<meta name="keywords" content="庄家克星时时彩,机械人,协作机械人" />

边缘上的AI:“协作机械人”若何快速处置赏罚赏罚传感器数据

宣布时间:2019年04月01日 11:04    宣布者:eechina
要害词: 机械人 , 协作机械人
作者:德州仪器 全球工业系统部门系统和应用司理Matthieu Chevrier

岂论是传统的工业机械人系统,照样当今最早辈的协作机械人(Cobot),它们都要依附可天生年夜量高度可变数据的传感器。这些数据有助于构建更佳的机械学习(ML)和人工智能(AI)模子。而机械人依附这些模子变得“自主”,可在静态的现内情形中做出实时决议妄图和导航。

工业机械人通常位于“关闭”情形中,出于安然启事,假定该情形中有人类进入,机械人会阻拦移动。然则限制人类/机械人协作,也使得许多利益没法完成。具有自主运转功效的机械人,可以支持安然高效的人类与机械人的共存。

机械人应用的传感和智能感知异常主要,由于机械人系统的高效性能,特殊是ML/AI系统, 在很年夜水平上取决于为这些系统供应要害数据的传感器的性能。当今数目普遍且日趋完善和准确的传感器,联络能够将一切这些传感器数据融汇在一起的系统,便可以支持机械人具有愈来愈好的知觉和熟悉。

AI的生长

机械人自动化一直以来都是制造业的革命性手艺,将AI集成到机械人中显着将在未来数年中使机械人手艺发生巨年夜变换。本文探讨了当今机械人、自动化和把AI及AI所需数据牢牢链接在一起从而完成智能的最主要手艺的某些要害生长趋势,还议论辩说了怎样在AI系统中应用和融汇不合的传感器。

推念头械人的AI处置赏罚赏罚手艺至边缘盘算

ML网罗两个主要部门:培训和推理,可以在完全相异的处置赏罚赏罚平台上推行它们。培训通常是以离线要领在桌面长阻拦或在云端完成,而且网罗将年夜数据集入神经群集。在此阶段,实时性能或功效都不是效果。培训阶段的效果是在部署时曾经有了一个经由培训的AI系统,该系统能够推行特界说务,例如,查询会见组装线上的瓶颈效果、盘算和跟踪一个房间内的职员或一定账单能否是捏造的。

然则,为了让AI完成其在许多行业的应用远景,在推理(推行培训后的ML算法)时代必须实时或近实时完成传感器数据的融合。为此,设计师须要在边缘实验ML和深度学习模子,将推理功效部署到嵌入式系统中。

举例来讲,在使命场所设立协作机械人(如图1),与人阻拦亲近协作。它须要应用来自近场传感器及视觉传感器的数据,来确保它在告成防止人类遭到风险的同时,支持人类完成关于他们来讲有难度的运动。一切这些数据都须要实时处置赏罚赏罚,然则云的速率达不到协作机械人须要的实时、低延时照顾。要攻克这个瓶颈,人们把当今先进的AI系统生长到了边缘领域,即,机械人意味着存在于边缘装备中。

image003.jpg

图 1:人类在工厂情形中与协作机械人互动。

这类漫衍式AI模子依附于高度集成的处置赏罚赏罚器,这类处置赏罚赏罚用具有:
•        富厚的焦点装备组,用于对接不合传感器
•        高性能处置赏罚赏罚功效,以运转机械视觉算法
•        加速深刻学习推理的措施。

此外,一切这些功效还必须高效使命,而且功耗相对低,体积相对小,以便由边缘承载它们。

随着ML的普及,我们经由功耗和尺寸优化的“推理引擎”的可取得性也愈来愈高。这些引擎是专为推行ML推理而专门设计的硬件产物。

集成式片上系统(SoC)在嵌入式空间内通常是好的选择,由于除包裹能运转深度学习推理的种种处置赏罚赏罚元件外,SoC还集成了使嵌入式应用变得完全的许多须要部件。

让我们来剖析一下当今时代中的热门机械人生长趋势。

协作机械人(协作机械人)

靠近传统的工业机械人没有焦点装备,然则人们浅易没法取得它们。与之相反,协作机械人设计用于在运转时与人安然互动,迟缓而优雅地移动。

凭证ISO尺度TS 15066的界说,协作机械人是一种能够用在协作情形中的机械人,协作操作意味着机械人和人在界说的使命空间内同步使命,阻拦临盆操作(这不网罗机械人 + 机械人系统或同地协作、在不应时间阻拦操作的人与机械人)。界说和部署协作机械人,可意料机械人的实体部门(照现实功效扩年夜,例如说激光)与操作员的潜在抵触。更主要的是,这会应用传感器来一定操作员的准确职位和速率。

