邊緣上的AI：“協(xié)作機器人”如何快速處理傳感器數據

　　作者：德州儀器 全球工業(yè)系統部門(mén)系統和應用經(jīng)理Matthieu Chevrier

　　無(wú)論是傳統的工業(yè)機器人系統，還是當今最先進(jìn)的協(xié)作機器人(Cobot)，它們都要依靠可生成大量高度可變數據的傳感器。這些數據有助于構建更佳的機器學(xué)習(ML)和人工智能(AI)模型。而機器人依靠這些模型變得“自主”，可在動(dòng)態(tài)的現實(shí)環(huán)境中做出實(shí)時(shí)決策和導航。

　　工業(yè)機器人通常位于“封閉”環(huán)境中，出于安全原因，如果該環(huán)境中有人類(lèi)進(jìn)入，機器人會(huì )停止移動(dòng)。但是限制人類(lèi)/機器人協(xié)作，也使得很多益處無(wú)法實(shí)現。具有自主運行功能的機器人，可以支持安全高效的人類(lèi)與機器人的共存。

　　機器人應用的傳感和智能感知非常重要，因為機器人系統的高效性能，特別是ML/AI系統， 在很大程度上取決于為這些系統提供關(guān)鍵數據的傳感器的性能。當今數量廣泛且日益完善和精確的傳感器，結合能夠將所有這些傳感器數據融匯在一起的系統，就可以支持機器人具有越來(lái)越好的知覺(jué)和意識。

　　AI的發(fā)展

　　機器人自動(dòng)化一直以來(lái)都是制造業(yè)的革命性技術(shù)，將AI集成到機器人中顯然將在未來(lái)數年中使機器人技術(shù)產(chǎn)生巨大變化。本文探討了當今機器人、自動(dòng)化和把AI及AI所需數據緊緊鏈接在一起從而實(shí)現智能的最重要技術(shù)的某些關(guān)鍵發(fā)展趨勢，還討論了如何在A(yíng)I系統中使用以及融匯不同的傳感器。

　　推動(dòng)機器人的AI處理技術(shù)至邊緣計算

　　ML包括兩個(gè)主要部分：培訓和推理，可以在完全相異的處理平臺上執行它們。培訓通常是以離線(xiàn)方式在桌面上進(jìn)行或在云端完成，并且包括將大數據集入神經(jīng)網(wǎng)絡(luò )。在此階段，實(shí)時(shí)性能或功能都不是問(wèn)題。培訓階段的結果是在部署時(shí)已經(jīng)有了一個(gè)經(jīng)過(guò)培訓的AI系統，該系統能夠執行特定任務(wù)，例如，調查組裝線(xiàn)上的瓶頸問(wèn)題、計算和跟蹤一個(gè)房間內的人員或確定賬單是否是偽造的。

　　但是，為了讓AI實(shí)現其在許多行業(yè)的應用前景，在推理(執行培訓后的ML算法)期間必須實(shí)時(shí)或近實(shí)時(shí)完成傳感器數據的融合。為此，設計師需要在邊緣實(shí)施ML和深度學(xué)習模型，將推理功能部署到嵌入式系統中。

　　舉例來(lái)說(shuō)，在工作場(chǎng)所設立協(xié)作機器人(如圖1)，與人進(jìn)行密切協(xié)作。它需要使用來(lái)自近場(chǎng)傳感器及視覺(jué)傳感器的數據，來(lái)確保它在成功防止人類(lèi)受到傷害的同時(shí)，支持人類(lèi)完成對于他們來(lái)說(shuō)有難度的活動(dòng)。所有這些數據都需要實(shí)時(shí)處理，但是云的速度達不到協(xié)作機器人需要的實(shí)時(shí)、低延時(shí)響應。要攻克這個(gè)瓶頸，人們把當今先進(jìn)的AI系統發(fā)展到了邊緣領(lǐng)域，即，機器人意味著(zhù)存在于邊緣設備中。

圖 1：人類(lèi)在工廠(chǎng)環(huán)境中與協(xié)作機器人互動(dòng)。

　　這種分布式AI模型依賴(lài)于高度集成的處理器，這種處理器具有：

　　豐富的外圍設備組，用于對接不同傳感器

　　高性能處理功能，以運行機器視覺(jué)算法

　　加速深入學(xué)習推理的方法。

　　此外，所有這些功能還必須高效工作，并且功耗相對低，體積相對小，以便由邊緣承載它們。

　　隨著(zhù)ML的普及，我們經(jīng)過(guò)功耗和尺寸優(yōu)化的“推理引擎”的可獲得性也越來(lái)越高。這些引擎是專(zhuān)為執行ML推理而專(zhuān)門(mén)設計的硬件產(chǎn)品。

　　集成式片上系統(SoC)在嵌入式空間內通常是好的選擇，因為除包裹能運行深度學(xué)習推理的各種處理元件外，SoC還集成了使嵌入式應用變得完整的許多必要部件。

　　讓我們來(lái)分析一下當今時(shí)代中的熱門(mén)機器人發(fā)展趨勢。