Itsenäisesti liikkuvan dronen tai muun robotin on havainnoitava ympäristöään ja tulkittava havaintojaan tauotta. Tämä vaatii nykyteknologioilla enemmän energiaa kuin kevyen laitteen akut voivat tarjota. Siksi VTT kumppaneineen kehittää näköaistia jäljitellen nopeaa, turvallista ja energiatehokasta konenäköjärjestelmää.
Näkyvää ympäristöä havainnoiva ja havaintoja tulkitseva konenäköjärjestelmä on itseohjautuvien laitteiden perusedellytys. Nopeuden ja turvallisuuden takaamiseksi konenäön on toimittava laitteissa paikallisesti. Tämä onnistuu itseohjautuvissa autoissa lidar-tutkien ja tietokoneiden avulla, kun taas kevyemmissä laitteissa, kuten itsenäisesti lentävissä droneissa, akut eivät riitä tavallisten tietokoneiden käyttöön.
VTT:n koordinoimassa, EU:n rahoittamassa MISEL-hankkeessa pyritään kehittämään nopea, luotettava ja energiatehokas konenäköjärjestelmä, jota voitaisiin hyödyntää muun muassa droneissa, teollisuus- ja palveluroboteissa sekä valvontajärjestelmissä.
Hanketta koordinoivan VTT:n erikoistutkija Jacek Flakin mukaan työn alla on algoritmien ohella laitteita, jotka sopivat paikalliseen havainnointiin ja analysointiin paremmin kuin tietokoneet mikroprosessoreineen ja näytönohjaimineen. - Otamme mallia ihmisen näköaistista, joka toimii paikallisesti, nopeasti ja energiaa säästäen. Olennaista on, että järjestelmä suodattaa käsiteltäviä havaintoja alusta asti sen sijaan, että se ottaisi sarjan tavallisia valokuvia ja kävisi läpi kaiken, mitä niissä on, Flak selventää.
MISEL-hankkeessa kehitettävä neuromorfinen eli aivojen toimintaa jäljittelevä konenäköjärjestelmä koostuu kolmesta osasta. Ensimmäinen laite on järjestelmän sensorina toimiva fotodetektori eli valonilmaisin, jonka kvanttipisteet havainnoivat näkyvän valon alueella sekä lähi-infrapuna-alueella. Infrapuna-alueen käyttö mahdollistaa havainnot myös sumussa, sateessa ja pimeässä.
Silmänpohjan tapaan sensori valikoi ja pakkaa dataa ja lähettää sen eteenpäin. Ketjun toinen laite jäljittelee takaraivossa sijaitsevia pikkuaivoja, ja se voi tarjota ohjeita esimerkiksi nopeaan väistämisreaktioon. Ketjun kolmas laite on aivokuorta jäljittelevä prosessori, joka analysoi dataa yhä syvällisemmin ja ohjaa sensoria keskittymään kiinnostaviin kohteisiin. Hankkeen tavoitteena on opettaa järjestelmä koneoppimisen keinoin tunnistamaan erilaisia tapahtumia, esimerkiksi erottamaan lentävä drone ja lintu toisistaan, ja ennakoimaan tapahtumien kulkua.
VTT keskittyy hankkeessa koordinoinnin lisäksi aivokuorta jäljittelevän prosessorin ja uudenlaisen haihtumattoman muistin kehittämiseen. Lisäksi VTT vastaa eri teknologioiden yhteensopivuudesta ja eri komponenttien yhdistämisestä prosessoreihin.
Vuoden 2021 alussa alkaneeseen, nelivuotiseen MISEL-hankkeeseen osallistuu VTT:n ohella kahdeksan eurooppalaista tutkimuskumppania. EU:n Horizon 2020 -ohjelma rahoittaa projektia 4,96 miljoonalla eurolla.
Keraamiset monikerroskondensaattorit joutuvat tosi koville autojen elektroniikkajärjestelmissä. Vaurioiden ehkäisemiseksi niissä on aiemmin käytetty hopeaepoksiin perustuvia pehmeitä päätyliitoksia, mutta ongelmana on silloin ollut hopean vaeltaminen. SEMCOn eli Samsung Electro-Mechanicsin kehittämä kupariepoksiin perustuva ratkaisu eliminoi sekä halkeamien/oikosulkujen syntymisen että metallin kulkeutumisen.
Englantilainen Pickering Interfaces esitteli Electronica-messuilla uuden sukupolven yksipaikkaisen sulautetun PXIe-ohjaimensa mallimerkinnältään 43-920-002. Uutuus on markkinoiden kompaktein ja tehokkain 3U-ohjain PXI Express -alustalle.
Barcelonalainen ignion esitteli Electronica-messuilla uutta OMNIA mXTEND -komponenttiaan, joka yhdistää kolme antennia yhteen innovatiiviseen ratkaisuun. Virtuaaliseksi antenniksi kutsuttu moduuli muuttaa piirikortin kolmen eri radion säteileväksi antenniksi.
ETNdigi 2/2024 -lehti käsittelee laajasti elektroniikka-alan innovaatioita, erityisesti sulautettuja järjestelmiä ja kehittyvää tekoälyä. Lehdessä esitellään esimerkiksi LUMI-supertietokoneen roolia tekoälymallien kehittämisessä Suomessa. Uutiskattauksen lisäksi mukana on useita syvemmälle eri tekniikoihin sukeltavia artikkeleita.
NordPass on julkaissut kuudetta kertaa vuotuisen 200 yleisintä salasanaa -tutkimuksensa, joka paljastaa kansainvälisesti suositut salasanat sekä 44 eri maan salasanat. Maailmalla yleisin salasana on nerokas ”123456” ja Suomen yleisimpänä jatkaa kestosuosikki ”qwerty123”.
