目前，市面上的機器人主要分為兩類：固定式機器人與移動式機器人。固定式機器人固定于某個位置。而移動式機器人，包括自主移動機器人(AMR) 和自動引導車輛 (AGV)，能夠在不同位置間移動。機器人行業正呈現出諸多漸趨普及的發展態勢。其中，最為人熟知的是自動送貨機器人、酒店服務機器人和餐廳服務員機器人。一旦消費級機器人的價格降低，家用機器人的應用場景將得到進一步拓展，諸如家庭服務機器人和個人助理等。在機器人進入家庭并與人類互動之前，機器人制造商必須構建妥善的系統，確保機器人能夠精準、高效且安全的運行。

這份白皮書將探討視覺系統對于機器人，尤其是自主移動機器人的重要意義。本文為第一篇，將介紹機器人分類與行業趨勢、AMR 技術概述等。

了解機器人與自動化

過去十年間，自動化技術與機器人技術在全球范圍內推動了眾多行業的變革。這些創新成果顯著提升了許多傳統流程的安全性與效率。

移動機器人（AMR 和 AGV）

移動機器人可在不同地點間移動來執行任務。AMR 能自主地四處移動，適用于動態環境。憑借這些特性，AMR 構成了自動自主移動體系的基礎架構，其他所有應用均基于 AMR 架構進行開發。

以下是 AMR 在安防、醫療及酒店等領域的一些應用示例：

工廠或倉庫中的 AMR + 機械臂或叉車機器人

大學校園或城市中的送貨機器人

餐廳里的服務員機器人

停車場和建筑內的安防機器人

醫療機構中的機器人

農用協作機器人 (COBOT)

AGV 則需要外部導引，更適合固定環境。AGV 的應用場景包括制造車間、庫存管理和裝配線作業等。

固定式機器人

固定式機器人雖不具備移動能力，但仍需圖像傳感器以及 iTOF（間接飛行時間）技術來進行深度檢測，尤其是在執行物體抓取任務時。

機器人行業的增長驅動因素

機器人在各行業得以廣泛應用，主要源于以下三個關鍵因素：

生產力：機器人能夠長時間不間斷地執行重復性任務，且不會感到疲勞。

效率：AGV 和 AMR 能夠以極小的延遲執行任務，這使得工作人員能夠專注于高附加值的任務。

安全性：通過承擔危險任務，機器人提高了工作場所和生產車間的安全性。

受這些因素的推動，機器人市場持續增長。預計 2024 至 2030 年，AMR 復合年增長率 (CAGR) 約為 16%，增幅明顯。部分研究機構的預測甚至高達 20%。鑒于 AI 技術的迅猛發展，這樣的增長預期具備現實基礎。

AMR 技術概述

在機器人行業中，AMR 展現出強勁的增長勢頭。與仍需一定程度導引的 AGV 相比，AMR 具備近乎完全的自主性，使其成為倉庫自動化、三維建圖以及自主導航等應用的首選方案。AMR 無需外部導引，因其自主特性，具有動態性并能適應新環境。然而，為實現自主移動，AMR 需要借助同步定位與地圖構建 (SLAM) 技術。通過 SLAM 技術，機器人能夠構建自身所處環境的地圖并確定自身位置。

SLAM 的傳感器要求

為實現 SLAM，需要采用三維建圖技術，這能幫助機器人規劃路徑并避開障礙物。三維建圖主要有兩種方式：立體成像與深度傳感器。AMR 對傳感器在精確定位和建圖方面有一些要求。

在三維建圖過程中，通常采用間接飛行時間 (iToF) 傳感器或 LiDAR 來進行深度感知，以確保機器人的自主性。該過程使 AMR 能夠識別包括人類在內的物體，幫助其檢測危險并避障。AMR 會配備專門的裝置來集成這些感知設備。

避障的傳感器要求

在避障方面，客戶所采用的架構會因場景而異，例如遠距離場景、高動態范圍需求以及避免運動偽影的需求?等。因此，需要根據具體情況來選擇全局快門、卷簾快門、深度傳感或它們的組合方案。

讀碼的傳感器需求

在制造工廠和倉庫中，對于配備讀碼器的 AMR 而言，執行讀碼等任務需要具備全局快門和高速性能。此外，低功耗也是一項重要需求，這能保證 AMR 長時間持續工作。

機器人領域的圖像傳感器技術

安森美（onsemi）持續為機器人應用尤其是 AMR 應用研發多種類型的圖像傳感器創新技術?。在支持深度感知方面，主要有兩種途徑：?立體成像?與 iToF。

卷簾快門與全局快門的比較

快門有兩種類型：卷簾快門和全局快門。二者的最大區別在于?是否會產生運動偽影。運動偽影是由卷簾快門和全局快門在曝光時間上的差異所導致的。

卷簾快門采用逐行曝光的方式，而全局快門則是同時對所有像素進行曝光。因此，卷簾快門會出現運動偽影，而全局快門則不會，這就是為什么全局快門更適用于自主移動的 AMR。

全局快門效率 (GSE) 用于衡量存儲單元中單個電荷抵御傾斜入射光干擾的能力?。傾斜入射光會降低快門效率，從而產生重影?。如果入射光進入存儲單元，較低的 GSE 值會導致圖像呈現透明狀，就像出現了"鬼影"一樣，這是因為存儲單元中的電荷受到了直射光的影響而發生了改變。

為解決這一問題，存儲隔離至關重要。全局快門在捕捉移動物體時能夠有效避免運動偽影，但在減小像素尺寸?方面存在困難。卷簾快門則能夠實現更小的像素尺寸和更高的靈敏度，并且其高動態范圍優于全局快門。具體選擇哪種快門，需要根據具體的應用場景來決定。

深度感知技術

以下三種技術可用于深度感知方案。

立體成像：立體成像技術通過使用兩個仿人眼布局的全局快門傳感器來實現深度感知。該系統通過從略有不同的視角捕捉圖像，分析重疊圖像之間的偏移量，從而測算與不同物體之間的距離，進而構建出詳細的深度圖。?

iToF：iToF（間接飛行時間）技術利用專門的芯片，通過分析發射激光與物體反射光之間的相位差來測量深度距離。這種相位差使系統能夠精準確定場景中各個點的距離?。而 dToF（直接飛行時間）技術則是測量發射光從發射到物體再返回的時間，其重點在于時間差而非相位差。?

LiDAR：光探測與測距 (LiDAR) 是一種先進的感知技術，它利用激光來測量距離。通過分析反射的激光脈沖，LiDAR 系統能夠生成精確的三維環境地圖，其功能類似于 iToF。然而，與使用紅外光的 iToF 不同，LiDAR 使用激光脈沖，因此能夠實現更精確的成像。盡管 LiDAR 具有更高的精度，但由于其成本較高，目前主要應用于高端產品。?

未完待續，后續推文將繼續介紹安森美圖像傳感器等。