挑战HAL?IBM投巨资开发“自主计算机”

IBM计划开发一种名为“自主计算机”的新技术,这种计算机能够自我管理和自我修复,减少IT人员的工作负担。预计这项技术将大大降低数据中心的运营成本,并有助于实现更高效的IT系统管理。

挑战HAL?IBM投巨资开发“自主计算机”

--------------------------------------------------------------------------------

http://www.sina.com.cn 2002年02月08日 07:38 日经BP社

  【日经BP社报道】如果说“IBM挑战HAL”未免有些言过其实,但如果说IBM要实现HAL的一部分功能,大概不会有什么错。因为美国IBM推出的开发设想是“自主计算机(Autonomic Computer)”,即一台能够像人类一样通过自行调整来保持身体健康的计算机。

  HAL是1968年放映的电影“2001年宇宙之旅”的主角--人工智能(AI)计算机的名字。这是一台放置于木星探索宇宙船“发现ー号”中的大型机器人,体积有一间房子大小,全称为
HAL9000。这是一个有着一双令人不快的红眼睛和完美无缺的高新技术的化身。夸张一点,它还可以理解人类的语言。

  如果将IBM的前一个字母取出来那就是“H、A、L”。因此HAL被认为是“领先一步于IBM”的计算机。不过,作者Arthur C. Clarke本人却完全没有认识到这一点,坚持说HAL是Heuristic ALgorithmic(启发式算法)的略语。HAL的“真正出炉”始于1997年1月12日。

  IBM研究开发部门追求的是开发出配备自行管理/自行修复功能的企业级系统。IBM的主张是:如果开发成功,那么“从事IT(信息技术)的数百人甚至数千人可以从管理复杂系统的一般业务中解放出来,专门从事开发最尖端应用软件的业务”。

  10年后需要2亿管理人员吗?

  IT系统向越来越复杂的方向发展。企业的IT数据中心的规模越是庞大,越要面临缺乏有效运营数据中心人材的局面。负责运营数据中心的人员需要监视系统的运行情况、处理系统的故障以及收集备份数据等等。

  如果像因特网数据中心(IDC)那样设置多达1万台的服务器,那么就需要众多的经过高等教育训练和拿取高薪的熟练技术人员。一般情况下,每10台左右的服务器需要1名运营管理人员。据IDC的一项预测,随着因特网及电子商务的扩大,几年后数据中心将能够容纳5万台的服务器,届时必须雇用多达5000人的运营管理人员。

  IBM预测在10年以内需要近似于美国总人口的高达2亿多的人员来管理全球的IT基础设施。要想解决这一问题,就需要开发出自行维护、自行管理、将人类的介入控制在最低限度的计算机系统。IBM认为这是IT通信共同面临的一个课题,IT业界自不待言,IBM还呼吁大学和政府机构开发类似系统。

  为了开发这一系统,IBM计划在今年内拿出约50个项目的研究补助金。加利福尼亚大学伯克利分校、德克萨斯大学、威斯康星大学、密歇根大学等多家大学正在致力于这一开发项目。IBM计划在今后几年内投入25亿美元的开发资金。

  IBM本身也将受益菲浅

  试图挑战系统运营课题的不只是IBM一家公司。美国惠普(HP)正在设想开发名为“FabricOS”的新型数据中心OS。该公司的目标是“虚拟数据中心”运营。就是开发出将分布在全球的数据中心虚拟为一个中心运行的OS。

  通过数据中心OS,不仅可以节省运营技术人员的高额费用,而且还可以将一些业务分配给闲置的系统。也有助于实现通过高速网络共享计算能力、文件、应用软件的网格计算。

  目前对数据中心OS技术的需求日益高涨。例如,欧洲共同原子核研究机构(CERN)正在计划设置配备10万台服务器的虚拟数据中心。将向数据中心开放20拍它字节(1拍它字节相当于100万千兆字节)的存储器。全球研究人员均可以进行访问。CERN正在就这一庞大数据中心的管理方法与惠普等公司进行协商。

  IBM很有可能从自主计算及数据中心OS获得巨大的利益。IBM是全球最大的IT外购企业。管理着多达数千家公司的系统。实际上阻挡IBM开发自主计算技术的不是其他公司,而是其外购业务所需的大量劳动力。(记者:北川贤一)


同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值