跳到主要內容
 
:::

專欄文章

【5G+ View】5G智慧物聯網(AIoT)加速邊緣智能(Edge AI)的發展

2022-10-31 伍哉郎

0

0

998

文:歐尼克斯實境互動工作室 Jack OmniXRI

 

20世紀時大家上網只為了查詢資訊,到了21世紀雲端計算(Cloud Computing)、物聯網(Internet of Thing, IoT)及各種長短距離通訊技術興起,於是大家就能更方便將各種感測器的資訊傳送到遠端,也能讓使用者透過各種行動通訊裝置遠端遙控家電等致動元件。

以往本地(裝置)端上會有一個單晶片(MCU)來接收各種感測器信號,如溫度、濕度、氣壓、照度、電壓、電流、PM2.5、振動等感測器。這些感測器有些是以類比信號輸入,有些會使用I2C, UART, SPI等有線數位通訊方式接入MCU,甚至有些會採藍牙(Bluetooth, BT), ZigBee等無線通訊方式傳入。

在沒有網路或通訊不良情況下,會先利用本身的快閃記憶體(Flash)或隨機記憶體(SRAM)暫存這些定時收集到的資訊。當恢復通訊時就能以有線乙太網(Ethernet)或無線網路(如WiFi, LoRa, SigFox, NBIoT等)甚至是一般手機的3G/4G/5G通訊模組將資訊傳至遠端的雲端服務器中。此時使用者透過行動通訊裝置(如手機、平板電腦等)或一般桌機、筆電上運行的瀏覽器程式,就能從雲端服務器中取得資訊,了解目前遠端的狀況。當然這裡也可反過來,送出控制命令,傳到一直在監聽命令的MCU中,此時便可依命令去控制燈具、馬達及各式家電的電源開關,甚至可傳送數值控制可調的家電,如冷氣溫度、電燈亮度等。如Fig. 1所示就能看出智慧物聯網的基本架構。

Fig. 1 智慧物聯網(AIoT)架構圖

Fig. 1 智慧物聯網(AIoT)架構圖[1]

資料來源:OmniXRI整理製作

 

傳統物聯網只能接收訊息和遠端遙控,但中間的決策還是很依賴人力介入(工人智慧)。近年來人工智慧(Artificial Intelligence, AI)、機器學習(Machine Learning, ML)及深度學習(Deep Learning, DL)等技術日漸成熟,所以開始有廠商提供大量AI相關的雲端服務,將AI加上IoT變成智慧物聯網(AIoT),可協助進行資料的分析、分類及預測,如此就能更容易達到一天24小時 / 一年365天全年無休的智能服務了。

以往長距離通訊會仰賴3G/4G通信技術,但當遇到一些比較緊急 (反應低於10ms) 的事件時,可能就不足以應付了。到了5G時代,3GPP TR38.913 中定義了超可靠低延遲通信(Ultra-Reliable and Low Latency Communications, uRLLC)就可充份改善這個問題,它可滿足控制面時間10ms,用戶面時延0.5ms,移動性中斷時間0ms,可靠性99.999%[3]

這項特性很適合高速反應的場景應用,如虛擬實境(VR) / 擴增實境(AR) / 延展實境(XR)即時互動遊戲、遠端醫療 / 手術機器手臂、遠端代駕等。另外5G規範中大規模機器通信(Massive Machine Type Communication, mMTC)也解決了未來小區域中同時擁有龐大數量物聯網裝置要求連線的需求,它可滿足每平方公里1百萬的裝置連網的需求。

Fig. 2 5G MEC架構圖

Fig. 2 5G MEC架構圖[2]

資料來源:OmniXRI

 

前述提及以往AIoTAI多半在雲端伺服器,所以傳遞及反應上都會比較慢,在5G時代下,為了改善這個問題,於是多接入邊緣計算或移動邊緣計算(Multi-Acess Edge Computin / Mobile Edge Computing, MEC)技術就出現了,將其部署在5G基站或靠近基站的邊緣設備上,如Fig. 2所示。這項技術目前主要是將很多原來在雲端核心網路才能處理的工作移至此,一方面降低核網負載,一方面加快使用者裝置的反應速度。

近來有很多大型工廠開始導入5G企業專網,在工廠端直接建小型5G基站,通常除基本通信部份,亦會加強MEC的設備等級,讓一些較敏感的廠內物聯網資訊可以直接在其上進行人工智慧 / 深度學習相關計算,包括工業設備的維修預測、產品瑕疵檢測、操作人員姿態分析、自主移動機器人巡檢等。如Fig. 3所示。

Fig. 3 常見工廠端邊緣智能(Edge AI)應用案例

Fig. 3 常見工廠端邊緣智能(Edge AI)應用案例

資料來源:OmniXRI整理製作

 

小結

隨著5G通信和邊緣智能軟、硬體技術的成熟,目前許多廠商亦開始整合,尤其在城市智慧交通、工業智慧物聯網及遠距智慧醫療用途上已有一些初步成果,相信在不久的將來在基站上的MEC會更加開放及提升運算能力,屆時大家就有機會在上面開發更創新、通用的Edge AI應用,有更好的使用者體驗,讓更多人願意使用5G技術。

 

參考文獻

[1] 許哲豪,當智慧物聯網(AIoT)遇上微型機器學習(tinyML)是否會成為台灣單晶片(MCU)供應鏈下一個新商機!?

https://omnixri.blogspot.com/2021/09/aiottinymlmcu.html

[2] Avnet, 5G來了,我們都得靠

https://www.avnet.com/wps/portal/apac/resources/article/5g-we-are-all-moving-to-the-edge/

[3] WIKI Pedia, 超可靠低延遲通信

https://zh.wikipedia.org/zh-tw/%E8%B6%85%E5%8F%AF%E9%9D%A0%E4%BD%8E%E5%BB%B6%E9%81%B2%E9%80%9A%E4%BF%A1

Ü本文網址:https://www.5g-jump.org.tw/zh-tw/report/content/1716



0則留言
瀏覽人數:998
回上頁   回首頁
瀏覽人數:0
回上頁   回首頁