Sophie Yang

安霸前端AI應用工程總監(jiān)

協(xié)作機器人（cobots）正在重塑我們與機器的互動方式。它們可以在人機共享環(huán)境中安全運行，搭載 AI 的協(xié)作機器人已廣泛應用于制造業(yè)、物流業(yè)、醫(yī)療保健甚至家庭領域。但它們的作用遠不止自動化——它們是協(xié)作伙伴，能夠?qū)崟r適應、理解情境并做出決策。

協(xié)作機器人（cobots）和為單一、重復性任務而設計的傳統(tǒng)機器人不同，它專為在動態(tài)、不可預測的環(huán)境中實現(xiàn)靈活協(xié)作而設計。這不僅需要更高的機械精度，而且要求具備實時感知、情境理解和持續(xù)學習的能力——所有這些，都因 AI 得以實現(xiàn)。

傳統(tǒng)機器人的局限性

傳統(tǒng)機器人在場景固定的結(jié)構化環(huán)境中表現(xiàn)出色。但一旦條件發(fā)生變化——比如當有人走進機器人的工作路徑，或目標物體位置發(fā)生改變，或任務發(fā)生變化——這些系統(tǒng)就容易出現(xiàn)問題。這是因為傳統(tǒng)機器人行為是預先編排的，修改其行為通常需要手動重新編程，從而較難適應場景的動態(tài)變化。

相比之下，協(xié)作機器人能夠?qū)崟r地靈活應對復雜情況。它們能解讀各種傳感器數(shù)據(jù)、理解自然語言指令、識別物體，并能根據(jù)人類行為和距離做出瞬間決策和動作，包括適應工人意外的動作，以及實時調(diào)整以執(zhí)行新任務等。協(xié)作機器人的設計初衷就是處理現(xiàn)實環(huán)境中各種不確定性帶來的“混亂”情況，無需為每一個變化重新編程。

以智能保障安全

安全是協(xié)作機器人設計理念的核心。由于協(xié)作機器人需要與人類在近距離內(nèi)協(xié)同工作，因此必須能夠?qū)崟r感知、預判并應對潛在危險。當人員進入其工作區(qū)域時，機器人立刻減速運行，并保證在碰撞即將發(fā)生前暫停操作，或重新規(guī)劃路徑以避開障礙物。

AI 使這些安全行為成為可能。借助設備端的機器視覺技術，協(xié)作機器人能夠檢測人類肢體、監(jiān)測距離并作出相應調(diào)整。通過強化學習，它們能夠隨著時間的推移不斷優(yōu)化響應機制——對熟悉的情況反應更迅速，并能調(diào)整策略以適應新出現(xiàn)的場景。

在醫(yī)療領域，機器人可以識別并響應患者跌倒等意外事件。在工業(yè)環(huán)境中，它可以適應快速移動的流水線上擺放的不規(guī)則形狀零件。這些能力并非源于預先設定的規(guī)則，而是由持續(xù)學習和情境感知所驅(qū)動。

非結(jié)構化環(huán)境中的靈活性

AI 賦能的協(xié)作機器人最近在設備端取得的最重要技術進步之一，便是由生成式 AI（GenAI）賦能的多功能性與適應性。借助輕量級視覺-語言模型（VLM）和語音識別技術，協(xié)作機器人能夠遵循自然語言指令（例如“把紅色盒子拿到 A 站”），而無需依賴固定的編程。

無論是處于在線還是離線狀態(tài)，感知、語音和視覺語言模型使協(xié)作機器人能夠分析其所見所聞，并將分析結(jié)果轉(zhuǎn)化為行動。這使得系統(tǒng)更加靈活，更低延遲：它能夠在雜亂的空間中導航，處理各種各樣的物體，并對人類輸入做出自然的響應——所有這些都可在離線和有限供電狀態(tài)下運行。

這種更好的適應性在工作流程頻繁變化的應用場景中至關重要，無論是柔性生產(chǎn)線或家庭輔助服務。即使環(huán)境條件不斷變化，協(xié)作機器人也無需反復重新訓練就能快速適應。

