Robotics AI: Từ nhận thức đến kiểm soát cục bộ đáng tin cậy

Robotics AI là gì?

Robotics AI áp dụng trí thông minh của máy vào các hoạt động quan sát, lựa chọn nhiệm vụ hoặc hành động của robot. Nó có thể ước tính tư thế của một bộ phận đối với dụng cụ kẹp, diễn giải cảnh cho rô-bốt di động hoặc xác định một vật phẩm cần kiểm tra. Robot kết hợp đầu ra đó với bản địa hóa, lập kế hoạch, điều khiển và phần cứng vật lý.

Nó là một phần của cái rộng hơn Hình ảnh kỹ thuật AI vật lý. Edge AI có thể chạy trên bo mạch để có thể xử lý các quan sát gần các cảm biến. Phần mềm nhóm và các công cụ ngoại tuyến vẫn có thể hỗ trợ lập kế hoạch, đánh giá dữ liệu và phát triển mô hình. Việc phân chia phải tuân theo các yêu cầu về thời gian, kết nối và bảo trì.

Không phải mọi chức năng của robot đều cần một mô hình đã học. Quỹ đạo lặp lại, máy trạng thái rõ ràng hoặc phương pháp hình học có thể dễ dàng xác minh hơn đối với một nhiệm vụ được xác định rõ. Đặt AI vào nơi biến thể tạo ra vấn đề thực sự, sau đó đánh giá xem liệu nó có cải thiện toàn bộ quy trình làm việc hay không.

Chọn nhiệm vụ trước kiến trúc robot

Đây là phạm vi phát triển ứng viên, không phải danh sách robot Alvexis được triển khai. Mô tả chính xác miền vận hành: sàn hoặc địa hình, ánh sáng, con người, tải trọng, tuyến đường được phép và hành động bị cấm. Việc thay đổi những điều kiện đó có thể thay đổi vấn đề nhiều hơn việc chọn một mô hình AI lớn hơn.

Xây dựng lộ trình rõ ràng từ cảm biến đến chuyển động

Mua lại và đồng bộ hóa: Ghi lại thời điểm thu được mỗi quan sát, khung tọa độ và phiên bản hiệu chuẩn của nó. Vị trí đối tượng được phát hiện sẽ không hữu ích đối với bộ kẹp cho đến khi quá trình chuyển đổi sang khung robot hợp lệ. Đọc của chúng tôi hướng dẫn đồng bộ thời gian trước khi kết hợp camera, IMU và đo chuyển động.

Nhận thức và trạng thái: Quyết định những gì giai đoạn tiếp theo thực sự cần: một lớp học, một tư thế, ước tính không gian trống hoặc một sự kiện đủ điều kiện về độ tin cậy. Xuất bản đủ ngữ cảnh để từ chối các kết quả đầu ra cũ hoặc không hợp lệ. Xác định cách hệ thống hoạt động khi cảm biến bị che khuất, mất bản địa hóa hoặc độ tin cậy giảm xuống dưới ngưỡng của ứng dụng.

Giao diện nhiệm vụ và chuyển động: Giữ ranh giới rõ ràng giữa mục tiêu được đề xuất và thành phần được ủy quyền thực hiện mục tiêu đó. Người lập kế hoạch có thể yêu cầu di chuyển; hệ thống điều khiển vẫn cần thực thi các điều kiện vận hành được phép. Xác định việc hủy, hết thời gian chờ, ghi đè và quay lại trạng thái đã biết.

Các chức năng bảo vệ cần có thiết kế an toàn dành riêng cho ứng dụng. Một mô hình AI hoặc gói điều hướng thông thường không được coi là chức năng an toàn được chứng nhận. Ví dụ, Nav2 mô tả Trình giám sát va chạm của nó như một lớp phần mềm bổ sung. Sự hiện diện của nó không chứng minh rằng việc lắp đặt robot là an toàn.

Đo độ tuổi của quyết định, không chỉ thời gian suy luận

Một mô hình nhanh vẫn có thể hoạt động trên dữ liệu cũ. Việc hiển thị hoặc thu thập, chuyển giao, xếp hàng, tiền xử lý, suy luận, lập kế hoạch và phân phối lệnh đều góp phần tạo nên độ tuổi của một quan sát khi nó đến máy. Xác định điểm bắt đầu và điểm kết thúc của mọi phép đo độ trễ.

Ghi lại sự phân bổ độ trễ và mức cao nhất khi chụp, ghi nhật ký và liên lạc bằng camera đồng thời. Kiểm tra xem điều gì sẽ xảy ra khi người tiêu dùng tụt lại phía sau. Hàng đợi lưu giữ mọi quan sát cũ có thể không phù hợp với quyết định ở trạng thái hiện tại, trong khi việc loại bỏ các quan sát có thể không được chấp nhận đối với nhật ký bằng chứng. Cung cấp cho mỗi đường dẫn dữ liệu một chính sách rõ ràng.

Chọn phần cứng để xử lý cục bộ xung quanh khối lượng công việc hoàn chỉnh

Liệt kê các giao diện camera, tốc độ cảm biến, toán tử mô hình, dịch vụ CPU, bản sao bộ nhớ, ghi lưu trữ và giao diện điều khiển trước khi chọn bộ xử lý. Khả năng tăng tốc được hỗ trợ quan trọng hơn số lượng hoạt động tiêu đề. Kiểm tra mô hình dự định và ngăn xếp phần mềm trên nền tảng đại diện.

