边缘上的AI协作机器人如何快速处理传感器数据.PDF

边缘上的 AI ：“协作机器人”如何快速处理传感器数据 人工智能3 月 31 日 作者 ：德州仪器 全球工业系统部门系统和应用经理 Matthieu Chevrier 本文引用地址 ：http///article/201903/399020.htm 无论是传统的工业机器人系统 ，还是当今最先进的协作机器人(Cobot) ，它们都要依 靠可生成大量高度可变数据的传感器。这些数据有助于构建更佳的机器学习(ML)和人 工智能(AI)模型。而机器人依靠这些模型变得 “自主” ，可在动态的现实环境中做出 实时决策和导航。 工业机器人通常位于 “封闭”环境中 ，出于安全原因 ，如果该环境中有人类进入 ，机 器人会停止移动。但是限制人类/机器人协作 ，也使得很多益处无法实现。具有自主 运行功能的机器人 ，可以支持安全高效的人类与机器人的共存。 机器人应用的传感和智能感知非常重要 ，因为机器人系统的高效性能 ，特别是 ML/AI 系统 ， 在很大程度上取决于为这些系统提供关键数据的传感器的性能。当今数量广 泛且日益完善和精确的传感器 ，结合能够将所有这些传感器数据融汇在一起的系统 ， 就可以支持机器人具有越来越好的知觉和意识。 AI 的发展 机器人自动化一直以来都是制造业的革命性技术 ，将 AI 集成到机器人中显然将在未 来数年中使机器人技术产生巨大变化。本文探讨了当今机器人、自动化和把 AI 及 AI 所需数据紧紧链接在一起从而实现智能的最重要技术的某些关键发展趋势 ，还讨论了 如何在 AI 系统中使用以及融汇不同的传感器。 推动机器人的 AI 处理技术至边缘计算 ML 包括两个主要部分 ：培训和推理 ，可以在完全相异的处理平台上执行它们。培训 通常是以离线方式在桌面上进行或在云端完成 ，并且包括将大数据集入神经网络。在 此阶段 ，实时性能或功能都不是问题。培训阶段的结果是在部署时已经有了一个经过 培训的 AI 系统 ，该系统能够执行特定任务 ，例如 ，调查组装线上的瓶颈问题、计算 和跟踪一个房间内的人员或确定账单是否是伪造的。 但是 ，为了让 AI 实现其在许多行业的应用前景 ，在推理(执行培训后的 ML 算法)期间 必须实时或近实时完成传感器数据的融合。为此 ，设计师需要在边缘实施 ML 和深度 学习模型 ，将推理功能部署到嵌入式系统中。 举例来说 ，在工作场所设立协作机器人(如图 1) ，与人进行密切协作。它需要使用来 自近场传感器及视觉传感器的数据 ，来确保它在成功防止人类受到伤害的同时 ，支持 人类完成对于他们来说有难度的活动。所有这些数据都需要实时处理 ，但是云的速度 达不到协作机器人需要的实时、低延时响应。要攻克这个瓶颈 ，人们把当今先进的 AI 系统发展到了边缘领域 ，即 ，机器人意味着存在于边缘设备中。 图 1 ：人类在工厂环境中与协作机器人互动。 这种分布式 AI 模型依赖于高度集成的处理器 ，这种处理器具有 ：  丰富的外围设备组 ，用于对接不同传感器   高性能处理功能 ，以运行机器视觉算法   加速深入学习推理的方法。  此外 ，所有这些功能还必须高效工作 ，并且功耗相对低 ，体积相对小 ，以便由边缘承 载它们。 随着 ML 的普及 ，我们经过功耗和尺寸优化的 “推理引擎”的可获得性也越来越高。 这些引擎是专为执行 ML 推理而专门设计的硬件产品。 集成式片上系统(SoC)在嵌入式空间内通常是好的选择 ，因为除包裹能运行深度学习 推理的各种处理元件外 ，SoC 还集成了使嵌入式应用变得完整的许多必要部件。 让我们来分析一下当今时代中的热门机器人发展趋势。 协作机器人(协作机器人) 接近传统的工业机器人没有外围设备 ，但是人们一般无法获得它们。与之相反 ，协作 机器人设计用于在运行时与人安全互动 ，缓慢而优雅地移动。 根据 ISO 标准 TS 15066 的定义 ，协作机器人是一种能够用在协作环境中的机器人 ， 协作操作意味着机器人和人在定义的工作空间内同步工作 ，进行生产操作(这不包括 机器人 + 机器人系统或同地协作、在不同时间进行操作的人与机器人)。定义和部署 协作机器人 ，可预测机器人的实体部分(如实际功能扩展 ，比方说激光)与操作员的潜 在冲突。更重要的是 ，这会利用传感器来确定操作员的精确位置和速度。 协作机器人制造者必须在机器人系统中实施高水平的环境感应和冗余 ，以便快速探测 和防止可能的冲突。集成式传感器与控制单元连接 ，将可传感机器人臂与人或其他对 象的迫在眉睫的冲突 ，控制单元将