通过动态感测的任务性能的计算机优化的制作方法

背景技术：

1、正被检查的物理环境可以是动态的、嘈杂的和/或不可预测的，因此感测对于某些模态(例如，在夜间拍摄照片或视线)可能是次优感测。以各个模态接收到的数据中的噪声可以产生下游人工智能(ai)任务的次优性能。当数据不可用时，系统效率较低，因为当模态开启时能量消耗成本也可能很高，因此，多个传感器可以消耗大量能量，这造成效率问题。因此，当传感器收集的数据不能被下游ai或其他过程利用时，存在各种情况。

技术实现思路

1、通过提供一种用于动态地利用传感器来对下游任务进行推理的方法，克服了现有技术的缺点，并且提供了额外的优点。该方法包括例如：由一个或多个处理器基于对推理的请求，从物理位置处的多个模态的一组传感器接合主模态的至少一个传感器以向流水线提供数据以生成推理，其中流水线包括一个或多个机器学习模型，并且其中一个或多个机器学习模型生成用于下游任务的推理；基于所述主模态的所述至少一个传感器的接合，由所述一个或多个处理器从所述主模态的所述至少一个传感器获得原始数据；由所述一个或多个处理器将离群值检测器应用于所述原始数据，以确定所述原始数据中是否存在离群值；基于确定所述原始数据中存在离群值，由所述一个或多个处理器自动接合来自所述多个模态的一组传感器的与所述主模态不同的至少一个模态的至少一个传感器；基于所述至少一个不同模态的所述至少一个传感器的所述自动接合，由所述一个或多个处理器从所述至少一个不同模态的所述至少一个传感器获得新的原始数据；以及由一个或多个处理器将一个或多个机器学习模型应用于新的原始数据以导出推理。

2、通过提供一种用于动态地利用传感器来对下游任务进行推理的计算机程序产品，克服了现有技术的缺点，并且提供了额外的优点。所述计算机程序产品包括存储介质，所述存储介质能够由一个或多个处理器读取并且存储用于由所述一个或多个处理器执行以执行方法的指令。该方法包括例如：由一个或多个处理器基于对推理的请求，从物理位置处的多个模态的一组传感器接合主模态的至少一个传感器以向流水线提供数据以生成推理，其中流水线包括一个或多个机器学习模型，并且其中一个或多个机器学习模型生成用于下游任务的推理；基于所述主模态的所述至少一个传感器的接合，由所述一个或多个处理器从所述主模态的所述至少一个传感器获得原始数据；由所述一个或多个处理器将离群值检测器应用于所述原始数据，以确定所述原始数据中是否存在离群值；基于确定所述原始数据中存在离群值，由所述一个或多个处理器自动接合来自所述多个模态的一组传感器的与所述主模态不同的至少一个模态的至少一个传感器；基于所述至少一个不同模态的所述至少一个传感器的所述自动接合，由所述一个或多个处理器从所述至少一个不同模态的所述至少一个传感器获得新的原始数据；以及由一个或多个处理器将一个或多个机器学习模型应用于新的原始数据以导出推理。

3、通过提供一种用于动态地利用传感器来对下游任务进行推理的系统，克服了现有技术的缺点，并且提供了额外的优点。该系统包括通信地耦合到一个或多个处理器的多个模态的一组传感器；存储器；所述一个或多个处理器与所述存储器通信；能够由所述一个或多个处理器执行以执行方法的程序指令。该方法可以包括：由一个或多个处理器基于对推理的请求，从物理位置处的多个模态的一组传感器接合主模态的至少一个传感器以向流水线提供数据以生成推理，其中流水线包括一个或多个机器学习模型，并且其中一个或多个机器学习模型生成用于下游任务的推理；基于所述主模态的所述至少一个传感器的接合，由所述一个或多个处理器从所述主模态的所述至少一个传感器获得原始数据；由所述一个或多个处理器将离群值检测器应用于所述原始数据，以确定所述原始数据中是否存在离群值；基于确定所述原始数据中存在离群值，由所述一个或多个处理器自动接合来自所述多个模态的传感器组的与所述主模态不同的至少一个模态的至少一个传感器；基于所述至少一个不同模态的所述至少一个传感器的所述自动接合，由所述一个或多个处理器从所述至少一个不同模态的所述至少一个传感器获得新的原始数据；以及由一个或多个处理器将一个或多个机器学习模型应用于新的原始数据以导出推理。

4、本文还描述并要求保护与一个或多个方面有关的方法、计算机程序产品和系统。此外，还描述了与一个或多个方面相关的服务，并且可以在本文中要求保护与一个或多个方面相关的服务。

5、通过本文描述的技术实现附加特征。其他实施例和方面在本文中被详细描述，并且被认为是所要求保护的方面的一部分。

技术特征：

1.一种计算机实现的方法，包括：

2.根据权利要求1所述的计算机实现的方法，还包括：

3.根据权利要求1所述的计算机实现的方法，还包括：

4.根据权利要求1所述的计算机实现的方法，还包括：

5.根据权利要求1所述的计算机实现的方法，其中，所述原始数据包括未标记的数据。

6.根据权利要求1所述的计算机实现的方法，其中，所述流水线是人工智能流水线，并且所述任务是人工智能任务。

7.根据权利要求1所述的计算机实现的方法，其中，所述多个模态的所述一组传感器被集成到漫游边缘设备中。

8.根据权利要求1所述的计算机实现的方法，还包括：

9.根据权利要求1所述的计算机实现的方法，其中，所述主模态选自由光学、音频、红外和光检测和测距组成的组。

10.根据权利要求1所述的计算机实现的方法，其中，与所述主模态不同的至少一个模态的所述至少一个传感器包括所述位置处的所有可用传感器。

11.一种计算机程序产品，包括：

12.根据权利要求11所述的计算机程序产品，还包括：

13.根据权利要求11所述的计算机程序产品，还包括：

14.根据权利要求11所述的计算机程序产品，还包括：

15.根据权利要求11所述的计算机程序产品，其中，所述原始数据包括未标记的数据。

16.根据权利要求11所述的计算机程序产品，其中，所述流水线是人工智能流水线，并且所述任务是人工智能任务。

17.一种计算机系统，包括：

18.根据权利要求17所述的系统，所述方法还包括：

19.根据权利要求17所述的系统，所述方法还包括：

20.根据权利要求17所述的系统，其中漫游边缘设备通信地包括所述多个模态的所述一组传感器和所述一个或多个处理器。

技术总结一种方法、计算机程序产品和系统包括处理器，该处理器基于对推理的请求，从物理位置处的多个模态的一组传感器接合主模态的传感器以向流水线提供数据以生成推理。流水线包括生成用于下游任务的推理的一个或多个机器学习模型。处理器从主模态的传感器获得原始数据，并将离群值检测器应用于原始数据。基于确定存在离群值，处理器自动地接合来自多个模态的一组传感器的与主模态不同的至少一个模态的传感器，并且从至少一个不同模态的传感器获得新的原始数据。处理器将一个或多个机器学习模型应用于新的原始数据以导出推理。技术研发人员：J·S·李,N·V·德赛,D·乔希,R·拉马斯瓦米,S·拉贾尼受保护的技术使用者：国际商业机器公司技术研发日：技术公布日：2024/7/23