|
自主机器人是智能机器，无需人工控制或干预即可理解其环境并从中导航。尽管自主机器人技术相对较新，但已在工厂、仓库、城市和家庭等领域中广泛应用。例如，自主机器人可用于在仓库周围运输货物（如图 1 所示），或执行最后一英里配送，而其他类型的机器人可用于家庭吸尘清洁或修剪草坪。
图 1：机器人在仓库周围运输货物。
要实现自主性，机器人需能够在地图环境中自我感知和定位，动态检测周围的障碍物，跟踪这些障碍物，规划到达指定目的地的路线，并控制车辆遵循该路线。此外，机器人必须只能在安全的情况下执行这些任务，避（找元器件现货上唯样商城）免对人身、财产或系统本身带来风险。随着人与机器人的互动愈加频繁，它们不仅需要具备自主性、移动性和节能性，还需要满足功能安全要求。借助传感器、处理器和控制器件，设计人员可满足国际电工委员会 61508 等功能安全标准的严格要求。
自主机器人检测的注意事项
可借助多种不同类型的传感器解决伴随自主机器人而来的挑战。下面详细介绍一下其中的两类传感器：
视觉传感器。视觉传感器可切实模拟人类的视觉和知觉。视觉系统可以应对定位、障碍物检测和防撞等挑战，因为它们具有高分辨率的空间覆盖能力，并且能够对物体进行检测和分类。与激光雷达等传感器相比，视觉传感器也更具成本效益，但视觉传感器是计算密集型传感器。
耗电量大的中央处理器 (CPU) 和图形处理器 (GPU) 可能会给功耗受限的机器人系统带来挑战。设计节能机器人系统时，基于 CPU 或 GPU 的处理应尽可能少。高效视觉系统中的片上系统 (SoC) 应以高速率、低功耗和低系统成本处理视觉信号链。用于视觉处理的 SoC 必须智能、安全且节能。TDA4 处理器系列高度集成，采用异构架构设计，旨在以尽可能低的功耗提供计算机视觉性能、深度学习处理、立体视觉功能和视频分析。
TI 毫米波雷达。在机器人应用中使用TI 毫米波雷达是一种相对新颖的概念，但使用 TI 毫米波传感实现自主性的理念已经有一段时间。在汽车应用中，TI 毫米波雷达是高级驾驶辅助系统 (ADAS) 中的一个关键元件，用于监控车辆的周围环境。您可以将一些类似的 ADAS 概念（如环视监控或防撞）应用于机器人领域。 从传感技术的角度来看，TI 毫米波雷达具有一定独特性，因为此类传感器可提供物体的距离、速度和到达角度信息，能更好地指导机器人导航，从而避免撞击。基于雷达传感器数据，机器人可以根据所接近人或物的位置、速度和轨迹，决定是继续安全行进，还是减速甚至停止，如图 2 所示。
图 2：仓库机器人使用雷达传感。
利用传感器融合和边缘 AI 解决自主机器人的复杂问题
对于更复杂的应用，任何类型的单个传感器可能不足以实现自主性。最终，摄像头或雷达这样的多个传感器应该用于同一系统中才能相得益彰。通过传感器融合，利用处理器中不同类型传感器的数据有助于应对一些更为复杂的自主机器人挑战。
传感器融合有助于使机器人更加精准，而使用边缘人工智能 (AI) 可使机器人变得智能。将边缘 AI 融入机器人系统可以帮助机器人智能地感知、做出决策和执行操作。具有边缘 AI 的机器人可以智能地检测物体及其位置，对物体进行分类并采取相应的操作。例如，当机器人在杂乱的仓库中导航时，边缘 AI 可以帮助机器人推断出其路径上有什么样的物体（包括人员、箱子、机器，甚至其他机器人），并决定在这些物体周围导航的合适操作。
在设计采用 AI 的机器人系统时，硬件和软件均有一些设计考虑事项。TDA4 处理器系列具有适用于边缘 AI 功能的硬件加速器，能够帮助实时处理计算密集型任务。能够访问易于使用的边缘 AI 软件开发环境则有助于简化和加快应用程序开发和硬件部署过程。您可以阅读“嵌入式边缘AI应用开发简化指南”一文，详细了解旨在助开发一臂之力的 TI 免费工具、软件和服务。
| 
楼主
标题置顶
标题高亮
