在过去的几年里，围绕无人机进行了大量的创新。
几家公司已经在测试用于包裹和食品递送的无人机，以及将无人机用于农业监测、检查电力线等关键基础设施、检查火灾损失等其他用例。
很明显，商业领域对遥控和自主无人机都有巨大的需求，随着无人机法规的整理，这种需求只会进一步增加。 本文将探讨最新的 AI
计算进步如何引领无人机创新的新时代。 
关键挑战 无人机面临的关键挑战之一是它们需要极其强大的处理能力，同时还要具备令人难以置信的能效和小尺寸。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，情况更是如此。今天的数字计算解决方案通常耗电，影响无人机的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，这对于向控制站提供即时和相关信息至关重要。想象一下用于监控石油钻井平台是否有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 应用程序的挑战性要求，但一种新的计算方法可以帮助消除这些障碍。内存中模拟计算 (CIM) 可以执行实时
AI 处理——即使使用多个大型、复杂的深度神经网络 (DNN)——其功率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内执行大规模并行向量矩阵乘法和加法运算具有显着的功率优势。 模拟 CIM 模拟 CIM 系统也不会受到数据通过处理器中的数字逻辑门和内存传播以及外部 DRAM 写入和读出的延迟的影响，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，对于具有尺寸和有效载荷(即重量)限制的无人机至关重要。
由于闪存密度高，模拟 CIM 系统可以以小尺寸提供强大的 AI 处理能力，从而可以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。 所有这些因素使模拟 CIM 系统成为无人机的各种 AI 视频分析应用的理想选择，包括对象检测、分类、分割和深度估计。
这些能力将在未来几年为无人机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，仍然会有很多无人机需要由人类控制的应用——无论是出于安全原因、法规还是其他考虑——因此增加的自主性将使一个人一次驾驶多架无人机成为可能，而不是只控制一个。 除了通常讨论的无人机户外用例外，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输到仓库的不同部分。无人机对于检查设备也很重要，尤其是在对人有害的区域。 反无人机技术 最后，能力更强的无人机也将推动反无人机技术的进步。美国联邦航空管理局每月收到 100
多份关于无人机在机场等受限空域飞行的报告。即使这些无人机被无恶意的爱好者控制，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。 |
