广告

嵌入式模拟智能使机器人自主性达到新高度

时间:2019-12-16 阅读:
要实现自主,机器人不仅仅只需要人工智能(AI),还需要很多传感器、传感器融合以及边缘实时推理。由于深度卷积神经网络的优点已得到公认,激光雷达对更为先进的数据处理的需求正在把神经网络推向新的拓扑结构,以实现自主。
广告

第一个机器人在20世纪50年代末、60年代初诞生,但严格意义上它不算机器人,只是一台“可编程的物品传送设备”,它被用于移动通用汽车公司生产线上压铸机周围的产品。1954年专利的第一句话强调了本发明的可编程性和通用性,并且表明可编程性要求传感器确保程序、期望轨迹或功能和实际运动之间的一致性。

时至今日,机器人并没有完全偏离最初的概念:如今的机器人是可以进行编程的。它们需要感知自身的环境,以确保所做的事情和被设定要做的事情是一致的。而且,它们需要在自身的环境中移动。过去50-60年来所发生的变化主要是在复杂性、速度以及应用这些基本概念的领域方面有所增加。

虽然第一批机器人主要用来移动压铸件,但机器人之父约瑟夫·恩格尔伯格(Joseph Engelberger)深受阿西莫夫机器人第一定律的影响——机器人不得伤害人类,或看到人类受到伤害而袖手旁观。他把机器人部署在可以保护人类的地方。保护人类也是传感器数量不断增加的驱动力,特别是在协作机器人(cobots)或自动导引车(AGVs)中。

是什么推动着机器人产业的发展?

为了更好地理解对自主机器人的追求,让我们回顾一下Alex Wissner-Gross的“智能定律”方程式:它是一种熵力,解释了机器人学的发展趋势:
F = T ∇ Sτ (1)

其中F指的是使未来行动自由最大化的力,T指的是定义整体强度的温度(可用资源),以及S指的是时间范围tau内的熵。

机器人学作为一门工业和科学,其目标是通过增加嵌入式模拟智能来最大限度地提高未来机器人行动的自由度。这就需要:

• 有更多的传感器来获得更高精度的机器人周围环境模型。
• 有更好的传感器连接到控制算法(和更分散的控制算法)。
• 有更好的算法从传感器数据中提取尽可能多的信息。
• 有更好的执行器来根据控制算法的决策更快更准确地行动。

不妨看一看当今的科技领域,机器人已经获得了很大的自主性,并且正在使用来自互补性氧化金属半导体相机传感器、激光雷达和雷达的传感器来适应各种各样的应用。虽然相机的角度分辨率和动态范围比雷达大得多,但相机不能提供激光雷达所具有的动态范围,也不能在烟雾弥漫或多尘的环境中工作。

图1:工厂环境中的现代机械臂示例。

由于机器人被设计成适应最广泛应用的最灵活的选择,因而它们需要在低光、多尘或明亮的环境中工作。这种灵活性可以通过组合传感器信息——aka、传感器融合来实现。换句话说,不同传感器的信息可用于重建机器人环境的弹性表示,从而在更多应用中实现自主性。例如,如果一个相机被暂时覆盖,则其他传感器必须能够使机器人安全运行。为确保机器人能对其所处环境有全方位的了解,机器人传感器数据需要以限时的方式进行路由,并用少量的电缆连接到机器人控制器,以最大限度地提高连接的可靠性。

如今,高带宽低延迟总线主要基于低压差分信号(LVDS)。然而, LVDS接口并没有标准,这就导致传感器到控制器的生态系统出现分裂,并且使来自不同供应商的混合和匹配解决方案变得困难。一旦传感器数据被传输到机器人控制器,一系列基于深度神经网络的机器学习算法可以帮助提高机器人所处环境的精度。用深度学习教父Yann LeCun、Yoshua Bengio和Geoffrey Hinton的话说,“深度学习允许由多个处理层组成的计算模型学习具有多个抽象层的数据表示。”这些深度神经网络可以在机器人内部用于快速、实时处理,也可以在云中用于元信息收集或更复杂的推理。
20191216-201.jpg
图2:机器人的不同感应能力。

对于大多数机器人来说,得益于边缘处理所允许的固有低延迟,边缘推理是确保机器人能够对其环境的变化做出快速反应的重要参数。边缘推理可用于卷积神经网络,类似的神经网络拓扑结构可用于图像分类或预防性维护估算,深度Q网络可用于机器人路径规划,或用于为解决一类特定问题而设计的自定义神经网络。

展望未来

在未来,传感器似乎不太可能有太大的变化,但所涉及的处理将有所不同。成像传感器可能变成高光谱或可提供更高的分辨率。激光雷达可能有更高的波长、更安全、并具有更长的范围。雷达传感器可能配备集成天线,但这些并不会有显著变化。未来将改变的是信息使用和聚合的方式。

例如,在传感器集线器上,引入单对以太网(aka T1)和数据线供电(电气和电子工程师学会802.3bu-2016)将简化传感器集线器接口的设计,从而使更传感器组合更广泛和实现标准化配电。在控制方面,强化学习将由于最近的突破而得到加强,从而解决了诸如从所有可能的失败中学到的高成本,以及由于学习模式的偏斜而学习错误行为的惩罚等难题。

