软体工程师利用 NVIDIAJetson协助击球手辨识对方来球的好坏。

以前,棒球选手在面对对方快速的传球时,为了能够在瞬间作出反应,必须要快速的出手。如今, AI或许可以帮助我们更好地生活。

NickBild是佛罗里达州的一名软件工程师,他创造了一个叫 Tipper的应用程序。这个应用可以向击球手发出一个信号,提醒他们对方的球是坏的还是好的。可以将 Tipper安装在眼镜外缘,当眼镜显示的是绿灯时,它代表一个好球,红色时代表一个坏球。

Tipper可以在球到达本垒前半段时提醒击球手,而 Tipper实现这一功能的另一个原因在于其对图像分类的运用。蒂普依靠 NVIDIJetson边缘 AI平台进行即时推论,从而触发了不同颜色的灯光。

比尔德把这个应用程序定位为一个训练辅助程序,这个辅助程序可以帮助击球手快速地识别出球的好坏。与此同时,投球手也可以借助于这个工具来分析自己是否有意让击球手发现。

比尔德表示:“目前,我还不确定这个应用最终会被应用到什么地方,或许会被裁判使用。在比分接近的时候,这样做可以减少裁判和教练之间的争吵,减少球迷的愤怒。

谈创客 Bild本人

比尔德白天在电信公司上班。晚上,他把自己的起居室改成了杰森实验室。

至于怎么玩 Jetson, Bild当然有自己的一套。不仅是把自己的客厅变成了一个击球台,他还在自学机器学习,取得了一些成绩。在 Jetson AGX Xavier中,他运用了自己的机器学习成果和 Python技术,开发出 ShAIdes,让用户在家里可以用手势控制灯光开关。

比尔德表示,机器学习特别适合解决那些本来不能解决的问题。但是对爱好者来说,入门的费用也是相当高的。

激励源

比尔德第一次听说 Jetson Nano的时候,他认为这是一个可以用更低预算实现他的想法的工具。杰森·纳诺发表的那天,他买了一个,从那以后就用它来开发各种不同的应用程序。

比尔德使用 Jetson创建了 DOOM Air这一项目。他学会了图像分类的基本原理,并学会了如何利用计算机,把热门视频游戏 DOOM投射到墙上,并且通过身体的运动来控制游戏。

比尔德说, Jetson使用起来简单,帮助他获得了早期的成功,同时也激励他在完成更有挑战的项目后继续努力。

Bild补充说:“在构建这些项目的过程中所学到的知识,还帮助我发展了一些基本的技能,这些技能对创建像 Tipper这样更精细的应用程序至关重要。

杰森项目受到比尔德的青睐

比尔德非常喜欢他自己的 Jetson项目, DeepClean项目就是其中之一。该项目使用 AI来跟踪房间里有人摸过的地方,以进行消毒。

但谈到他最喜欢的杰森计划,必当是用来帮助棒球选手判断来球是否好。Tipper借助一台能捕获100帧每秒的摄像机,就可以进行投球预测。摄像机对着发球机(Nerf牌的玩具枪),拍摄到了球在飞行初期的两幅连续画面。

比尔德说,在训练蒂普的过程中,他用到了几百个坏球和好球的图片。所以, JetsonAGXXavier可以将投掷在空中的球分类,这对于击球手来说比单垒教练更有指导作用。

人工智能在 DIY应用中的乐趣还真不亚于一个本垒打!