分布式智能在協(xié)作機器人系統(tǒng)中的運用

協(xié)作機器人不僅能夠與人類協(xié)同作業(yè)，如今還能以協(xié)同團隊的形式運作。隨著設備端生成式 AI（GenAI）技術的進步與實時通信及學習遷移技術的結(jié)合，協(xié)作機器人現(xiàn)可組成分布式團隊進行協(xié)同工作：協(xié)調(diào)任務、共享環(huán)境數(shù)據(jù)，并能根據(jù)同伴監(jiān)測到的情況（即超出自身傳感器范圍之外的環(huán)境數(shù)據(jù)）調(diào)整行為。

例如，若某臺協(xié)作機器人檢測到通道堵塞或硬件故障，它可通知其他機器人重新規(guī)劃路線或重新分配任務。這些本地網(wǎng)絡就像協(xié)同網(wǎng)格一樣運作——去中心化、具備強韌性且日益自主化。

AI 使這種協(xié)同成為可能，但同時也帶來了新的性能要求：通信必須快速，決策必須分布式進行，即使在沒有外部連接的情況下，感知與分析能力也必須保持精準。

前端AI硬件為何至關重要

在前端運行 AI 不僅需要復雜的模型，更需要專為在嚴格的功耗、空間和散熱限制下處理實時推理而打造的硬件。協(xié)作機器人需同時執(zhí)行多項任務，從感知、運動規(guī)劃到語言理解和安全檢查，所有這些都無需依賴云連接。

這正是機器人 AI 系統(tǒng)級芯片（SoC）架構變得至關重要的原因。理想的 SoC 必須提供極高的每瓦 AI 性能，能無縫集成到緊湊的機器人系統(tǒng)中，并支持多模態(tài)感知以及基于生成式 AI 的推理和決策任務，這些正是現(xiàn)代協(xié)作機器人移動與運作的核心所在。

安霸前端 AI SoC 產(chǎn)品正是針對這些需求進行了優(yōu)化，結(jié)合了先進的視覺處理、多模態(tài)傳感器融合與低延遲推理能力，可集成于緊湊而高能效的設計之中。無論是部署在移動平臺（自主移動機器人，AMR）還是機械臂中，均可使協(xié)作機器人在本地做出智能決策并保持自主性，即使在帶寬受限的環(huán)境中也不例外。對于移動協(xié)作機器人而言，這種高能效還有助于延長電池續(xù)航時間，從而在工廠等應用場景中實現(xiàn)更高效的運營。

為現(xiàn)實世界而生

當我們計劃將協(xié)作機器人部署到人類環(huán)境中（如家庭、醫(yī)院和工業(yè)場所），會發(fā)現(xiàn)需要解決的不僅僅只是智能問題。這項工作要求平臺必須具備緊湊型設計、高能效特性且足夠的穩(wěn)健性，能夠在處理前端 AI 工作負載的同時不犧牲整體系統(tǒng)性能。

客戶正采用安霸 CV7x 和 N1x 系列前端 AI SoC 來應對這些挑戰(zhàn)，從而實現(xiàn)以下能力：

高能效的 AI 性能：專為語義分割和深度估計等實時機器視覺任務優(yōu)化，并結(jié)合輕量級生成式 AI 視覺-語言模型，在更低功耗下達成復雜任務。

緊湊型硬件設計：芯片及軟件集成度高，適用于關節(jié)機械臂、自主移動機器人（AMR）及其他空間受限系統(tǒng)集成。

多模態(tài)傳感器融合：通過硬件加速，使協(xié)作機器人能綜合利用多種輸入源的數(shù)據(jù)，從而更全面地理解周邊環(huán)境與運行場景。

設備端推理能力：支持不依賴云連接的自主運行與安全關鍵決策——包括設備端生成式 AI（GenAI）處理，以實現(xiàn)離線條件下的智能。

這些能力使安霸前端 AI SoC 能夠完美契合現(xiàn)實場景中協(xié)作機器人的嚴苛要求——在這些場景中，功耗控制、安全保證和響應速度都是不容妥協(xié)的剛性需求。

無論您是在開發(fā)新一代協(xié)作機器人、設計多機器人協(xié)同系統(tǒng)，或是為類似的新產(chǎn)品平臺尋找高性能 AI 硬件，我們都誠邀您與我們聯(lián)系。