在归类方面,大多数基于卷积神经网络的方法并没有从激光雷达提供的体素中完全提取出所有的3D信息。下一代深度神经网络将利用框架提供的非欧几里德机器学习(或几何机器学习)中的最新进展,如PointNet、ShapeNet、Splatnet和Voxnet等框架。边缘推理和传感器融合将融合到我所看到的多个传感器源的层次推理中。在这里,数据将通过更简单的推理网络做出更快的回路反应,例如电流控制神经网络,以改善现有比例-积分-微分网络的性能,一直到能够提供预测性维护诊断并处于中间位置的更加复杂的长期-短期记忆网络。神经网络将能够补偿机器人结构的微小误差,并提供更高的位置精度和更平滑的运动。

总结

自主机器人进化是一个始终变化的目标。当乔治·德沃尔(George Devol)在1954年申请专利时,此机器显然比当时任何基于凸轮或人工操作的机器都更自主。但按照今天的标准,这将是一个非常僵化的设置,甚至不会出现在自主程度的排名上。这种剧烈的变化很可能在我们意识到之前再次发生。

现在人们认为,轮式机器人和协作机器人正处于自主的边缘,当人类靠近它们时,它们会减速,甚至在移动时也能避免撞到人类。随着嵌入式模拟智能技术的迅速变化,这些“处于边缘”的创新型机器人在不久的将来不会被视为具有自主性,因为这个行业正在以如此之快的速度发展并不断产生新技术,从而使得机器人技术比以往任何时候都更加自主。

责编:Yvonne Geng

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 自适应SoC,让IP音视频传输充满更多可能 众所周知,业界需要作出相应的准备以应对 IP 音视频传输的快速普及。但对于许多仍疑惑于自身的下一代产品应该如何支持 IP 音视频传输的从业者而言,在前途不明朗的情况下选择任何特定的协议无异于孤注一掷。
  • 适合先进视频编解码应用的FPGA产品和技术 虽然ASIC的性能通常很高,但它只支持设计时设想的功能集,不能进行现场升级;CPU是最灵活且最易于设计的,但是其时钟频率已经难以提升,其性能大幅提升的时代已经结束;随着工作负载逐年增加,CPU已无法满足需求。FPGA在性能和灵活性之间提供了良好的平衡。由于需要大量的并行处理,因此视频编码、解码和图像处理算法都更适合于用FPGA来实现。
  • 浅谈Ethernet带你入门以太网络 以太网络(Ethernet)为局域网络(Local area network, 简称LAN)中最常使用的一种技术,而目前也是该领域占有率最高的网络架构,相关规范由电机电子工程师学会(IEEE)所订定,并收录于IEEE 802.3标准中。本篇文章将根据该标准介绍以太网络(10M/100M/1000M)与相关测试内容。
  • 3nm就一定比5nm厉害,别再被某些厂商所欺骗了? 对于一般人,芯片的制程越小标志着芯片的性能越好,于是各大厂商纷纷在命名里大做文章,各大发布会先不说性能,先吹一番几纳米做的芯片。而且FinFET的出现又是怎么回事呢?制程节点越先进就真的越好吗?
  • 5G网络的部署对路测将会有多大影响? 5G新无线(NR)的出现将极大地改变无线接入网(RAN)的组合方式。本文将探讨5G技术要求强制执行的新路测策略,涵盖新策略与以往的不同之处,以及由此引入的先进测试设备,还将详细说明现有的各种设备采购选项。
  • 碳化硅(SiC)如何赋能更高能效的分布式太阳能发电 SiC的一些优势在功率升压电路中发挥了作用,它使太阳能转换的效率更高。本文主要谈到一种电路设计,用于使太阳能电池阵列的输出阻抗(随入射光的水平而变化)与逆变器所需的输入阻抗相匹配,以实现最高效的转换。
  • 小鹏汽车正研发第二代超低空飞行汽 近日,作为国内三大新能源造车新巨头之一小鹏汽车,与蔚来、理想形成三角竞争之势。小鹏汽车的创始人何小鹏的梦想不局限于“地面”,还要让自己的汽车飞上天。何小鹏3月20日参加《遇见大咖》节目表示,2021年底就可以造出适合人们的飞行汽车。
  • 苹果下一代穿戴设备Apple AR预计配 苹果苹果一直在秘密研发未来可能取代手机的终端设备,其中AR智能穿戴Apple AR是其中非常重要的一部分或者说是核心技术。最新消息显示,苹果可能先推出AR头戴装置,并配备眼球追踪系统,以期实现看哪指哪。
  • Maxim最新同步整流DC-DC反相转换器 作为Maxim首款内部集成电平转换器的60V DC-DC反相转换器,这些器件与最接近的竞争方案相比,外部元件数量减少一半、能耗降低35%,从而节省高达72%的电路板空间。
  • 新型智能升压放大器CS35L45打造移 随着消费者越来越多地采用手机的内置扬声器来欣赏音乐、播客,看电影和玩游戏,Cirrus Logic现推出其最新的旗舰级CS35L45升压放大器,可为智能手机、平板电脑和移动游戏设备提供更丰富、更加身临其境的音频体验。
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了