本文摘要：无论是传统的工业机器人系统，还是当今最先进设备的协作机器人（Cobot），它们都要依赖可分解大量高度星型数据的传感器。这些数据有助建构较佳的机器学习（ML）和人工智能（AI）模型。而机器人依赖这些模型显得“自律”，可在动态的现实环境中作出动态决策和导航系统。工业机器人一般来说坐落于“堵塞”环境中，出于安全性原因，如果该环境中有人类转入，机器人不会暂停移动。 但是容许人类/机器人协作，也使得很多益处无法构建。具备自律运营功能的机器人，可以反对安全性高效的人类与机器人的并存。

无论是传统的工业机器人系统，还是当今最先进设备的协作机器人（Cobot），它们都要依赖可分解大量高度星型数据的传感器。这些数据有助建构较佳的机器学习（ML）和人工智能（AI）模型。而机器人依赖这些模型显得“自律”，可在动态的现实环境中作出动态决策和导航系统。工业机器人一般来说坐落于“堵塞”环境中，出于安全性原因，如果该环境中有人类转入，机器人不会暂停移动。

但是容许人类/机器人协作，也使得很多益处无法构建。具备自律运营功能的机器人，可以反对安全性高效的人类与机器人的并存。

机器人应用于的传感和智能感官十分最重要，因为机器人系统的高效性能，尤其是ML/AI系统，在相当大程度上各不相同为这些系统获取关键数据的传感器的性能。当今数量普遍且日益完善和准确的传感器，融合需要将所有这些传感器数据融汇在一起的系统，就可以反对机器人具备更加好的感官和意识。

AI的发展机器人自动化仍然以来都是制造业的革命性技术，将AI构建到机器人中似乎将在未来数年中使机器人技术产生巨大变化。本文探究了当今机器人、自动化和把AI及AI所需数据抱住链接在一起从而构建智能的最重要技术的某些关键发展趋势，还辩论了如何在AI系统中用于以及融汇有所不同的传感器。推展机器人的AI处置技术至边缘计算出来ML还包括两个主要部分：培训和推理小说，可以在几乎相同的处置平台上继续执行它们。

培训一般来说是以离线方式在桌面上展开或在云端已完成，并且还包括将大数据集入神经网络。在此阶段，动态性能或功能都不是问题。

培训阶段的结果是在部署时早已有了一个经过培训的AI系统，该系统需要继续执行特定任务，例如，调查组装线上的瓶颈问题、计算出来和追踪一个房间内的人员或确认账单是否是假造的。但是，为了让AI构建其在许多行业的应用于前景，在推理小说（继续执行培训后的ML算法）期间必需动态或近动态已完成传感器数据的融合。为此，设计师必须在边缘实行ML和深度自学模型，将推理小说功能部署到嵌入式系统中。举例来说，在工作场所成立协作机器人（如图1），与人展开密切协作。

它必须用于来自将近场传感器及视觉传感器的数据，来保证它在顺利避免人类受到损害的同时，反对人类已完成对于他们来说有可玩性的活动。所有这些数据都必须实时处理，但是云的速度约将近协作机器人必须的动态、较低延时号召。

要攻下这个瓶颈，人们把当今先进设备的AI系统发展到了边缘领域，即，机器人意味著不存在于边缘设备中。人类在工厂环境中与协作机器人对话这种分布式AI模型依赖高度构建的处理器，这种处理器具备：·非常丰富的外围设备组，用作接入有所不同传感器·高性能处置功能，以运营机器视觉算法·加快了解自学推理小说的方法。此外，所有这些功能还必需高效工作，并且功耗比较较低，体积比较小，以便由边缘支撑它们。随着ML的普及，我们经过功耗和尺寸优化的“推理小说引擎”的可获得性也更加低。

这些引擎是专门继续执行ML推理小说而专门设计的硬件产品。集成式片上系统（SoC）在嵌入式空间内一般来说是好的自由选择，因为除包覆能运营深度自学推理小说的各种处置元件外，SoC还构建了使嵌入式应用显得原始的许多适当部件。

本文来源：one体育官方网站-www.theempireprojectmusic.com