機器人不僅需要人工智能（AI）才能實現自主。他們還需要大量傳感器，傳感器融合以及邊緣的實時推理。之前我們已經嘗到了深度卷積神經網絡的好處，如今來自激光雷達的更高數據處理的需求正在推動神經網絡到新拓撲以獲得自主。

歷史上第一個機器人是在20世紀50年代末到60年代早期的時候，準確的說，它還不能稱得上是一個機器人，只能算是一個“編程的物品傳送裝置”用于GM生產線和壓鑄機周圍移動產品。直到今天，機器人還沒有脫離原來的概念：今天的機器人是可編程的，他們需要感知自己的環境，來確保他們所做的事情和他們的計劃之間的合規性，他們需要在自己的環境中移動。

那么什么推動機器人行業的發展呢？

機器人技術作為一種行業和科學，旨在通過增加嵌入式模擬智能來最大化未來機器人行為的自由。這將需要：

更多傳感器用于機器人周圍環境的更高精度模型。

更好的傳感器與控制算法的互連（以及更分散的控制算法）。

更好的算法，可以從傳感器數據中提取盡可能多的信息。

根據控制算法的決定，更好的執行器可以更快，更準確地動作。

在今天的技術領域，機器人已經獲得了很多自主權，并使用來自互補金屬氧化物半導體相機傳感器，激光雷達和雷達的傳感器來適應各種各樣的應用。雖然相機具有比雷達更大的角分辨率和動態范圍，但它們無法提供激光雷達所具有的動態范圍，相機也無法在煙霧或多塵的環境中工作。

由于機器人被設計為最靈活的選擇，以適應最廣泛的應用，它們需要在低光，多塵或明亮的環境中運行。通過組合傳感器信息（即傳感器融合）可以實現這種靈活性。換句話說，來自不同傳感器的信息可用于重建機器人環境的彈性表示，從而在更多應用中實現自治。例如，如果短暫覆蓋攝像機，則其他傳感器必須能夠使機器人安全地運行。為了確保機器人能夠360度了解其環境，機器人傳感器數據需要以時間關鍵的方式進行路由，并且需要少量電纜連接到機器人控制器，以最大限度地提高連接的可靠性。

對于大多數機器人而言，邊緣處的推理是確保機器人能夠快速響應其環境變化的關鍵參數，這要歸功于邊緣處理所允許的固有低延遲。邊緣推斷可以用于卷積神經網絡和用于圖像分類或預測維護估計的類似神經網絡拓撲，用于機器人路徑規劃的深度Q網絡，或用于解決特定類別問題的定制神經網絡。

在不久的將來，傳感器似乎不太可能發生太大變化，但所涉及的處理將會有所不同。成像傳感器可能是高光譜的或提供更高的分辨率。激光雷達可能具有更高的波長，更安全，并提供更長的范圍。雷達傳感器可以提供更多的集成天線，但這些不會發生重大變化。將改變的是如何使用和匯總信息。

自主機器人的進化是一個不斷變化的目標。輪子和機器人的機器人現在被認為處于自治的邊緣，當人類靠近它們時具有減速的能力，并且即使在它們移動時也可以避免撞擊人類。隨著嵌入式模擬智能的快速變化，這些“邊緣”創新型機器人將在不久的將來不被認為是自主的，因為該行業正在快速發展和生產新技術，使機器人技術比以往任何時候都更加自主。

來源：朗銳智科