机器学习算法，灵活应用于计算平台的异构计算，主要考虑性能、生产率、功耗、价格四个方面超过平衡。为了更直观地展示HERO的能力，英特尔中国研究院特意获得参考机器人睿宝，用于测试和说明。

在HERO和多种传感器的反对下，睿宝不仅没有移动能力和操作能力，而且没有感觉能力，将来与第三方合作制造商领先开发适应交互能力。具体来说，移动能力还包括激光定位和视觉定位的融合，以语义场景为基础的定位导航的操作能力还包括运动轨迹规划和运动控制、视觉/触觉融合、机器人手臂安全组件的感觉能力还包括面部、物体、不道德的识别自适应交互能力还包括自适应物体、场景识别自适应语音交互感情和不道德识别基于多模式融合的人的识别自适应社交引擎自适应科学知识分解引擎、自适应引擎。

5GVR解释了HERO平台后，英特尔中国研究院的研究员展示了通信和计算的融合方案，即5GVR。他指出，在通信领域，通信速度和通信数据的市场需求多达到摩尔法则:2016年，世界移动数据通信量急速增加63%，以此速度，到2020年部署5G电路时，我们面临50EB数据流量，每月移动数据流量在今天的基础上快速增加5倍。特别是自动驾驶，自动驾驶汽车每天产生的数据是4个TB，自动工厂，智能城市的网络工厂，每天卖几百个硬盘装载数据。

同时，英特尔指出VR将在数据流中占有大量流量。原因是现在互联网的主要传输内容是视频，VR线代表着更高品质的视频。

手机、电视等屏幕，视角在10-30度之间，VR的眼睛可以扩展到100-150度，减少了几倍，横向也减少了倍数。因此，在某种程度上分辨率的照片和录像，放在手机和电视上非常清晰，但在VR上非常模糊，想超过VR表示的高清拒绝，必须在分辨率上提高25-40倍，因此必须占有大量的流量。例如，未来的好VR系统需要16K到24K的超高清晰度，不传输速度不超过500Gbps，传输后也超过1Gbps。同时，虚拟现实显示延迟非常脆弱，传输容错性也非常脆弱。

因此，对于5G来说，高质量的虚拟现实和强化现实对于5G的通信系统和计算系统来说，必须着力应对。面对未来，英特尔指出，AR/VR必须展开远程沉浸式交互。例如，通过5G屏幕连接个人和机器人，人类可以控制机器人，与现实世界进行对话，如远程购物、远程观光等。

现阶段，英特尔中国研究院研究的目标主要有动态准备3DVR视频，如何产生高质量的内容，如何符合远程沉浸式交互的拒绝，在VR内容方面，现在的视频内容都是2D的，3D的VR英特尔的作法是将17个分辨率为2k。相机被绑在一起，构成一圈，在水平方向上分解差距。3DVR的制作算法也是非常复杂的，尤其是产生无瑕的3D视频，一定要避免鬼影效应，避免拼凑瑕疵，使用非常复杂的光流算法后，即使是目前最强的服务器和最强的台式机也很难完成实时功能。

英特尔为此开发了一个分布式的处理平台，2.5U低的底盘，可以放入12张到强大的CPU卡，同时放入12张FPGA卡，中间有600G左右的网络能力，对于视频VR处理、动态制备，该平台也可以反对。有了内容后，面对的问题是如何将这些内容传输给客户，比特率最低必须是100M-1Gbps，而且是10-20ms的低延迟，现在的网络明显不能满足这个拒绝。

英特尔的解决方案是融合通信和计算，使用边缘计算的能力使VR超越动态传输的拒绝。具体来说，在拆解VR的视频内容后，将360度的全景视频通过传输传播到边缘服务器，边缘服务器端有整个全景内容，可以同时为多个用户服务。每个用户都不会将自己的视角信息(你在看哪个方向)传递给边缘服务器，边缘服务器将视角信息内容发送给用户。

这种益处在于，一方面通过通信和计算融合的方式，使用边缘服务器需要明显减少从移动到显示的延迟，原本是50到100毫秒，现在只有10到20毫秒，另一方面，需要减少无线通信比特率的市场需求借用，为VR创建了高效的5G网络传输系统。另外，由于人眼和视频的距离接近，VR对数据传输的可靠性拒绝很高，如果经常扔帧，体验上就不会呼吸困难。因此，英特尔将异步时间变形的功能添加到头部。通过边缘服务器和个人笔记本电脑，将视频和游戏传播到头部终端，第一帧不能正确接管，第二帧传输结束时，头部终端用前一帧的内容根据现在头部显示的方向信息和视点信息进行旋转，新的第二帧内容脸部分析和感情识别技术接触到5G的VR，英特尔中国研究院在脸部分析和感情识别技术的进展。

