Giới thiệu
Trong thời gian gần đây, drone đã trở thành tâm điểm chú ý, đặc biệt là khi Cardi B lập kỷ lục Guinness với số lượng album được giao qua drone trong một giờ. Tuy nhiên, drone không chỉ dừng lại ở những điều thú vị mà còn có thể được sử dụng cho những mục đích tốt đẹp hơn, như hỗ trợ cộng đồng trong các tình huống thiên tai.
Tại sự kiện AWS Community Day và AWS User Group ở Brisbane, tôi đã có cơ hội trình bày về cách mà drone có thể được sử dụng cho mục đích nhân đạo, trước, trong và sau các thảm họa thiên nhiên.
Công nghệ e-Drone của NTT
Tại NTT, chúng tôi cung cấp giải pháp drone cho khách hàng thông qua đội ngũ công nghệ e-Drone, bao gồm hai loại drone chính:
- Drone chụp ảnh trên không Anafi
- Drone kiểm tra Skydio
Các drone này có thể được lập trình để bay tự động và tránh vật cản 360 độ, đồng thời có khả năng chụp ảnh nhiệt và hình ảnh LiDAR, thu thập video và hình ảnh tĩnh một cách toàn diện. Chúng tôi cũng phát triển các mẫu drone riêng cho mục đích nông nghiệp, như kiểm tra cây trồng để sử dụng đất hiệu quả hơn.
Trước thảm họa
Bảo trì dự đoán
Trước khi xảy ra thảm họa, một trong những ứng dụng quan trọng của drone là bảo trì dự đoán. Tại NTT, chúng tôi hỗ trợ khách hàng thực hiện bảo trì dự đoán cho các nhà máy thủy điện của họ. Đặc biệt, đối với những ai sử dụng pin mặt trời cho hộ gia đình hoặc doanh nghiệp, drone có thể phát hiện các tấm pin gặp sự cố, giúp bảo trì hiệu quả hơn.
Trong thảm họa
Hỗ trợ cứu hỏa
Trong khi thảm họa đang diễn ra, chúng tôi có thể hỗ trợ các nhân viên cứu hỏa xác định khu vực cháy lan và tìm kiếm những người có thể gặp nguy hiểm. Hơn nữa, drone còn có khả năng hỗ trợ dập lửa trong một số tình huống.
Sau thảm họa
Khôi phục kết nối internet
Sau các sự kiện thảm họa, drone có khả năng hỗ trợ điều hướng qua các địa hình khó khăn nơi mà con người và phương tiện không thể tiếp cận. Chúng có thể giúp khôi phục kết nối internet bằng cách bay qua các khu vực sạt lở để lắp đặt lại cáp quang.
Bạn có thể xem các drone của chúng tôi hoạt động trong video trên kênh YouTube của chúng tôi tại NTT e-Drone Technology - YouTube.
Kết hợp với AWS
Trong phiên trình bày của mình, tôi đã nói về cách sử dụng các dịch vụ AWS để mở rộng mô hình phân tích hình ảnh ML hiện có và nâng cao nó với Amazon Bedrock. Ý tưởng là tạo ra một ứng dụng bảng điều khiển trên React được lưu trữ trên AWS Amplify từ góc nhìn của người dùng, hiển thị các cây cầu ở Brisbane trong phạm vi phân tích.
Mỗi cầu sẽ được đánh giá mức độ rủi ro là thấp, trung bình hoặc cao dựa trên sự kết hợp của nhân viên kiểm tra cầu và các mô hình từ Amazon Bedrock và Anthropic Claude.
Cách thức hoạt động
Tôi đã giao cho Claude nhiệm vụ “Bạn là một kỹ sư kiểm tra cầu. Hãy phân loại trạng thái rủi ro của cây cầu dựa trên dữ liệu mà chúng tôi có”. Dữ liệu này được tạo ra bởi mô hình ML độc quyền mà NTT eDrones sử dụng để tạo ra hình ảnh có vết nứt và gỉ sét, cùng với dữ liệu CSV và CAD.
Chúng tôi đã có hàng ngàn giờ hình ảnh drone chất lượng cao được ghi lại quanh các cơ sở hạ tầng như cầu và bến tàu.
Tạo câu chuyện người dùng
Tôi cũng đã sử dụng sự hỗ trợ từ Kiro để tạo ra các câu chuyện người dùng cơ bản cho các Kỹ sư kiểm tra cầu, Điều phối viên bảo trì và Quản trị viên CNTT, đồng thời tạo mã trên một kho git hiện có. Kiro là công cụ tạo mã dựa trên yêu cầu của Amazon, giúp thu thập yêu cầu thay mặt bạn.
Tích hợp AI
Tại sao cần các tác nhân AI
Sau cuộc thảo luận, tôi đã suy nghĩ về lý do chúng ta cần sử dụng các tác nhân AI cho giải pháp này. Liệu có thực sự cần thiết phải sử dụng các tác nhân trong trường hợp này không? Chúng ta có thể tận dụng nó cho phân tích đa mô hình và tiếp cận con người trong quá trình phân tích và so sánh các LLM.
