AI v robotiki: od zaznavanja do zanesljivega lokalnega krmiljenja

Kaj je robotska umetna inteligenca?

Robotska umetna inteligenca uporablja strojno inteligenco za robotova opazovanja, izbire nalog ali dejanja. Lahko oceni pozo dela za prijemalo, interpretira sceno za mobilnega robota ali identificira predmet, ki ga je treba pregledati. Robot združuje te rezultate z lokalizacijo, načrtovanjem, nadzorom in fizično strojno opremo.

Je en del širšega Slika fizičnega inženiringa AI. Edge AI lahko deluje na krovu, tako da je mogoče opazovanja obdelati v bližini senzorjev. Programska oprema Fleet in orodja brez povezave lahko še vedno podpirajo načrtovanje, pregled podatkov in razvoj modela. Razdelitev mora slediti zahtevam glede časa, povezljivosti in vzdrževanja.

Vsaka funkcija robota ne potrebuje naučenega modela. Ponovljivo trajektorijo, eksplicitni avtomat stanja ali geometrijsko metodo je morda lažje preveriti za dobro definirano nalogo. Postavite AI tja, kjer variacije ustvarjajo resnično težavo, nato ocenite, ali izboljša celoten potek dela.

Izberite nalogo pred arhitekturo robota

To so razvojni obsegi kandidatov in ne seznam nameščenih robotov Alvexis. Natančno opišite področje delovanja: tla ali teren, razsvetljava, ljudje, tovor, dovoljene poti in prepovedana dejanja. Spreminjanje teh pogojev lahko spremeni težavo bolj kot izbira večjega modela AI.

Zgradite jasno pot od senzorjev do gibanja

Pridobivanje in sinhronizacija: Zabeležite, kdaj je bilo vsako opazovanje pridobljeno, njegov koordinatni okvir in njegovo kalibracijsko različico. Zaznana pozicija predmeta ni uporabna za prijemalo, dokler transformacija v okvir robota ni veljavna. Preberite naše vodnik za sinhronizacijo časa pred kombiniranjem kamer, IMU in meritev gibanja.

Zaznavanje in stanje: Odločite se, kaj dejansko potrebuje naslednja stopnja: razred, pozo, oceno prostega prostora ali dogodek, ki zahteva zaupanje. Objavite dovolj konteksta, da zavrnete zastarele ali neveljavne rezultate. Določite, kako se sistem obnaša, ko je senzor zakrit, lokalizacija izgubljena ali zaupanje pade pod prag aplikacije.

Vmesniki opravil in gibanja: Ohranite vidno mejo med predlaganim ciljem in komponento, pooblaščeno za njegovo izvedbo. Načrtovalec lahko zahteva selitev; nadzorni sistem mora še vedno uveljavljati svoje dovoljene pogoje delovanja. Določite preklic, časovne omejitve, preglasitve in vrnitev v znano stanje.

Zaščitne funkcije potrebujejo varnostno zasnovo, specifično za aplikacijo. Navaden model z umetno inteligenco ali navigacijski paket ne bi smel biti predstavljen kot certificirana varnostna funkcija. na primer Nav2 opisuje svoj monitor trkov kot dodatna programska plast. Njegova prisotnost ne dokazuje, da je namestitev robota varna.

Izmerite starost odločitve, ne le časa sklepanja

Hiter model lahko še vedno deluje na starih podatkih. Izpostavljenost ali pridobitev, prenos, čakalna vrsta, predprocesiranje, sklepanje, načrtovanje in dostava ukazov prispevajo k starosti opazovanja, ko doseže stroj. Določite začetno in končno točko vsake meritve zakasnitve.

Zabeležite porazdelitve zakasnitev in vrhove pri sočasnem zajemanju s kamero, beleženju in komunikaciji. Preverite, kaj se zgodi, ko potrošnik zaostane. Čakalna vrsta, ki ohranja vsako staro opazovanje, je morda neprimerna za odločitev o trenutnem stanju, medtem ko je zavrženje opazovanj morda nesprejemljivo za dnevnik dokazov. Vsaki podatkovni poti dodelite izrecno politiko.

Izberite robno strojno opremo okoli celotne delovne obremenitve

Preden izberete procesor, navedite vmesnike kamere, stopnje senzorjev, operaterje modela, storitve CPE, pomnilniške kopije, zapise v pomnilnik in nadzorne vmesnike. Podprto pospeševanje je pomembnejše od števila operacij naslova. Preizkusite predvideni model in sklad programske opreme na reprezentativni platformi.

