先进机器人系统中的关键技术

正当机器人设计进入商业领域以服务于制造业、物流业和服务业时，勾勒出仍然阻碍机器人广泛采用的关键绊脚石至关重要。

虽然机器人系统中的硬件和软件有了显着改进，但它们快速发展的设计轨迹表明，正在发生很多事情，使这些设备在各种应用中变得更加有用和智能，包括农业、仓储、交付和检验服务、智能制造以及

简而言之，机器人在从传感器和摄像头获取输入后，会定位自己并开始感知环境。接下来，它识别并预测附近物体的运动，然后在确保自身和附近物体的相互安全的同时规划自己的移动。所有这些操作都需要大量的处理操作和功耗。

机器人系统中有三个主要的用电场所：驱动或引导机器人的电机和控制器、传感系统和处理平台。需要一种更智能、更省电的新型传感器，以更低的成本和能耗快速准确地确定机器人身体的方向和位置。还值得一提的是，机器人的移动速度并不快，因此它们通常不需要以数千兆赫的速度运行的尖端处理器。

在这里，在这个技术十字路口，将机器人用于大规模部署的所有要求或设计挑战都会导致一个关键的构建块：片上系统 (SoC)。它运行多种传感系统以及强大的人工智能（AI）算法，使新一代商业机器人成为可能。

征集新的 SoC

通常同时并实时处理十几种算法，以运行包括里程计、路径规划、视觉和感知在内的机器人操作。这就需要一批新的 SoC 来将集成提升到一个全新的水平。需要这些 SoC 来解决稀疏编码、路径规划和同步定位和映射 (SLAM) 等特殊应用。

Qualcomm 的 SDA/SDM845 芯片（图 1 ) 突出了新的集成水平。除了运行频率为 2.8 GHz 的八核 Kyro CPU 外，它还具有用于设备上 AI 处理的 Hexagon 685 DSP 和用于感知、导航和操作的移动优化计算机视觉。双 14 位 Spectra 280 图像信号处理器 (ISP) 支持高达 32 兆像素 (MP) 的相机和高达每秒 60 帧的 4K 视频捕获。

图 1：用于机器人设计的 Qualcomm SDM845 芯片的架构构建块（图片：Qualcomm）

SoC 平台还具有安全处理单元 (SPU)，以促进安全功能，例如安全启动、加密加速器和可信执行环境 (TEE)。在连接方面，它支持 Wi-Fi 链接，同时旨在增加 5G 以实现工业机器人的低延迟和高吞吐量。

高通还推出了围绕 SDA/SDM845 芯片构建的 Robotics RB3 平台。随附 DragonBoard 845c 开发板和用于原型机器人设计的套件。

超集成驱动在 Nvidia 的 Jetson Xavier 等嵌入式模块中也很明显（图 2 )，针对交付和物流机器人。机器人计算平台包含 90 亿个晶体管，每秒可提供超过 30 万亿次操作 (TOPS)。它具有六个处理器：一个八核 ARM64 CPU、一个 Volta Tensor Core GPU、双 NVIDIA 深度学习加速器 (NVDLA)、一个图像处理器、一个视觉处理器和一个视频处理器。

如上述设计示例所示，AI 加速器是机器人设计的 SoC 和模块中的关键构建块。仔细观察还可以展示 AI 如何与传感器和执行器协同工作，以执行感知、定位、地图绘制和导航等任务。

AI 集成：正在进行中

在提高机器人对给定情况或任务的响应质量和准确性方面，人工智能技术的作用变得越来越重要，尤其是在物体检测和识别操作中。

人工智能使机器人超越了刚性编程模型提供的自动化，并允许它们更自然、更精确地与周围环境进行交互。在这里，人工智能组件与机器人的图像处理功能携手合作，自动执行以前由人类执行的任务。

但是，机器人设计师必须在不增加组件尺寸和功耗的情况下添加更多 AI 功能。除了机器人设计中的功率限制外，大型设备外形因素也阻碍了机器人的商业应用。

图 2：80 × 87 毫米 Jetson Xavier 模块声称工作站级计算性能只有工作站处理设备大小的 1/10。 （图片：英伟达）

另一个关键问题是当工业和服务机器人开始实施用于方向检测和位置估计的推理模型时，对各种 AI 框架的支持。

需要智能传感器

真空吸尘器和悬浮滑板等机器人系统需要能够在高振动环境中运行的极其稳定和高性能的传感器。传感元件的高精度处理给设计人员带来了额外的挑战。例如，如果他们使用软件来控制加速器和陀螺仪等运动传感器，则会增加软件开发所需的成本和开发时间。

这就是机器人系统需要更多集成传感解决方案的原因。对于前面提到的Qualcomm Robotics RB3 Platform，InvenSense现在是TDK公司的一家公司，提供了许多传感器和麦克风，这些传感器和麦克风具有低功耗、紧密的灵敏度匹配和高声学过载点（AOP）的特点。

RB3 平台采用 InvenSense 的六轴惯性测量单元 (IMU)，包括三轴陀螺仪和三轴加速度计、电容式气压传感器和多模式数字麦克风。 IMU量化外部实时时钟测量以确保精度，而压力传感器测量10厘米高差的相对精度。

除了运动传感器，机器人越来越多地采用配备基于 SLAM 的导航系统的智能传感器和摄像头解决方案，使机器人能够满足现实生活环境中的挑战性要求。此外，这些传感器和摄像头正在整合机器学习功能，以在机器人中运行 3D 视觉系统。

然而，开发人员在将这些高分辨率传感器集成到他们的机器人系统中时，必须确保小尺寸和低功耗。此外，这些传感器和摄像头应该能够通过标准数字接口与机器人控制器轻松集成。

与人工智能一样，智能传感器和摄像头是机器人设计配方中的关键要素，而与人工智能一样，它们仍处于起步阶段。预计 2020 年将带来更成熟和更可行的商业传感解决方案，这些解决方案可以以更低的成本和更高的精度为机器人系统提供服务。届时，机器人将超越其在仓库和工厂中的转型角色，成为更大的消费者和工业领域的协作工具，而不仅仅是作为独立的智能对象工作。