自主移动机器人（AMRs）通过自动化重复和容易受伤的材料运输，与人合作，创造高效的工作环境。虽然这些机器人使用传感器和算法来安全地在动态环境中导航，但它们无法将这种感官输入应用于高级决策。AMRs发展的下一步是添加人工智能（AI），以提高智能移动机器人的能力。人工智能将使这些机器人更加高效，增加机器人可以执行的任务范围，并减少适应工作环境的需求。 向人工智能的过渡 如今，移动机器人使用传感器和软件来控制（定义机器人应该在哪里以及如何移动）和感知（让机器人理解并对周围环境做出反应）。数据来自集成的激光扫描仪、3D摄像机、加速度计、陀螺仪、车轮编码器，以及更多的数据，以便为每种情况做出最有效的决策。这些技术为AMRs提供了许多功能，这些功能在今天的汽车中已经变得非常熟悉和令人满意。这些机器人能够使用最有效的路线进行动态导航，具有环保意识，因此可以避开路上的障碍物或行人，并在需要时自动充电。然而，如果没有人工智能，这些机器人对所有障碍物的反应都是一样的：如果可能，它们会减速并试图绕过人或物体;如果没有安全的办法绕过它，它们会停下来或后退。AMR的标准方法几乎适用于所有情况，但就像人工智能为自动驾驶汽车和智能无人机提供新功能一样，它也准备大幅改变机器人技术。 人工智能包括几个分支。现阶段用于自主移动机器人的人工智能主要集中在机器学习和视觉系统上。 米尔AI相机的静态相机使米尔机器人能够预测路线上的障碍，因此它们能够提前重新路由，以优化导航。 如今，用于协作机器人的人工智能主要专注于机器学习（ML）和视觉系统，这两种系统正在显著扩展早期基于传感器的功能。几个关键领域的技术进步和市场成熟使这些创新成为可能： 一系列小型、低成本、节能的传感器使移动和远程设备能够捕捉和传输大量关于机器人当前、扩展和预期环境以及内部条件的数据。 云计算和宽带无线通信允许从任何接入点几乎立即存储、处理和访问数据。安全虚拟网络可以适应动态需求，几乎可以消除停机和瓶颈。 强大的以人工智能为核心的新型处理器架构广泛应用于AMD、英特尔、英伟达和高通等传统半导体公司，以及谷歌和微软等该领域的新参与者。虽然传统的广泛使用半导体正面临摩尔定律的限制，但这些新芯片是专门为人工智能计算而设计的，它在提高性能的同时降低了成本。低功耗、低成本的人工智能处理器甚至可以集成到小型移动或远程设备中，从而使现场计算能够快速、高效地做出决策。 复杂的软件算法分析和处理最具生产力的位置的数据——在机器人中，在云中，甚至在远程、扩展的传感器中，这些传感器为机器人提供额外的智能数据，以预测需求并主动适应其行为。 使用这些功能，机器人编队的行为就像一群学生在网上上课。他们在网上学习，然后可以在不需要经常访问网上内容的情况下进行表演。低功耗、具备人工智能能力的设备和高效人工智能技术支持新的机器人系统，具有低延迟和快速反应时间、高自主性和低功耗——所有这些都是成功的关键因素。 AMRs中的人工智能改进了路径规划和环境交互 移动工业机器人（MiR）正在推动移动机器人人工智能的发展，并建立新的行业预期。创新的人工智能能力维护了机器人的安全协议，提高了路径规划和环境交互的效率。 人工智能是通过机器人软件中的高级学习算法，以及安装在高交通区域、叉车或其他自动车辆路径上的远程连接摄像头来实现的。这些摄像头配备了小型高效的嵌入式电脑，可以处理匿名数据，运行复杂的分析软件，以识别该地区的物体是人类、固定障碍物，还是agv等其他类型的移动设备。然后摄像头将这些信息反馈给机器人，扩展机器人对周围环境的理解，使其能够在进入一个区域之前就适当地调整自己的行为。具备人工智能功能的网络可以帮助机器人在特定时间避开交通繁忙的区域，比如货物定期由叉车运送和转移，或者有大量工人在场的时候，比如休息或换班的时候。 通过人工智能，MiR机器人可以有效和适当地对不同类型的障碍物做出反应，从而提高导航和效率。例如，如果他们面对来自另一个制造商的AMR，他们可以预测车辆的运动并适当调整。