Mobilni sistem prinaša tudi omejitve moči in toplote. Upoštevajte zagonski tok, obnašanje baterije, trajno hlajenje, zadrževanje konektorjev in prostor za servisni dostop. Laboratorijska plošča, ki za kratek čas deluje na mizi, še ni pokazala uporabnega delovnega cikla znotraj zaprtega robota ohišje.

ForgeEdge-Core je izhodišče za razpravo o računalniški integraciji po meri; ForgeEdge-Duo zagotavlja arhitekturo za razpravo o obdelavi aplikacij poleg nadzora v realnem času. Primernost izdelka, programsko podporo in zaščitne funkcije je treba preveriti glede na zahteve robota. The Vodnik FPGA, NPU in MPU pomaga pri ločevanju vlog obdelave.

Za odgovore na določena vprašanja uporabite simulacijo

Zgradite simulacijo okoli odločitve: dosegljivost, postavitev senzorja, logika poti ali ponovljiva naloga upravljanja. Spreminjajte dejavnike, ki lahko pokvarijo zasnovo, kot so položaj predmeta, predpostavke o trenju, šum senzorja ali nepričakovane ovire. Ohranite simulacijske različice in definicije scenarijev z rezultati testov.

NVIDIA's primer sim-to-real prikazuje pot od simulirane naloge do pravega robota. Za program izdelkov prenos ostaja nekaj, kar je treba preizkusiti. Primerjajte fizičnega robota s predpostavkami v modelu, vključno s časom, mehansko skladnostjo in nameščenimi senzorji.

Ne uporabljajte uspeha simulacije kot nadomestek za zagon. Dober naslednji korak je omejen fizični preizkus z instrumentiranimi izhodi in dogovorjeno predajo operaterja. Razširite področje delovanja šele po pregledu dokazov.

Neuspeli testi in uspešne demonstracije

Vodite evidenco različic strojne opreme, strojne programske opreme, modela, kalibracije in konfiguracije za vsako izvedbo. Skupno stopnjo uspešnosti je težko razlagati brez kombinacije nalog in kategorij neuspeha. Poročajte o uspešnosti po scenariju in pri izboljševanju sistema obdržite težke primere v nizu za vrednotenje.

Kaj prinesti na inženirsko razpravo

Delite kratek videoposnetek ali diagram naloge, vmesnikov robota ali stroja, razpoložljivih senzorjev in omejitev glede prostora, moči in hlajenja. Določite, kdo je lastnik robotskega krmilnika, kdo dobavlja podatke o aplikaciji in kdo sprejema dokončani sistem. Te meje naredijo predlog prototipa in njegove odvisnosti jasnejše.

Alvexis lahko razpravlja o nosilcu po meri, vmesnikih za zaznavanje, vgrajeni obdelavi, ohišje in integracijskem delu, ki je potrebno za izbrano platformo. Za medicinsko robotiko začnite z ločenim vodnik za zdravstveni inženiring zato so klinični namen in odgovornosti za validacijo določeni zgodaj.

ROS 2, SLAM in zaznavanje za avtonomne mobilne robote

Avtonomni mobilni robot (AMR) potrebuje več kot samo zaznavanje predmetov. Oceniti mora svoj položaj, razlagati bližnje ovire in izdajati ukaze za gibanje v določenih mejah. SLAM pomeni sočasno lokalizacijo in preslikavo; njegova vloga je drugačna od prepoznavanja predmeta na sliki kamere. LiDAR, kamere, odometrija koles in podatki IMU lahko prispevajo glede na izbrano arhitekturo.

V navigacijskem projektu ROS 2 se pred integracijo dogovorite o koordinatnih okvirih, rokovanju s časovnimi žigi, hitrosti sporočil in največji starosti podatkov. Preizkusite preslikavo in lokalizacijo, kjer bo robot deloval, vključno s spreminjajočimi se ovirami in šibkimi vizualnimi funkcijami. Navigacijska programska oprema in strojna oprema za zaznavanje ne nadomestita robotove neodvisne ocene tveganja in varnostnih ukrepov.

Dizajn kamera, LiDAR in IMU sinhronizacija