ်ငန်းနယ်ပယ် သဘောတူညီချက်က အတည်ပြုပါသည်။
သုတေသီများသည် ပေါ့ပါးသော ဦးခေါင်းတပ်ဆင်ထားသည့် ကင်မရာကို ဝတ်ဆင်ပြီး သာမန်လက်တွေ့ကမ္ဘာပတ်ဝန်းကျင်တွင် သဘာဝအတိုင်း ဆုပ်ကိုင်ခြင်း၊ တပ်ဆင်ခြင်းနှင့် ကိုင်တွယ်ခြင်းလုပ်ငန်းများကို လုပ်ဆောင်ကြသည်။ AI မော်ဒယ်များသည် လူ့ရှုထောင့်မှ မှတ်တမ်းတင်ခြင်းမှ တိုက်ရိုက် ကိုင်တွယ်မှုစွမ်းရည်၊ လုပ်ဆောင်ချက်အစီအစဥ်များနှင့် နေရာဒေသဆိုင်ရာ ဆက်ဆံရေးများကို သင်ယူကြသည်။ ရှုပ်ထွေးသော စက်ရုပ်လည်ပတ်မှုလုပ်ငန်းစဉ်များနှင့် ကုန်ကျစရိတ်များသော စိတ်ကြိုက်ဒေတာစုဆောင်းမှု စနစ်များကို အများအားဖြင့် ရှောင်ရှားနိုင်ပါသည်။
အရည်အသွေးမြင့် စက်ရုပ်လေ့ကျင့်ရေးသည် ရှင်းလင်းသော ရုပ်ပုံများထက် များစွာပို၍ လိုအပ်ပါသည်။ ယုံကြည်စိတ်ချရသော vision-inertial time alignment၊ frame-accurate timestamps နှင့် အသုံးပြုရန် အသင့်ဖြစ်နေသော calibration datasets များသည် VIO-SLAM၊ teleoperation နှင့် imitation learning တို့အတွက် raw recordings များကို တိုက်ရိုက်အသုံးချနိုင်ခြင်း ရှိ၊ မရှိကို ဆုံးဖြတ်ပေးပါသည်။ Hampo Ego-Camera ကို ဤအရေးကြီးသော စက်မှုလုပ်ငန်းဆိုင်ရာ အခက်အခဲများကို ဖြေရှင်းရန် အထူးဒီဇိုင်းထုတ်ထားပါသည်။
အဓိက သတ်မှတ်ချက်များ
| ကန့်သတ်ချက် | သတ်မှတ်ချက် |
|---|---|
| အာရုံခံကိရိယာ | Dual 2MP Color Global Shutter CMOS (1/2.6″) |
| အထွက် ရုပ်ထွက် ကြည်လင်ပြတ်သားမှု | 3840×1080P @30fps မှန်ဘီလူး မြင်ကွင်းကျယ် |
| ဒိုင်းနမစ် အကွာအဝေး | ၆၁.၅၆dB လိုင်း / ၉၁.၅၆dB HDR |
| မြင်ကွင်း | Dual 125° Ultra-Wide၊ Low-Distortion |
| မှန်ဘီလူး | M12×P0.5 တည်ငြိမ်သော အာရုံစူးစိုက်မှု |
| မှန်ဘီလူးလုပ်ဆောင်ချက် | ကင်မရာနှစ်လုံး ထပ်တူပြုခြင်း၊ အကွာအဝေးတိုင်းတာခြင်းနှင့် ချိန်ညှိခြင်း၊ အနက်ရှာဖွေခြင်းနှင့် 3D ပြန်လည်တည်ဆောက်ခြင်းကို ပံ့ပိုးပေးသည် |
| IMU | On-board IMU၊ ရုပ်ပုံဘောင်များနှင့် ဟာ့ဒ်ဝဲ ထပ်တူပြုခြင်း |
| အချိန်တံဆိပ် | ပြန်ဖွင့်နိုင်သော၊ ပြန်လည်ထုတ်လုပ်နိုင်သောဒေတာအတွက် Frame-level timestamp |
| ချိန်ညှိခြင်း | စက်ရုံမှ ကြိုတင်ချိန်ညှိထားပြီး၊ ပို့ဆောင်ချိန်တွင် ချိန်ညှိဒေတာ ပါဝင်သည် |
| အင်တာဖေ့စ် | USB 2.0၊ UVC plug-and-play၊ အပိုဒရိုက်ဘာမလိုအပ်ပါ |
| OS လိုက်ဖက်ညီမှု | ဝင်းဒိုး ၇/၈/၁၀/၁၁၊ လင်းနစ် |
| ပုံစံအချက် | ကျစ်လစ်ပေါ့ပါးသော ဦးခေါင်းတပ်ဆင်ထားသည့် တစ်ကိုယ်ကောင်းဆန်သော ဒီဇိုင်း |
အဓိကထုတ်ကုန် အဓိကအချက်များ
