美國(guó)國(guó)際象棋大師、第十一屆國(guó)際象棋世界冠軍鮑比·菲舍爾曾說(shuō)過(guò)：“棋盤(pán)上最重要的是好棋?！?/p>

他說(shuō)起來(lái)容易。但是，如果你是新手，或者想變得更好，你怎么知道你正在做的動(dòng)作實(shí)際上是好的呢？如果你能分析你的比賽，一場(chǎng)接一場(chǎng)，那不是很棒嗎？

為了解決這個(gè)問(wèn)題，本月最新的 Jetson 項(xiàng)目 winners 開(kāi)發(fā)了 LiveChess2FEN ——一個(gè)在 NVIDIA Jetson Nano 上實(shí)時(shí)優(yōu)化的自動(dòng)數(shù)字化棋盤(pán)配置的框架。

LiveChess2FEN 創(chuàng)建者 大衛(wèi)·馬拉森·金塔納 、 阿爾貝托 A 。德?tīng)柊屠飱W 和 Manuel Prieto-Matias 在 paper 狀態(tài)下表示：“這是第一次嘗試將國(guó)際象棋數(shù)字化框架部署到嵌入式平臺(tái)上，獲得與其他方法類(lèi)似甚至更好的執(zhí)行時(shí)間，這些方法至少使用了一臺(tái)中端筆記本電腦?！薄?/p>

LiveChess2FEN 使用 福賽斯 – 愛(ài)德華茲符號(hào)（ FEN ） 對(duì)國(guó)際象棋游戲進(jìn)行數(shù)字化，這是一種標(biāo)準(zhǔn)的表示法，使用代表國(guó)際象棋游戲中特定棋盤(pán)位置的字母和數(shù)字。該項(xiàng)目是為業(yè)余玩家或比賽而創(chuàng)建的，其中一個(gè)網(wǎng)絡(luò)攝像頭會(huì)持續(xù)監(jiān)視棋盤(pán)，并檢查棋盤(pán)上任何棋子的位置是否發(fā)生了變化。視頻通過(guò)學(xué)習(xí)模型進(jìn)行流式傳輸，并以新字符串形式返回任何變化的板位置。

在 NVIDIA 開(kāi)發(fā)者論壇上， 開(kāi)發(fā)者表示 ，“之前的工作已經(jīng)顯示出了有希望的結(jié)果，但最先進(jìn)技術(shù)的識(shí)別準(zhǔn)確性和延遲仍需要進(jìn)一步的增強(qiáng)，以實(shí)現(xiàn)實(shí)用且經(jīng)濟(jì)的部署。”

此外，目前的硬件解決方案，如專(zhuān)用電路板或機(jī)械臂，可能成本高昂，而且難以部署。使用 Jetson 納米 ，團(tuán)隊(duì)找到了解決這些缺點(diǎn)的方法。

問(wèn)題可分為 兩個(gè)主要部分 。首先是識(shí)別棋盤(pán)及其方位，然后識(shí)別棋子及其精確位置。

為了應(yīng)對(duì)這一挑戰(zhàn)，該團(tuán)隊(duì)使用了多種軟件，包括 TensorFlow 上的 Keras API ，來(lái)定義和訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)（ CNN ）來(lái)進(jìn)行試件分類(lèi)。為了訓(xùn)練他們的模型，他們使用了兩組有標(biāo)簽的棋子數(shù)據(jù)集，其中包括近 55000 張圖像。

他們還使用了 ONNX 運(yùn)行時(shí)、 TensorRT 、 ONNX-TensorRT 和幾個(gè) Python 庫(kù)。為了幫助監(jiān)控 Jetson Nano 上的計(jì)算資源使用情況，他們使用了系統(tǒng)監(jiān)控實(shí)用程序 jtop 。

使用 Jetson Nano 并使用 ONNX Runtime 和 TensorRT 優(yōu)化 CNN ，他們將推理延遲從 16.38 秒減少到了 3.84 秒。

將特定領(lǐng)域的知識(shí)添加到模型的推理中，在準(zhǔn)確性方面提供了優(yōu)勢(shì)。通過(guò)在 TensorRT 上測(cè)試不同的 CNN ，該團(tuán)隊(duì)獲得了從 6 秒到 0.46 秒不等的延遲時(shí)間。精度和速度之間有一些折衷，如下圖所示。

圖 1 ：在 NVIDIA Jetson Nano 上測(cè)量的檢測(cè)棋盤(pán)狀態(tài)的推理時(shí)間和精度。

然后，該團(tuán)隊(duì)設(shè)計(jì)了一種方法，通過(guò)計(jì)算方格是否與人工智能之前檢測(cè)到的方格對(duì)齊，來(lái)檢查棋盤(pán)上的棋子是否在同一位置。這有助于避免在觀(guān)察棋盤(pán)的基礎(chǔ)上不斷重新計(jì)算，以便更快地確定棋子的坐標(biāo)。通過(guò)檢查棋盤(pán)上的棋子是否在上一次推斷（需要 150 毫秒）后移動(dòng)，團(tuán)隊(duì)發(fā)現(xiàn)推斷時(shí)間有了巨大的改進(jìn)。

除了專(zhuān)用的 NVIDIA GPU ，該系統(tǒng)還集成了四核 ARM CPU ，能夠執(zhí)行檢測(cè)棋盤(pán)所需的順序計(jì)算。十多年來(lái)，這種體系結(jié)構(gòu)已成功地廣泛應(yīng)用于與圖像處理相關(guān)的任務(wù)中。

其結(jié)果是一個(gè)框架，可以在不到 1 秒的時(shí)間內(nèi)從圖像中自動(dòng)數(shù)字化國(guó)際象棋的位置，對(duì)棋子進(jìn)行分類(lèi)的準(zhǔn)確率為 92% ，對(duì)棋盤(pán)上的變化進(jìn)行檢測(cè)的準(zhǔn)確率為 95% 。

LiveChess2FEN 框架的源代碼在 GitHub 中提供了開(kāi)源許可證。

關(guān)于作者

Jason Black 是 NVIDIA 的自主機(jī)器營(yíng)銷(xiāo)和通信高級(jí)經(jīng)理。作為過(guò)去 25 年的作家和編輯，他喜歡在流行語(yǔ)背后尋找故事的核心?？吹?a href="http://www.www27dydycom.cn/soft/data/42-101/" target="_blank">機(jī)器人 MIG 把他帶到哪里，他很興奮。

審核編輯：郭婷