在人脸分析方面，英特尔花费了三年时间，创建了一个3DT人脸分析引擎。这个引擎不仅需要描述人脸的形状、表情的变化，还可以同时描述背景光源的变化和人的姿态和纹理。

有了这个模型，可以给2D图像制作3D模型，制作适当的图形和动画。李宇春在MV《今天的雨，我们在一起》中，用于英特尔最近的3D脸部表情狩猎技术。

在感情识别方面，英特尔致力于多模式感情识别。在人类感情识别领域，美国计算机学会(ACM)有最重要的比赛-ACMI。从2013年开始，这场比赛出现了很多电影中的段落，每个电影段落都显示了某个主要人物表达了他的感情。

英特尔在2015年参加了这场比赛，获胜了，但是没有像白天那样深入自学，而是通过表情和肌肉的关系来判别。每种表情都是面部肌肉的运动，肌肉的运动与某种分离的表情有关。不同的表情也有关系。

首先，检查与单一表情有关的肌肉运动单元在哪里，然后分析不同运动单元之间的关系，打败了当时73个深度自学的团队。2016年，英特尔再次参加比赛，这次也用于深度自学的算法，但在设计时，通过神经网络设计浅层、中层和深层，明确提出了HoloNewt框架，夺取了亚军，这种处理方法从2000框架到3000框架2017年，英特尔第三次参加比赛，再次获得冠军，明确提出单体监督的想法，限于任何网络。例如，2016年基本网络用我们的方法训练后，单模型提高了5.5个百分点。

现在主流的网络不会提高两分以上。这也是第一次在几乎自然的电影场景中，实现感情识别分类的精度，达到了合格线。

目前，该技术应用于英特尔的实感RealSenserSDK，英特尔AI团队开展产品化。另外，这两种技术也应用于视频，展开多模型图像视频分析，这也是近年来在计算机视觉中流行的新研究方向，该研究中最重要的是如何提取多模型的数据来源中最具鉴别力的特征，第二是视频信息不是独立国家，如何关联简而言之，特征提取与特征有关。在这一领域，微软公司亚洲研究院组织的MSRVDG竞赛是目前该领域最重要的竞赛，英特尔今年排名第五。

右图是视频中的一帧，有了这个技术，机器可以自动解读图像中经常出现什么，有什么关系，视频中又发生了什么。神经拟定芯片在开放日的最后，宋继强向(公共编号:)的媒体说明了英特尔最近的突破性进展——神经拟定芯片，可以自律自学，命名为LOIHI。什么是神经计算？宋继强说，首先不是冯诺依曼的构造——计算，而是存储，CPU主要负责管理运算，得到的指令是存储的序列，数据也是存储的序列，任何计算过程都是指令、数据、计算的结果不存在存储，这是标准的计算结构。神经模拟计算，计算和存储在一起，构成了很多分布式单元，并且异步计算:所有冯诺曼结构都有实时时钟，该钟不分为多个钟，不驱动不同的模块。

但是异步计算的并非如此，整个筹码就像我们的大脑，你在唱空的时候，只有一个区域，并不是所有的都在唱空。神经拟态的好处是以高能效比解决问题计算的问题，特别是密码、词典自学、制约合适等痛苦问题，我们整天制约合适，在不同的环境中首先想起这个环境有什么制约，如何适应我的性格，放在普通的场面。

例如，数字游戏的再组合、模式的组合、动态自学和适应环境也是最重要的。神经拟态芯片可以反对各种自学过程。迄今为止，在训练神经网络时，不能自由选择其中之一的训练模式，但在神经模拟芯片的反对网络中，可以同时实现这些模式，都是自学模式。

同时，宋继强也回答说，这个芯片不需要利用摩尔法则的前进，今后2~5年不会提高密度，降低消耗电力，减少大脑容量。今年年底，这个小费将从美国实验室回到中国进行测试，向合作的大学和机构进行适当的实验。原始文章允许禁止发布。

下一篇文章发表了注意事项。

本文来源：亚博yabo888网页登录-www.cdkerun.cn