在傳統(tǒng)的工業(yè)機器人里傳感器的種類與數(shù)量已經(jīng)不少了，壓力、溫度、速度等等方面都少不了傳感器提供的關(guān)鍵數(shù)據(jù)。隨著機器人的升級換代，機器人與人在同一環(huán)境里協(xié)作、合作的趨勢愈發(fā)明顯。不僅是在工業(yè)場景中，日常生活中機器與人類共存的案例也多了起來。這意味著機器人傳感與感知的能力越來越重要。

機器人系統(tǒng)的性能，尤其是偏智能化的性能，在很大程度上取決于傳感系統(tǒng)提供關(guān)鍵的數(shù)據(jù)，尤其是ML和AI系統(tǒng)開始在機器人應(yīng)用中普及后?，F(xiàn)在各種精密的傳感器，再加上能夠?qū)鞲衅鲾?shù)據(jù)進(jìn)行深度融合整理的系統(tǒng)讓機器人擁有了出色的感知，機器人與人共同協(xié)作不再是不可能實現(xiàn)的事。

ML與AI，傳感數(shù)據(jù)融合邊緣化處理

機器學(xué)習(xí)ML在機器人行業(yè)流行的時間并不短，但真正開始應(yīng)用還是近幾年的事情，離整個行業(yè)開始廣泛應(yīng)用還需時日。機器深度學(xué)習(xí)分訓(xùn)練和推理，訓(xùn)練過程通常在云中離線進(jìn)行，需要將大量的傳感器數(shù)據(jù)反饋到神經(jīng)網(wǎng)絡(luò)中。訓(xùn)練完成后的AI系統(tǒng)可以在協(xié)作機器人中完成檢測物品、識別人員等等應(yīng)用。

（機器人感知，TI）

在ML執(zhí)行算法的推理階段需要融合傳感器數(shù)據(jù)做出判斷，而且這個過程幾乎是實時的，只有實時融合傳感器數(shù)據(jù)做出推理才能達(dá)到機器的協(xié)作性，云計算的速度肯定是不能滿足協(xié)作要求的實時低延遲響應(yīng)。所以ML和AI系統(tǒng)需要放在邊緣。

去中心化的AI模型相當(dāng)依賴高集成度的處理芯片，而且必須要在底層芯片設(shè)計上就考慮好算法模型在不同場景中有限的部署條件，包括算力、功耗和硅片面積的分配。在大量的數(shù)據(jù)中篩選高質(zhì)量的傳感器數(shù)據(jù)并不一件容易的事情，在芯片上執(zhí)行深度學(xué)習(xí)任務(wù)需要芯片的硬件傳感器的持續(xù)優(yōu)化。

推理引擎不僅需要豐富的外設(shè)來連接各種傳感器，還需要可以支撐機器視覺算法的高性能處理能力。國產(chǎn)的邊緣AI芯片在機器人應(yīng)用上走得并不慢，不管是在移動機器人上應(yīng)用廣泛的地平線旭日系列，還是在機器視覺上取得突破的嘉楠勘智系列，可以看到國產(chǎn)芯片在性能、功耗、靈活性和成本之間找到了一個較為平衡的點。SoC也是一個不錯的選擇，集成式的SoC可以讓單芯片的方案不局限于運行ML和AI，在整個傳感器組件的融合上也能出一份力。

（勘智系列，嘉楠）

協(xié)作機器人與移動機器人融合傳感技術(shù)應(yīng)用

協(xié)作機器人在部署前需要預(yù)見并定義在物理空間內(nèi)可能與人員之間發(fā)生的碰撞，如果考慮到激光等其他傳感，在虛擬空間上同樣需要預(yù)見可能出現(xiàn)的干擾。高水平的環(huán)境感知能力必須做到充分的冗余度，來做到快速檢測并防止可能發(fā)生的碰撞。這極度依賴于各類傳感器提供的大量環(huán)境數(shù)據(jù)信息，并且處理芯片能快速通過ML推理實現(xiàn)實時的判斷。

（協(xié)作機器人，TI）

機器人內(nèi)部的溫濕度傳感同樣重要，不僅要對工作環(huán)境還要對機器人組件內(nèi)部進(jìn)行溫濕度監(jiān)控，否則電機在重負(fù)載下的發(fā)熱與功耗是一大隱患。目前幾乎所有用于機器人的傳感器件都是溫度敏感元件并且設(shè)置了熱補償，該趨勢大大提升了傳感應(yīng)用的穩(wěn)定性。

移動機器人的傳感應(yīng)用就更多了，定位、繪圖、導(dǎo)航、識別每個功能都離不開傳感數(shù)據(jù)的融合與處理。超聲波、IMU、紅外、激光雷達(dá)、毫米波雷達(dá)都是為機器人系統(tǒng)提供環(huán)境數(shù)據(jù)的器件，配合ML推理進(jìn)行深度的環(huán)境分析，移動機器人可以達(dá)到實時感知周圍任何目標(biāo)的智能程度。

基于DLP技術(shù)的3DToF通過靈活的結(jié)構(gòu)光在分辨率的提升上可以做到更小的尺寸，這類傳感不僅能讓機器在定位地圖構(gòu)建上更精確更深度，還能將分辨率提高數(shù)個級別，結(jié)合AI與ML能達(dá)到很高的定位精度；振動傳感器這一類用于檢測機器人內(nèi)部器件的傳感，在傳感技術(shù)融合的升級過程中將預(yù)測的準(zhǔn)確性再次做了提高；毫米波雷達(dá)更不用說，作為取代傳統(tǒng)機器人移動傳感的先進(jìn)技術(shù)，在融合IMU或者GNSS后，結(jié)合ML幾乎可以完成機器人移動功能的所有需求……

小結(jié)

各種精密傳感器的融合只是傳感技術(shù)升級的開始，現(xiàn)在機器學(xué)習(xí)與AI技術(shù)也開始與傳感器件開始融合，對傳感器數(shù)據(jù)進(jìn)行匯總、篩選、訓(xùn)練、判斷。技術(shù)與硬件深度融合的機器人傳感系統(tǒng)開始擁有了出色的實時感知能力，在機器人行業(yè)鋪開應(yīng)用也許已指日可待。