Sviluppo di una tecnologia di tracking embedded real-time
Un’azienda francese attiva nello sviluppo software, nella visione artificiale e nei sistemi embedded, sta sviluppando una tecnologia di tracking per il tracciamento in tempo reale di piccoli oggetti in rapido movimento e cerca algoritmi esistenti ad alte prestazioni per il rilevamento e il tracciamento, validati in applicazioni comparabili e implementabili su piattaforme GPU embedded. La soluzione verrà fornita nell’ambito di un accordo commerciale con assistenza tecnica che comprenda la concessione della tecnologia in licenza, il supporto all’integrazione e l’ottimizzazione dell’implementazione.
Il sistema che l’azienda sta sviluppando prevede l’elaborazione locale, secondo un approccio edge, su hardware embedded a basso consumo, evitando il ricorso al cloud computing o a server centralizzati.
Molte soluzioni esistenti per il tracciamento degli oggetti raggiungono prestazioni elevate grazie a infrastrutture di calcolo potenti o all’elaborazione centralizzata. Tuttavia, implementare funzionalità analoghe direttamente su hardware embedded rimane complesso, soprattutto quando occorre tracciare oggetti molto piccoli che si muovono ad alta velocità e operare a frequenze di acquisizione elevate. L’azienda sta quindi valutando se sul mercato siano già disponibili tecnologie adeguate, prima di destinare ulteriori risorse interne alla ricerca e allo sviluppo.
La tecnologia richiesta consiste in un algoritmo di rilevamento e tracciamento in tempo reale, capace di identificare e seguire piccoli oggetti in rapido movimento nei singoli flussi video delle telecamere. La soluzione attesa dovrebbe operare a frequenze comprese tra 160 e 200 fotogrammi al secondo ed essere implementabile su piattaforme GPU embedded a basso costo, comparabili alla classe NVIDIA Jetson Orin Nano Super. La soluzione dovrebbe supportare i normali flussi di implementazione dei modelli di machine learning, comprese la conversione e l’ottimizzazione per ambienti di inferenza embedded. È particolarmente importante la robustezza rispetto alla sfocatura da movimento, alle dimensioni ridotte degli oggetti e agli sfondi dinamici.
Pur non essendo obbligatorie, sono di interesse anche tecnologie che offrano funzionalità aggiuntive, come la fusione dei dati provenienti da più telecamere e la ricostruzione in tempo reale delle traiettorie 3D a partire da viste sincronizzate. Queste funzionalità potrebbero ampliare l’ambito degli sviluppi e delle applicazioni future. I potenziali settori applicativi comprendono le tecnologie per lo sport, la robotica, l’ispezione industriale e il controllo qualità, nonché altri settori che richiedono un tracciamento accurato di oggetti ad alta velocità. Il progetto è attualmente in fase di sviluppo e sono già in corso attività interne su una pipeline proprietaria di tracciamento.
Il principale valore per gli utenti finali sarebbe la possibilità di ottenere prestazioni di tracciamento ad alta velocità direttamente su piattaforme embedded, riducendo al contempo i costi infrastrutturali, il consumo energetico e la complessità del sistema rispetto alle architetture basate su server. L’integrazione di una tecnologia già validata potrebbe ridurre significativamente i tempi di sviluppo e i rischi tecnici. L’esito preferito è l’acquisizione in licenza di un algoritmo o modello esistente, accompagnata da supporto tecnico per l’adattamento allo specifico ambiente hardware della PMI, comprese l’ottimizzazione dell’implementazione embedded, la conversione dei modelli e la messa a punto delle prestazioni. La cooperazione internazionale si concretizzerebbe attraverso attività di trasferimento tecnologico, supporto all’integrazione, scambi tecnici e validazione delle prestazioni sulla piattaforma di destinazione.
La tecnologia dovrebbe soddisfare i seguenti requisiti:
- rilevamento e tracciamento 2D in tempo reale di un piccolo oggetto in rapido movimento all’interno della vista di ciascuna telecamera, mediante elaborazione della singola vista su ciascun nodo, con prestazioni validate a frequenze comprese tra 160 e 200 fps;
- possibilità di implementazione su una piattaforma GPU embedded a basso costo, comparabile alla classe NVIDIA Jetson Orin Nano Super. Questa piattaforma di riferimento è indicata per descrivere l’ambiente di calcolo previsto e non costituisce un requisito vincolante. Le soluzioni dovrebbero utilizzare esclusivamente risorse CPU e GPU, impiegando tecnologie quali CUDA e TensorRT;
- compatibilità con il funzionamento in tempo reale alla frequenza prevista e con una bassa latenza end-to-end. Non sono richieste garanzie temporali deterministiche rigide; in questa fase sono considerate sufficienti prestazioni di tipo soft real-time;
- robustezza rispetto alla sfocatura da movimento, alle dimensioni ridotte degli oggetti e agli sfondi complessi o dinamici;
- possibilità di esportazione attraverso le normali pipeline di implementazione del machine learning, comprese PyTorch, ONNX e TensorRT;
- una precedente validazione in applicazioni comparabili di tracciamento di piccoli oggetti ad alta velocità, come tecnologie per lo sport, robotica, ispezione industriale o balistica, costituirebbe un vantaggio, ma non è obbligatoria;
- come ulteriore elemento di interesse, sono benvenute tecnologie che integrino già la fusione multicamera e la ricostruzione in tempo reale delle traiettorie 3D a partire da rilevamenti 2D sincronizzati. Queste funzionalità non sono richieste, ma potrebbero ampliare l’ambito della cooperazione oltre il tracciamento 2D da una singola vista.
Tecnologia di tracking: ruolo previsto del partner
Il partner tecnologico dovrebbe fornire accesso, tramite concessione in licenza, a un algoritmo o modello esistente di rilevamento e tracciamento in tempo reale che soddisfi le specifiche tecniche richieste. La tecnologia dovrebbe supportare il rilevamento e il tracciamento 2D di piccoli oggetti in rapido movimento in contesti caratterizzati da elevate frequenze di acquisizione.
Il partner dovrebbe assistere la PMI nell’integrazione tecnica della soluzione nella sua architettura multicamera embedded, compresi l’adattamento all’ambiente hardware di destinazione e, ove pertinente, il supporto all’ottimizzazione dell’implementazione edge, ad esempio attraverso la conversione dei modelli, l’ottimizzazione con TensorRT e la quantizzazione.
Inoltre, dovrebbe possedere competenze comprovate nella visione artificiale e nelle applicazioni di tracciamento di oggetti ad alta velocità. Dati di benchmarking, metriche prestazionali o risultati di validazione relativi a casi d’uso comparabili, come tecnologie per lo sport, robotica, ispezione industriale o balistica, sarebbero utili per valutare l’idoneità della soluzione, ma non sono obbligatori.
Sono di interesse anche tecnologie che includano già funzionalità di fusione multicamera e di ricostruzione in tempo reale delle traiettorie 3D. Pur non essendo richieste, queste funzionalità potrebbero ampliare l’ambito della cooperazione oltre il tracciamento 2D da una singola vista.
Tipologia di partner ricercato
I potenziali partner tecnologici che possano cooperare per lo sviluppo della tecnologia di tracking sono:
- PMI, grandi imprese, organizzazioni di ricerca e sviluppo o università;
- organizzazioni attive nella visione artificiale, nell’intelligenza artificiale embedded, nel machine learning, nella robotica, nei sistemi di ispezione industriale, nelle tecnologie per lo sport o in tecnologie digitali correlate;
- fornitori di tecnologie con competenze comprovate nelle soluzioni di rilevamento e tracciamento degli oggetti in tempo reale.