Contextual AR: เมื่อแว่น AR รู้จักชิ้นส่วนเองด้วย AI Object Recognition — Deep Dive จาก SLAM ถึง Latency Budget ต่ำกว่า 20 ms
ระบบ AR Work Instructions รุ่นแรกๆ ทำงานได้ดีในห้อง Demo แต่มักล้มเหลวเมื่อลงสนามจริง สาเหตุหลักคือมัน ไม่รู้ว่ากำลังมองอะไร — ระบบต้องพึ่ง marker ที่ติดไว้ล่วงหน้า หรือแผนที่ 3 มิติที่ต้องสแกนไว้ก่อน พอเปลี่ยนไลน์ผลิต ย้ายเครื่องจักร หรือเปลี่ยนรุ่นชิ้นส่วน ทุกอย่างก็พังทันที Contextual AR คือรุ่นถัดไปของเทคโนโลยีนี้: แว่น Smart Glasses อุตสาหกรรมที่ฝังโมเดล AI Object Recognition บนชิป Edge NPU จะ จำชิ้นส่วนได้เอง เพียงชี้กล้องไปที่เครื่องจักร ระบบจะรู้ว่านี่คือปั๊มรุ่นไหน วาล์วตัวไหน แล้วดึงคำสั่งงานที่ถูกต้องจากระบบหลังบ้านมาฉายทับไว้บนจอทันที — โดยไม่ต้องติด marker แม้แต่ชิ้นเดียว หัวใจของระบบ: Pipeline 6 ขั้นตอนที่ต้องจบในเสี้ยววินาที ทุกอย่างเกิดขึ้นบนอุปกรณ์ ไม่ผ่านคลาวด์ เพราะเวลาไป-กลับของเน็ตเพียง 50-100 ms ก็ทำให้ภาพ Overlay 'ลอยหลุด' จากวัตถุจริงเวลาคนงานหันหัวเร็วๆ แล้ว Pipeline ของ Contextual AR ตั้งแต่กล้องจับภาพ 30 fps จนถึงการส่งผลไป CMMS ทุกขั้นต้องจบรวมกันภายใน Motion-to-Photon Latency ต่ำกว่า 20 ms ตัวเลขที่วิศวกรต้องจำคือ Motion-to-Photon Latency ต้องต่ำกว่า 20 ms — คือช่วงเวลาตั้งแต่หัวขยับจนภาพ Overlay เคลื่อนตาม ถ้าเกินกว่านี้สมองจะรู้สึกว่าภาพ 'เหลื่อม' จนใช้งานจริงไม่ได้ แปลว่า AI Inference ต้องกินเวลาไม่เกิน 15 ms เท่านั้น ซึ่งเป็นเหตุผลที่โมเดลตรวจจับวัตถุต้องผ่านการ Quantize เป็น INT8 และรันบน NPU ของอุปกรณ์เสมอ ขั้นตอนLatency BudgetหมายเหตุทางเทคนิคCamera Capture~5-10 msกล้องปล่อยเฟรม 30 fps ขึ้นไปPreprocess~2-3 msResize + Normalize บน GPU ของอุปกรณ์AI Inferenceต่ำกว่า 15 msโมเดล Quantized INT8 บน Edge NPUPose Estimation (6DoF)~2-5 msแปลง Bounding Box เป็นพิกัด 3 มิติRender Overlay~3-5…