Hệ thống di động cũng mang lại những hạn chế về năng lượng và nhiệt. Xem xét dòng điện khởi động, hoạt động của pin, khả năng làm mát liên tục, khả năng giữ đầu nối và không gian để tiếp cận dịch vụ. Một bảng thí nghiệm chạy trong thời gian ngắn trên bàn vẫn chưa thể hiện được chu trình làm việc hữu ích bên trong vỏ robot khép kín.

ForgeEdge-Core là điểm khởi đầu để thảo luận về tích hợp điện toán tùy chỉnh; ForgeEdge-Duo cung cấp một kiến trúc để thảo luận về việc xử lý ứng dụng cùng với việc kiểm soát thời gian thực. Sự phù hợp của sản phẩm, hỗ trợ phần mềm và chức năng bảo vệ phải được kiểm tra theo yêu cầu của robot. các Hướng dẫn FPGA, NPU và MPU giúp tách biệt các vai trò xử lý.

Sử dụng mô phỏng để trả lời các câu hỏi cụ thể

Xây dựng mô phỏng xung quanh một quyết định: khả năng tiếp cận, vị trí cảm biến, logic lộ trình hoặc nhiệm vụ xử lý lặp lại. Thay đổi các yếu tố có thể phá vỡ thiết kế, chẳng hạn như tư thế của vật thể, giả định về ma sát, nhiễu cảm biến hoặc các chướng ngại vật không mong muốn. Giữ các phiên bản mô phỏng và định nghĩa kịch bản cùng với kết quả thử nghiệm.

NVIDIA's ví dụ mô phỏng thực tế trình bày đường dẫn từ nhiệm vụ mô phỏng đến robot thực sự. Đối với một chương trình sản phẩm, việc chuyển giao vẫn là điều cần kiểm tra. So sánh robot vật lý với các giả định trong mô hình, bao gồm thời gian, sự tuân thủ cơ học và các cảm biến được lắp đặt.

Không sử dụng thành công mô phỏng để thay thế cho việc chạy thử. Bước tốt tiếp theo là thử nghiệm vật lý có giới hạn với đầu ra được thiết bị đo và sự chuyển giao của người vận hành đã được thống nhất. Chỉ mở rộng phạm vi hoạt động sau khi xem xét bằng chứng.

Thử nghiệm thất bại cũng như trình diễn thành công

Lưu giữ hồ sơ về các phiên bản phần cứng, chương trình cơ sở, model, hiệu chuẩn và cấu hình cho mỗi lần chạy. Tỷ lệ thành công tổng hợp khó diễn giải nếu không có sự kết hợp nhiệm vụ và các loại thất bại. Báo cáo hiệu suất theo kịch bản và lưu các trường hợp khó vào bộ đánh giá khi cải tiến hệ thống.

Những gì cần mang đến một cuộc thảo luận kỹ thuật

Chia sẻ một đoạn video hoặc sơ đồ ngắn về nhiệm vụ, giao diện của robot hoặc máy, các cảm biến có sẵn cũng như các hạn chế về không gian, nguồn điện và khả năng làm mát. Chỉ định ai sở hữu bộ điều khiển robot, ai cung cấp dữ liệu ứng dụng và ai chấp nhận hệ thống đã hoàn thiện. Những ranh giới này làm cho đề xuất nguyên mẫu và các phụ thuộc của nó trở nên rõ ràng hơn.

Alvexis có thể thảo luận về bo mạch nền tùy chỉnh, giao diện cảm biến, xử lý nhúng, bao vây và công việc tích hợp cần thiết xung quanh nền tảng đã chọn. Đối với robot y tế, hãy bắt đầu bằng phần riêng biệt hướng dẫn kỹ thuật chăm sóc sức khỏe vì vậy mục đích lâm sàng và trách nhiệm xác nhận được thiết lập sớm.

ROS 2, SLAM và nhận thức về robot di động tự động

Một robot di động tự động (AMR) cần nhiều hơn là khả năng phát hiện vật thể. Nó phải ước tính vị trí của mình, giải thích các chướng ngại vật gần đó và đưa ra các lệnh chuyển động trong giới hạn xác định. SLAM có nghĩa là bản địa hóa và ánh xạ đồng thời; vai trò của nó khác với việc nhận dạng một vật thể trong hình ảnh camera. LiDAR, máy ảnh, dữ liệu đo đường bánh xe và IMU có thể đóng góp theo kiến ​​trúc đã chọn.

Trong dự án điều hướng ROS 2, hãy thống nhất các khung tọa độ, xử lý dấu thời gian, tốc độ tin nhắn và tuổi dữ liệu tối đa trước khi tích hợp. Kiểm tra việc lập bản đồ và bản địa hóa nơi robot sẽ hoạt động, bao gồm cả việc thay đổi chướng ngại vật và các đặc điểm hình ảnh yếu. Phần mềm điều hướng và phần cứng nhận thức không thay thế các biện pháp an toàn và đánh giá rủi ro độc lập của robot.

Thiết kế camera, đồng bộ LiDAR và IMU