無論是傳統(tǒng)的工業(yè)機(jī)器人系統(tǒng)，還是當(dāng)今的協(xié)作機(jī)器人（Cobot），它們都要依靠可生成大量高度可變數(shù)據(jù)的傳感器。這些數(shù)據(jù)有助于構(gòu)建更佳的機(jī)器學(xué)習(xí)（ML）和人工智能（AI）模型。而機(jī)器人依靠這些模型變得“自主”，可在動態(tài)的現(xiàn)實(shí)環(huán)境中做出實(shí)時(shí)決策和導(dǎo)航。

工業(yè)機(jī)器人通常位于“封閉”環(huán)境中，出于安全原因，如果該環(huán)境中有人類進(jìn)入，機(jī)器人會停止移動。但是限制人類/機(jī)器人協(xié)作，也使得很多益處無法實(shí)現(xiàn)。具有自主運(yùn)行功能的機(jī)器人，可以支持安全高效的人類與機(jī)器人的共存。

機(jī)器人應(yīng)用的傳感和智能感知非常重要，因?yàn)闄C(jī)器人系統(tǒng)的高效性能，特別是ML/AI系統(tǒng)，在很大程度上取決于為這些系統(tǒng)提供關(guān)鍵數(shù)據(jù)的傳感器的性能。當(dāng)今數(shù)量廣泛且日益完善和精確的傳感器，結(jié)合能夠?qū)⑺�有這些傳感器數(shù)據(jù)融匯在一起的系統(tǒng)，就可以支持機(jī)器人具有越來越好的知覺和意識。

AI的發(fā)展

機(jī)器人自動化一直以來都是制造業(yè)的革命性技術(shù)，將AI集成到機(jī)器人中顯然將在未來數(shù)年中使機(jī)器人技術(shù)產(chǎn)生巨大變化。本文探討了當(dāng)今機(jī)器人、自動化和把AI及AI所需數(shù)據(jù)緊緊鏈接在一起從而實(shí)現(xiàn)智能的*重要技術(shù)的某些關(guān)鍵發(fā)展趨勢，還討論了如何在AI系統(tǒng)中使用以及融匯不同的傳感器。

推動機(jī)器人的AI處理技術(shù)至邊緣計(jì)算

ML包括兩個(gè)主要部分：培訓(xùn)和推理，可以在完全相異的處理平臺上執(zhí)行它們。培訓(xùn)通常是以離線方式在桌面上進(jìn)行或在云端完成，并且包括將大數(shù)據(jù)集入神經(jīng)網(wǎng)絡(luò)。在此階段，實(shí)時(shí)性能或功能都不是問題。培訓(xùn)階段的結(jié)果是在部署時(shí)已經(jīng)有了一個(gè)經(jīng)過培訓(xùn)的AI系統(tǒng)，該系統(tǒng)能夠執(zhí)行特定任務(wù)，例如，調(diào)查組裝線上的瓶頸問題、計(jì)算和跟蹤一個(gè)房間內(nèi)的人員或確定賬單是否是偽造的。