协作机械人制造者必须在机械人系统中实验高水平的情形感应和冗余,以便快速探测和防止能够的抵触。集成式传感器与控制单元毗连,将可传感机械人臂与人或其他工具的迫在眉睫的抵触,控制单元将急速关闭机械人。假定任何传感器或其电子电路误差,机械人也将关闭。

物流机械人

物流机械人是在能够有人或没人的情形中操作的移动装备,如客栈、配送中央、口岸或园区等。物流机械人提取货物并把货物带到包装站,或许把货物从公司站点的一栋修建物保送到此外一栋修建物;某些物流机械人还能拣货和包装。这些机械人通常在特定情形中移动,须要传感器阻拦定位、绘图和防止抵触(特殊是与人的抵触)。

直至比来,年夜多数物流机械人还在应用预界说的蹊径;而现在它们曾经能够基于其他机械人、人和货物的职位来调剂它们的导航。超声波、红外线和LIDAR感应现在都是已投入应用的手艺。鉴于机械人的移动性,位于其外部的控制单元浅易是经由历程无线要领与中央远程控制通讯。物流机械人现在已接纳的先进手艺,网罗ML逻辑、人机协作及情形剖析手艺等。

歇息力资源上升和严酷确政府律例,都促使物流机械人取得了更普遍的应用。它们的受迎接水平也水长船高,由于装备和传感器等部件的资源有所降低,集成的资源(和所需时间)也呈下行趋势。

最后一英里交付机械人

在将产物从客栈货架运输到客户门前台阶的历程当中,“最后一英里”交付是物流历程的最后一步:将货物事实运抵买家门前的时间。这不只对组成何等客户知足度很要害,同时最后一英里交付照样资源昂扬和耗时的。

最后一英里交付的资源占领一切货运资源的年夜头:就其自己而言,使最后一英里交付更高效曾经成为开发和实验新机械人手艺的重点,它能推动历程刷新和前进效力。

机械人中AI的传感器手艺

随着机械人手艺的生长,互补传感器手艺也在生长。与人类的五种感官异常类似,在将机械人系统部署到赓续变换和不受控制的情形中时,联络不合的传感手艺可以供应最好效果。纵然是机械人推行的最质朴的义务也将取决于3D机械视觉来将数据馈送到AI手艺中。若未能够重修3D图象的机械视觉,且AI将该视觉信息转换成机械人方面的告成行动,则在没有预定职位和运动的情形下捉住工具弗成能完成。

当今用于支持机械人中AI的最盛行和最相关的传感器手艺网罗:
•        飞翔时间(ToF)光学传感器:这类传感器基于ToF原理,接纳光电二极管(单一的传感器元件或一个阵列)和有源照明来丈量距离。把从误差物反射的光波与发射波阻拦较量,从而丈量延迟,该值即代表距离。此数据有助培植工具的3D舆图。
•        温度和湿度传感器:许多机械人须要丈量温度,有的时间还要丈量其所在情形与其部件的湿度,网罗电机和主AI母板,以此确保它们在安然规模内运转。
•        超声波传感器:假定机械人在通亮情形下看不到器械或许在很暗的情形中找不到它自己,就诠释视觉传感器没有使命。经由历程传输超声波和聆听从工具上反射回来的回波(类似于蝙蝠操作的原理),超声波传感器可在阴霾或通亮的情形中精彩运转,战胜光学传感器的局限。
•        震惊传感器:工业震惊传感是预防性掩护所须要的条件监控的焦点部门。集成式电子压电传感器是工业情形中最经常应用的震惊传感器。
•        毫米波传感器:毫米波传感器应用无线电触及其回波来一定移植物体的偏向和距离,措施是丈量三个因素:速率、角度和规模。这赞助机械人基于物体靠近传感器的快慢往复收更多的预防措施。雷达传感器在阴霾情形中的运转具有卓越性能,它能经由历程如干壁、塑料和玻璃等质料阻拦传感。

虽然在工厂车间里人类依然推行年夜部门义务,但机械人将顺应人类使命、前进自动化水平。为完成这一目的,他们须要装备更多的AI功效,和时识别温柔应种种情形,这只需在AI处在最前沿时才有能够完成。
迎接分享本文,转载请生涯出处:http://badahub.com/thread-561950-1-1.html     【打印本页】
您须要登录后才可以揭晓议论 登录 | 急速注册

厂商推荐

相关文章

相关视频演示

关于我们  -  服务条目  -  应用指南  -  站点舆图  -  友谊链接  -  联系我们
庄家克星时时彩-时时彩qq群-时时彩平台推荐 © 版权一切   | 京公网安备110108881021702
回顶部