Amazon Bedrock + Claude 3
Hãy tưởng tượng Claude 3 như một Kỹ sư cầu đáng tin cậy, không bao giờ mệt mỏi. Chúng tôi cung cấp dữ liệu kiểm tra và nhận lại các báo cáo kỹ thuật chính xác, dựa trên yêu cầu chi tiết về việc đặt mình vào vị trí của một Kỹ sư cầu. Ngay cả AI tốt nhất cũng cần được kiểm tra bởi các kỹ sư thực tế, vì vậy chúng tôi luôn cần sự đóng góp của các kỹ sư thực địa trong việc kiểm tra cầu.
Phân tích đa mô hình
Xử lý hình ảnh (Nova Vision)
Nova Vision thực hiện tất cả những gì mà các mô hình Claude làm trên Bedrock, tự động phân tích bất kỳ hư hỏng cấu trúc nào từ hình ảnh, phân loại mức độ rủi ro, theo dõi sự phát triển của hư hỏng theo thời gian và lập bản đồ vị trí.
Phân tích dữ liệu (Nova Text)
Nova Text sử dụng các tệp CSV làm đầu vào để tìm ra các xu hướng trong dữ liệu đo lường mà con người có thể bỏ lỡ. Nó cũng theo dõi sự thay đổi giữa các vòng kiểm tra cho mỗi cây cầu, điều này rất quan trọng cho bảo trì dự đoán. Xác thực dữ liệu cũng là một phần của phân tích, giúp phát hiện sai sót trong đo lường trước khi gây ra sự cố.
Động cơ tổng hợp (Nova Reasoning)
Đây là nơi mọi thứ kết hợp dựa trên dữ liệu đầu ra từ các mô hình văn bản và đa mô hình. Kết hợp dữ liệu hình ảnh và đo lường để có phân tích toàn diện. Cung cấp cho bạn các khuyến nghị ngắn hạn, trung hạn và dài hạn. Về mặt chi phí, nó giúp ưu tiên sửa chữa dựa trên rủi ro so với chi phí.
Kiến trúc dựa trên sự kiện
Sử dụng AWS Lambda đã giúp kích hoạt các sự kiện khi tệp được lưu trữ trong bucket Amazon S3, giúp kích hoạt các sự kiện phân tích cầu với các bản cập nhật trạng thái theo thời gian thực. Từ góc độ rủi ro, việc cảnh báo bất kỳ thay đổi nào về trạng thái là rất quan trọng để phối hợp phản ứng an toàn.
Hệ thống cập nhật thời gian thực
Từ góc độ khách hàng, bạn có thể tận dụng một số kết nối mạng 5G, LTE mà drone của chúng tôi có. Tại phiên họp AWS User Group ở Brisbane, tôi đã nói về cách mà Dự án Kuiper của Amazon có thể giúp kết nối vệ tinh ở các khu vực nông thôn của Úc khi được ra mắt vào năm 2026. Nó có thể giúp cải thiện độ phủ sóng mạng cho các drone hoạt động ở các khu vực nông thôn.
Tối ưu hóa hiệu suất
Về mặt tối ưu hóa hiệu suất, bộ nhớ cache giúp cải thiện thời gian phản hồi và giảm chi phí API bằng cách giảm thiểu các cuộc gọi lặp lại đến Amazon Bedrock. Cơ chế dự phòng cũng là một phần của giải pháp với việc giảm thiểu từ AgentCore đến quyền truy cập trực tiếp vào mô hình Nova.
Giám sát và quan sát
Sử dụng Amazon CloudWatch để theo dõi các chỉ số theo thời gian thực cho sức khỏe dịch vụ tổng thể, về thời gian, chi phí và tỷ lệ lỗi.
Khả năng xử lý biên
Giải pháp này có thể xử lý phân tích AI trên thiết bị nếu chạy ML ở biên. Ngoài ra, giải pháp có thể tiếp tục hoạt động tự động với khả năng ngoại tuyến, với quy trình xử lý theo mẻ mặc định nếu cần.
Bảo mật và tuân thủ
Bảo mật là ưu tiên hàng đầu với chúng tôi. Giải pháp này không phải là ngoại lệ với quy trình bảo mật được mã hóa và kiểm soát truy cập. Tôi đã sử dụng Amazon CloudWatch và CloudTrail để thực hiện ghi nhật ký toàn diện cho tuân thủ quy định và đảm bảo chất lượng.
Kết luận
Bằng cách kết hợp drone với phân tích AI, chúng ta có thể cung cấp cho cộng đồng trên toàn cầu một kế hoạch và phản ứng thảm họa hiệu quả hơn, trước, trong và sau sự kiện. Sự tích hợp giữa các mô hình Claude của Amazon Bedrock và các tác nhân đa mô hình của Amazon Nova tạo ra một mức độ thông minh nâng cao trong việc phân tích cơ sở hạ tầng như cầu và bến tàu. Giải pháp này cung cấp những thông tin chi tiết có thể hành động, ước lượng chi phí và kế hoạch phản ứng ưu tiên, giúp cộng đồng phục hồi nhanh chóng và hiệu quả hơn.
Hãy theo dõi phần 2 của bài viết này, nơi tôi sẽ đi sâu vào các thành phần bảng điều khiển phân tích chi phí tiên tiến và FinOps.
