在傳統的工業(yè)機器人里傳感器的種類(lèi)與數量已經(jīng)不少了，壓力、溫度、速度等等方面都少不了傳感器提供的關(guān)鍵數據。隨著(zhù)機器人的升級換代，機器人與人在同一環(huán)境里協(xié)作、合作的趨勢愈發(fā)明顯。不僅是在工業(yè)場(chǎng)景中，日常生活中機器與人類(lèi)共存的案例也多了起來(lái)。這意味著(zhù)機器人傳感與感知的能力越來(lái)越重要。
機器人系統的性能，尤其是偏智能化的性能，在很大程度上取決于傳感系統提供關(guān)鍵的數據，尤其是ML和AI系統開(kāi)始在機器人應用中普及后?，F在各種精密的傳感器，再加上能夠將傳感器數據進(jìn)行深度融合整理的系統讓機器人擁有了出色的感知，機器人與人共同協(xié)作不再是不可能實(shí)現的事。
ML與AI，傳感數據融合邊緣化處理
機器學(xué)習ML在機器人行業(yè)流行的時(shí)間并不短，但真正開(kāi)始應用還是近幾年的事情，離整個(gè)行業(yè)開(kāi)始廣泛應用還需時(shí)日。機器深度學(xué)習分訓練和推理，訓練過(guò)程通常在云中離線(xiàn)進(jìn)行，需要將大量的傳感器數據反饋到神經(jīng)網(wǎng)絡(luò )中。訓練完成后的AI系統可以在協(xié)作機器人中完成檢測物品、識別人員等等應用。
（機器人感知，TI）
在ML執行算法的推理階段需要融合傳感器數據做出判斷，而且這個(gè)過(guò)程幾乎是實(shí)時(shí)的，只有實(shí)時(shí)融合傳感器數據做出推理才能達到機器的協(xié)作性，云計算的速度肯定是不能滿(mǎn)足協(xié)作要求的實(shí)時(shí)低延遲響應。所以ML和AI系統需要放在邊緣。
去中心化的AI模型相當依賴(lài)高集成度的處理芯片，而且必須要在底層芯片設計上就考慮好算法模型在不同場(chǎng)景中有限的部署條件，包括算力、功耗和硅片面積的分配。在大量的數據中篩選高質(zhì)量的傳感器數據并不一件容易的事情，在芯片上執行深度學(xué)習任務(wù)需要芯片的硬件傳感器的持續優(yōu)化。
推理引擎不僅需要豐富的外設來(lái)連接各種傳感器，還需要可以支撐機器視覺(jué)算法的高性能處理能力。國產(chǎn)的邊緣AI芯片在機器人應用上走得并不慢，不管是在移動(dòng)機器人上應用廣泛的地平線(xiàn)旭日系列，還是在機器視覺(jué)上取得突破的嘉楠勘智系列，可以看到國產(chǎn)芯片在性能、功耗、靈活性和成本之間找到了一個(gè)較為平衡的點(diǎn)。SoC也是一個(gè)不錯的選擇，集成式的SoC可以讓單芯片的方案不局限于運行ML和AI，在整個(gè)傳感器組件的融合上也能出一份力。
（勘智系列，嘉楠）
協(xié)作機器人與移動(dòng)機器人融合傳感技術(shù)應用
協(xié)作機器人在部署前需要預見(jiàn)并定義在物理空間內可能與人員之間發(fā)生的碰撞，如果考慮到激光等其他傳感，在虛擬空間上同樣需要預見(jiàn)可能出現的干擾。高水平的環(huán)境感知能力必須做到充分的冗余度，來(lái)做到快速檢測并防止可能發(fā)生的碰撞。這極度依賴(lài)于各類(lèi)傳感器提供的大量環(huán)境數據信息，并且處理芯片能快速通過(guò)ML推理實(shí)現實(shí)時(shí)的判斷。
（協(xié)作機器人，TI）
機器人內部的溫濕度傳感同樣重要，不僅要對工作環(huán)境還要對機器人組件內部進(jìn)行溫濕度監控，否則電機在重負載下的發(fā)熱與功耗是一大隱患。目前幾乎所有用于機器人的傳感器件都是溫度敏感元件并且設置了熱補償，該趨勢大大提升了傳感應用的穩定性。
移動(dòng)機器人的傳感應用就更多了，定位、繪圖、導航、識別每個(gè)功能都離不開(kāi)傳感數據的融合與處理。超聲波、IMU、紅外、激光雷達、毫米波雷達都是為機器人系統提供環(huán)境數據的器件，配合ML推理進(jìn)行深度的環(huán)境分析，移動(dòng)機器人可以達到實(shí)時(shí)感知周?chē)魏文繕说闹悄艹潭取?/p>
基于DLP技術(shù)的3DToF通過(guò)靈活的結構光在分辨率的提升上可以做到更小的尺寸，這類(lèi)傳感不僅能讓機器在定位地圖構建上更精確更深度，還能將分辨率提高數個(gè)級別，結合AI與ML能達到很高的定位精度；振動(dòng)傳感器這一類(lèi)用于檢測機器人內部器件的傳感，在傳感技術(shù)融合的升級過(guò)程中將預測的準確性再次做了提高；毫米波雷達更不用說(shuō)，作為取代傳統機器人移動(dòng)傳感的先進(jìn)技術(shù)，在融合IMU或者GNSS后，結合ML幾乎可以完成機器人移動(dòng)功能的所有需求……
小結
各種精密傳感器的融合只是傳感技術(shù)升級的開(kāi)始，現在機器學(xué)習與AI技術(shù)也開(kāi)始與傳感器件開(kāi)始融合，對傳感器數據進(jìn)行匯總、篩選、訓練、判斷。技術(shù)與硬件深度融合的機器人傳感系統開(kāi)始擁有了出色的實(shí)時(shí)感知能力，在機器人行業(yè)鋪開(kāi)應用也許已指日可待。