- 1ကမ္ဘာလုံးဆိုင်ရာ ရှပ်တာ အာရုံခံကိရိယာများ | Motion Blur နှင့် Jelly Effect ကို ဖယ်ရှားပေးသည်Dual 2MP မြင့်မားသော အာရုံခံနိုင်စွမ်းရှိသော ကမ္ဘာလုံးဆိုင်ရာ ရှပ်တာ CMOS အာရုံခံကိရိယာများသည် frame အပြည့်အစုံကို တစ်ပြိုင်နက်တည်း ဖော်ထုတ်ပေးသည်။ ရှပ်တာလှိမ့်ခြင်းကြောင့်ဖြစ်ပေါ်လာသော ဂျယ်လီပစ္စည်းများနှင့် ရွေ့လျားမှုမှုန်ဝါးမှုများကို ဆုပ်ကိုင်ခြင်း၊ တပ်ဆင်ခြင်းနှင့် လမ်းလျှောက်ခြင်းအပါအဝင် မြန်နှုန်းမြင့်လှုပ်ရှားမှုအခြေအနေများတွင် နှိမ်နင်းထားသည်။ frame တိုင်းသည် ထက်မြက်နေပြီး လုပ်ဆောင်ချက်မှတ်မိခြင်းနှင့် စက်ရုပ်တုပခြင်းသင်ယူခြင်းသုတေသနအတွက် တည်ငြိမ်သောအမြင်အာရုံထည့်သွင်းမှုကို ပေးစွမ်းသည်။
- 2ဟာ့ဒ်ဝဲအဆင့် ထပ်တူပြုခြင်းပါရှိသော ဘုတ်ပေါ်ရှိ IMUရုပ်ပုံများနှင့် IMU တိုင်းတာမှုများကို အချိန်တိကျစွာ ချိန်ညှိနိုင်ရန်အတွက် ဟာ့ဒ်ဝဲဖြင့် လုပ်ဆောင်ပါသည်။ VIO-SLAM၊ အဝေးထိန်းစနစ်နှင့် စက်ရုပ်ဒေတာစုဆောင်းမှုတို့အတွက် အရေးကြီးပါသည်။ ပျင်းစရာကောင်းသော ဆော့ဖ်ဝဲလ်အခြေခံ အချိန်ပြင်ဆင်မှု မလိုအပ်ပါ။ IMU ဖတ်ရှုမှုများကို သုတေသန အယ်လဂိုရီသမ်များထဲသို့ တိုက်ရိုက်ထည့်သွင်းနိုင်ပါသည်။
- 3ပြန်လည်ထုတ်လုပ်နိုင်သော ဒေတာအစုံများအတွက် Frame-Level မြင့်မားသော တိကျမှုရှိသော အချိန်တံဆိပ်များရုပ်ပုံဘောင်နှင့် IMU နမူနာတစ်ခုစီတွင် တိကျသော အချိန်တံဆိပ်များ ပါရှိသည်။ တုပမှုသင်ယူမှု၊ အပြုအမူခွဲခြမ်းစိတ်ဖြာမှုနှင့် ဘက်စုံအာရုံခံကိရိယာပေါင်းစပ်မှုအတွက် အခြေခံလိုအပ်ချက်ဖြစ်သည့် တိကျသော playback နှင့် multi-sensor cross-alignment ကို ပံ့ပိုးပေးသည်။
- 4စက်ရုံမှကြိုတင်ချိန်ညှိထားသော၊ အသုံးပြုရန်အသင့်ချိန်ညှိဒေတာအတွင်းပိုင်းနှင့် အပြင်ပိုင်း ကန့်သတ်ချက်များကို စက်ရုံတွင် ချိန်ညှိထားသည်။ ချိန်ညှိဖိုင်များကို ဟာ့ဒ်ဝဲနှင့်အတူ ပို့ဆောင်ပေးပါသည်။ အသုံးပြုသူများသည် ကိုယ်တိုင်ချိန်ညှိခြင်းလုပ်ငန်းကို ကျော်သွားခြင်းနှင့် စနစ်တပ်ဆင်မှု လည်ပတ်မှုများကို တိုတောင်းစေခြင်းတို့ကို ပြုလုပ်နိုင်ပြီး ဒေတာရယူခြင်းကို ချက်ချင်းစတင်နိုင်ပါသည်။
- 5၁၂၅° Low-Distortion Binocular FOV၊ အနက်အတိမ်အနက် အာရုံခံနိုင်စွမ်းနှင့် 91.56dB HDR၁၂၅° အလွန်ကျယ်ပြန့်သော low-distortion မှန်ဘီလူးများသည် လက်လှုပ်ရှားမှုများနှင့် ပတ်ဝန်းကျင်မြင်ကွင်းများကို အပြည့်အဝဖမ်းယူပေးသည်။ မူရင်း binocular အထောက်အပံ့သည် အကွာအဝေး၊ အနက်အထွက်နှင့် 3D ပြန်လည်တည်ဆောက်မှုကို ဖြစ်စေသည်။ 91.56dB မြင့်မားသော dynamic range သည် backlight နှင့် အတွင်းပိုင်း-အပြင်ဘက် အလင်းရောင်အကူးအပြောင်းများအောက်တွင် ကောင်းစွာဟန်ချက်ညီသော exposure ကို ထိန်းသိမ်းပေးသည်။
