AI • 物聯網 • 網路邊緣

現在，我們都熟悉了工業 4.0，也熟悉了各種方法，能夠透過連線與分析來革新自動化環境中的生產力和效率。不過，您可能會驚訝地發現，工業 5.0（一個人類與智慧機器人並肩工作的世界）已經近在眼前了。這樣的願景，目前正逐漸以協作機器人的形式呈現。

這些工業或服務機器人都能在複雜的半結構化環境中，獨立行動並自由運作。

協作機器人是自動導引車 (AGV) 後的重大突破，即使到了今天，自動導引車仍廣泛部署於工廠和倉庫中，它們的工作通常是將貨物和材料從一個地點運送到另一個地點。AGV 主要的限制是它們需要被「導引」，意思是它們只能依照預定路徑移動，我們通常會用繩子、電線、膠帶、雷射甚至是電腦影像，在導引路徑上設置可辨識的路標。

所以 AGV 在執行重複且固定的功能時，表現非常出色，但其他功能的表現則難以相提並論。在協作機器人的發展過程中，第一步就是打造自主行動機器人 (AMR)。

從自動到自主

AMR 會利用最先進的智慧型視覺系統，以及同步定位與環境地圖建立 (SLAM) 軟體，支援 AMR 的行動自由度與操作靈活性。先進的機器人平台能夠識別周圍環境、視情況進行導航，甚至還能識別並避開路徑上的物體。

簡而言之，AMR 具有更強的機動性、效率、靈活性和安全性。它們甚至可以與其他 AMR 協作提高生產力，並在電池電量不足時自行停止工作並進行充電。

當然，行動自主功能的實現都要歸功於更加複雜的 AMR 技術。舉例來說，SLAM 技術需要更高精準度的感應器，因此需要更多的電腦資源來處理資料並採取行動。以元件為基礎從頭開始打造 AMR 是一項非常複雜的工作，這讓系統整合商必須面對許多硬體、作業系統和通訊協定工程方面的挑戰。

「許多系統整合商都在打造自己的 AMR 架構，」創新工業自動化產品開發商 Vecow Co., Ltd. 的產品經理 Kev Wang 表示。「但是他們從一開始就必須進行測試與驗證，光是這項工作可能就需要 5 至 8 人的團隊，花費 3 到 4 個月以上的時間才能完成。」

透過多合一 AI 套件加速 AMR

另一個替代方案，則是搶先使用快速原型平台。舉例來說，Vecow VHub 機器人作業系統 (ROS) 是一種一站式 AI 開發套件，能夠為系統整合商提供完全整合的硬體、軟體和工具堆疊，進一步加速 AMR 設計（圖 1）。

VHUB ROS 是 Intel^®、Vecow 和 Virtuoso Robotics 的合作成果，搭配精選硬體起始套件，搭載第 11 ^代 Intel^® Core^™ i7/i5/i3 處理器（也就是Tiger Lake UP）和 Intel^® Movidius^™ VPU 加速器。感知軟體開發套件 (SDK) 架構於這些硬體目標之上，並且包括 ROS 2、控制架構和 AI 引擎。

「有了 VHUB ROS 之後，我們與 Intel^® 和 Virtuoso Robotics 提供了一個標準框架，讓系統整合商能更加了解如何進行 AMR 設計，」Wang 表示。

SDK 中的 AI 引擎能讓開發人員存取超過 200 種最常用的 AI 模型，其中包括 SLAM、物件偵測與辨識，以及其他演算法。並且能與領先業界的訓練平台（例如 Caffe2、mxnet 和 TensorFlow）搭配使用。

如果準備在資源有限的 AMR 平台（例如 Vecow EMBC-5000）上使用這些模型，在這些框架中受訓的模型將透過 Intel^® OpenVINO^™ （跨平台的模型最佳化工具和推斷引擎）傳遞。

「我們已經使用了各種 CPU 測試 VHUB ROS SDK，有一般 CPU、搭載 Movidius VPU 的 CPU，目前使用的 CPU 則搭載了整合 Movidius VPU 的 Intel^® Xe 顯示晶片。」Wang 表示。「當我們使用 OpenVINO 測試這些平台時，我們發現效能至少提升了一倍。」

協作機器人的深入解析

目前，AMR 設計的最大優勢就是主機板上的 AI，這代表開發人員將花費大量的時間與精力，在雲端訓練並標記 AI 模型。為了達成目標，可以將 VHUB ROS SDK 當成容器化的執行個體，託管在 Amazon 的 Elastic Container Service (ECS) 之類的雲端服務上。

但是，AI 演算法的細緻化程序必須從 AMR 擷取推論內容，然後將這些內容餵給 VHUB 模型訓練執行個體，因此，系統整合商需要一種能將邊緣資料即時傳送到雲端容器中的機制。為了達成這個目標，Vecow 利用了 Intel^® Edge Insights for Industrial (Intel^® Ell)。

EII 是一種容器化軟體架構，能夠收集、儲存並分析時間序列和視覺感應器資料，然後透過各種作業系統和通訊協定，從邊緣到雲端協調並管理這些資料。這種作業方式能夠確保安全性，並且幾乎是即時的 (<10 ms) 封閉迴路。

Vecow 工程師具備在 AI 推論最佳化過程中，部署 EII 的豐富經驗。他們善於利用軟體功能，即時將多個同時執行的 AI 功能的效能最大化。此團隊已經針對 VHub ROS 中所有的 AI 功能、工具和平台進行了研究、執行、測試和驗證。

這大幅削減了評估和整合的生命週期，讓 AMR 系統整合商能夠立刻進行應用程式設計，並且縮短數個月的上市時間。

AMR：邁向協作未來

AMR已準備好再次改變自動化市場，並且開創前所未有的人機合作時代。

但是，如果要發揮這些早期協作機器人的潛力，組織必須先與技術合作夥伴攜手合作。技術合作夥伴能夠簡化日趨複雜的 AMR 硬體、軟體和連線功能堆疊，開啟通往破壞性應用工程的大門。透過 VHUB ROS 等一站式平台，步調快速的 AI 創新將觸手可及。