Storyboard

Künstliche Wahrnehmungssysteme implementieren physikalische Prinzipien analog zu biologischen Systemen, jedoch mit unterschiedlichen Technologien und Wirkungsbereichen. Digitalkameras sind das Analogon der Augen: Das grundlegende Rauschen ist Schrotrauschen (Shot Noise) SNR = N_e, was besagt, dass für SNR = 100 10.000 Photoelektronen pro Pixel benötigt werden. Die besten wissenschaftlichen Sensoren haben eine QE > 95 % und N_e,min = 1 Elektron.

LiDAR (Light Detection and Ranging) ist das künstliche Analogon zur Fledermaus-Echoortung: Es sendet Laserimpulse aus und misst die Rückflugzeit. Die Winkelauflösung = /D ist beugungsbegrenzt (wie das Auge), aber die Entfernungsauflösung d = c·/2 kann bei Nanosekundenimpulsen Millimeter betragen. LiDAR ist die Referenz-Wahrnehmungstechnologie in autonomen Fahrzeugen.

Die Radargleichung zeigt, dass die maximale Reichweite R_max (P_t·G²·_RCS)^(1/4): Um die Reichweite zu verdoppeln, müssen Sie die Leistung um das 16-fache erhöhen. Hochauflösende Radargeräte (SAR, Synthetic Aperture Radar) nutzen die Bewegung der Plattform, um eine viel größere Apertur als die physische Antenne zu synthetisieren und erreichen so eine azimutale Auflösung _az = D_Antenne/2, unabhängig von der Entfernung.

Die IMU+GPS-Fusion unter Verwendung eines erweiterten Kalman-Filters ist der Standard für die autonome Navigation: Die IMU liefert hochfrequente Informationen, jedoch mit Drift (analog zu den Bogengängen), während das GPS die absolute Position, jedoch mit niedriger Frequenz und mit Rauschen (analog zu visuellen Landmarken) liefert. Die Fusion erzeugt unter normalen Bedingungen _pos < 1 m, vergleichbar mit der Navigationsgenauigkeit von Zugvögeln.

Faltungs-Neuronale Netze (CNNs) sind das künstliche Analogon der kortikalen visuellen Hierarchie V1V2V4IT. Die 2D-Faltung implementiert die lokale (translationsinvariante) rezeptive Feldantwort, analog zu den einfachen Zellen von V1. Aufeinanderfolgende Schichten bilden Darstellungen zunehmender Komplexität: Kanten Texturen Teile Objekte, parallel zur ventralen visuellen Hierarchie. Moderne CNNs übertreffen die menschliche Genauigkeit bei der Bildklassifizierung.

>Modell

ID:('ky', 597)

Beschreibung

ID:(0, 597)