当遇到一个新的未知物体时，机器人可以保持谨慎和观察力，收集数据，以便计算出未来互动的最佳可能行为。 同样，在复杂的、高度动态的环境中——比如那些有自动导航车辆（agv）不能偏离固定路径的环境，或者有人类驱动的叉车或其他不可预测的车辆的环境中——机器人的机动能力可能是有限的。agv的安全机制通常仅限于遇到障碍物时强制停车，例如，这可能会阻塞AMR。AI-powered MiR AMRs可以识别AGV并意识到它的局限性，这样他们就可以在AGV安全通过之前，自动在安全位置等待AGV通过，从而在AGV安全通过后继续执行任务。 虽然机器人内置的安全机制总是能够阻止机器人在其路径上与物体、人或车辆相撞，但其他车辆，如人类驾驶的叉车，可能没有这些功能，从而存在其中一辆车撞上机器人的风险。MiR机器人系统可以在高交通区域到达之前探测到它，并可以识别其他车辆，并采取适当的行动来降低碰撞的风险。通过这种方式，AMR不仅通过人工智能改善了自己的行为，而且还适应了其他车辆的限制。 左图：MiR AI摄像机检测到一个它被配置用来做出反应的物体，这阻止了MiR机器人穿越红色标记的区域。正确示例：MiR camera检测到一个人，并配置为在这种情况下不作出反应，因为这个人能够有效地避开机器人。在这种情况下，MiR机器人可以越过绿色标记的区域。 解决人工智能问题 人工智能仍然很新，足以引起人们对正在捕获和使用的数据的安全和隐私的担忧，以及在人工智能系统出现故障或受到干扰时确保安全。客户在考虑ai驱动系统时，需要考虑的主要问题包括： 数据在哪里以及如何存储、保护和处理？ 数据存储多长时间？ 捕获哪些个人身份信息？ 有什么后备安全机制？ 为了保护安全和隐私，和平号机器人和人工智能相机只发送决策，而不发送图像。由于每个设备内部都有所需的计算能力，视觉传感器捕获的数据会被立即处理成形状、大小和颜色，然后被分类为特定的类别，用于决策。因此，唯一可以发送的数据类型是AMRs能够理解的命令，例如stop或resume;有关环境变化的资料，例如阻塞的道路或拥挤的地区;或者需要采取的新行动，比如选择另一条路线。 虽然机器人人工智能系统的安全性有时会受到关注，但MiR的主要安全机制是机器人的核心，不能被人工智能决策所覆盖。例如，当机器人上的激光扫描仪为人工智能系统提供数据时，它们也会做出基本的安全决策，在机器人路径上有人或有障碍物的情况下机械地阻止MiR机器人前进。 机器人人工智能的未来 移动机器人将继续成为协作实体，而随着人工智能的出现，它们与人类之间的技术壁垒将继续缩小，从而提高协作和效率。 随着人工智能的发展，我们将获得更自然地使用语音或手势与机器人互动的能力。这可能包括举起一只手让机器人停下来，把它指向一个更喜欢的方向，或者挥手让它通过或跟随——或者简单地告诉它，“这条走廊在接下来的两个小时将被封锁，在那之前走另一条路。” 尽管移动机器人仍将是一个带有紧急停止按钮的可控工具，但它们将获得自主权，这将使它们更有价值。他们将能够理解哪里可以改进他们的日常工作，并建议更好的路径到他们的目的地，一天中执行任务的效率更高的时间，其他可以部署到更高效的工作流的机器人，以及最合适的充电时间。 人工智能驱动的AMRS将帮助把工作场所变成有机的、数据驱动的环境，在这种环境中，机器人可以共享来自自身或远程传感器的相关数据，帮助机器人团队做出明智的决策。通过这种数据共享模型，每个机器人都可以访问其他机器人或相机中的每个传感器，从而获得对整个环境的更详细的视图，从而实现更高效的路径规划性能。 人工智能：推动下一场工业革命 与以往的工业革命一样，人工智能和机器人技术将使许多费力且不受欢迎的任务变得过时。有了人工智能，MiR机器人可以更高效、更经济地完成重复性、低价值的物资运输任务，让人类有更多的时间从事更有意义的活动。随着劳动力严重短缺阻碍了全球企业的发展，更智能的移动机器人将使企业能够提供有回报的角色，帮助它们吸引和留住有价值的员工。 来源：搜狐