- 6USB2.0 UVC ပလပ်ထိုးပြီး အသုံးပြုနိုင်ခြင်းUSB 2.0 မှတစ်ဆင့် စံ UVC ပရိုတိုကောသည် ဒရိုက်ဘာထည့်သွင်းစရာမလိုဘဲ Windows နှင့် Linux တွင် မူလအတိုင်း အလုပ်လုပ်ပါသည်။ R&D အဖွဲ့များသည် ရှုပ်ထွေးသော စက်ပစ္စည်း အမှားပြင်ဆင်ခြင်းအစား ဒေတာစုစည်းမှုကို အာရုံစိုက်ပါသည်။
ပုံမှန်အသုံးချမှုများ
- ပေါင်းစပ်ထားသော AI ဒေတာစုဆောင်းမှု-စက်ရုပ်တုပသင်ယူမှုနှင့် ကိုင်တွယ်မှုစွမ်းရည်လေ့ကျင့်မှုအတွက် အချိန်တံဆိပ်တုံးထားသော တစ်ကိုယ်ကောင်းဆန်သောဗီဒီယို + IMU inertial data
- အမြင်အာရုံ-အလျားလိုက် SLAM နှင့် နေရာဒေသအလိုက် ဒေသအလိုက်ပြောင်းလဲမှု-VIO-SLAM အယ်လဂိုရီသမ် ဖွံ့ဖြိုးတိုးတက်ရေးနှင့် စံနှုန်းသတ်မှတ်ခြင်းအတွက် ဟာ့ဒ်ဝဲထပ်တူပြုထားသော အမြင်အာရုံနှင့် IMU
- တယ်လီအော်ပရေတာနှင့် တယ်လီပရက်ရှင်အဝေးထိန်းစနစ်နှင့် လူသား-စက်ရုပ် ပူးပေါင်းဆောင်ရွက်မှုအတွက် အချိန်နှင့်တပြေးညီ ပထမလူမြင်ကွင်းတွင် နစ်မြုပ်နေသော မြင်ကွင်း
- VR / AR အကြောင်းအရာ ဖမ်းယူခြင်း-တစ်ကိုယ်ကောင်းဆန်သော 3D ပုံရိပ်နှင့် နေရာဒေသဆိုင်ရာဒေတာမှတ်တမ်းတင်ခြင်း
- လုပ်ဆောင်ချက် အသိအမှတ်ပြုခြင်းနှင့် အပြုအမူ သုတေသန-စက်မှုလုပ်ငန်းဆိုင်ရာ လုပ်ငန်းစဉ်များ၊ လူ့အချက်လေ့လာမှုများ၊ အားကစားနှင့် ရွေ့လျားမှု ခွဲခြမ်းစိတ်ဖြာမှုများကို ဒစ်ဂျစ်တယ်ပုံစံသို့ ပြောင်းလဲပါ
- ထည့်သွင်းထားသော ရူပါရုံ ပရောဂျက်များ-မျက်နှာမှတ်မိခြင်း၊ အသက်ဝင်မှုရှာဖွေခြင်း၊ ဝင်ရောက်ခွင့်ထိန်းချုပ်မှုနှင့် အခြားအမြင်အာရုံအခြေခံ ပေါင်းစပ်မှု
ပိတ်ပွဲ
ဒေတာသည် ခန္ဓာကိုယ်ဖြင့်ဖွဲ့စည်းထားသော AI ခေတ်အတွက် အဓိကလောင်စာဖြစ်ပြီး တစ်ကိုယ်ကောင်းဆန်သော ရှုထောင့်သည် စွမ်းဆောင်ရည်ရှိသော အထွေထွေရည်ရွယ်ချက်ရှိသော စက်ရုပ်များဆီသို့ ဦးတည်သော လက်တွေ့အကျဆုံးလမ်းကြောင်းများထဲမှ တစ်ခုဖြစ်သည်။
ကမ္ဘာလုံးဆိုင်ရာရှပ်တာ မှန်ဘီလူးအမြင်၊ ပေါင်းစပ် IMU၊ ဟာ့ဒ်ဝဲထပ်တူပြုခြင်းနှင့် frame-level timestamps များပါဝင်သည့် Hampo Ego-Camera သည် ရိုဘော့တစ်သုတေသီများအား အရည်အသွေးမြင့် ထပ်ခါတလဲလဲအသုံးပြုနိုင်သော အမြင်အာရုံ-အ inertial egocentric data များကို အနည်းဆုံးဖြန့်ကျက်မှုကုန်ကျစရိတ်ဖြင့် ရယူနိုင်စေပြီး ပရောဂျက်များကို အမြင်အာရုံလေ့လာခြင်းမှ လက်တွေ့ကမ္ဘာနားလည်မှုသို့ ရွှေ့ပြောင်းရန် ကူညီပေးသည်။
ပို့စ်တင်ချိန်: ၂၀၂၆ ခုနှစ်၊ သြဂုတ်လ ၁၄ ရက်
