Skip to main content

人工智慧

AI 機器人探索智慧工廠

AI 機器人, 機器人視覺, 容器化

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)。

IPC 和工業 AMR
圖 1. VHUB ROS AI 開發平台包含一個完整的自主行動機器人 (AMR) 開發堆疊。(來源:Vecow

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 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。

作者簡介

Brandon is a long-time contributor to insight.tech going back to its days as Embedded Innovator, with more than a decade of high-tech journalism and media experience in previous roles as Editor-in-Chief of electronics engineering publication Embedded Computing Design, co-host of the Embedded Insiders podcast, and co-chair of live and virtual events such as Industrial IoT University at Sensors Expo and the IoT Device Security Conference. Brandon currently serves as marketing officer for electronic hardware standards organization, PICMG, where he helps evangelize the use of open standards-based technology. Brandon’s coverage focuses on artificial intelligence and machine learning, the Internet of Things, cybersecurity, embedded processors, edge computing, prototyping kits, and safety-critical systems, but extends to any topic of interest to the electronic design community. Drop him a line at techielew@gmail.com, DM him on Twitter @techielew, or connect with him on LinkedIn.

Profile Photo of Brandon Lewis