自主移動機器人（AMRs）通過自動化重復和容易受傷的材料運輸，與人合作，創造高效的工作環境。雖然這些機器人使用傳感器和算法來安全地在動態環境中導航，但它們無法將這種感官輸入應用于高級決策。AMRs發展的下一步是添加人工智能（AI），以提高智能移動機器人的能力。人工智能將使這些機器人更加高效，增加機器人可以執行的任務范圍，并減少適應工作環境的需求。

向人工智能的過渡

如今，移動機器人使用傳感器和軟件來控制（定義機器人應該在哪里以及如何移動）和感知（讓機器人理解并對周圍環境做出反應）。數據來自集成的激光掃描儀、3D攝像機、加速度計、陀螺儀、車輪編碼器，以及更多的數據，以便為每種情況做出最有效的決策。這些技術為AMRs提供了許多功能，這些功能在今天的汽車中已經變得非常熟悉和令人滿意。這些機器人能夠使用最有效的路線進行動態導航，具有環保意識，因此可以避開路上的障礙物或行人，并在需要時自動充電。然而，如果沒有人工智能，這些機器人對所有障礙物的反應都是一樣的：如果可能，它們會減速并試圖繞過人或物體;如果沒有安全的辦法繞過它，它們會停下來或后退。AMR的標準方法幾乎適用于所有情況，但就像人工智能為自動駕駛汽車和智能無人機提供新功能一樣，它也準備大幅改變機器人技術。

人工智能包括幾個分支。現階段用于自主移動機器人的人工智能主要集中在機器學習和視覺系統上。

米爾AI相機的靜態相機使米爾機器人能夠預測路線上的障礙，因此它們能夠提前重新路由，以優化導航。

如今，用于協作機器人的人工智能主要專注于機器學習（ML）和視覺系統，這兩種系統正在顯著擴展早期基于傳感器的功能。幾個關鍵領域的技術進步和市場成熟使這些創新成為可能：

一系列小型、低成本、節能的傳感器使移動和遠程設備能夠捕捉和傳輸大量關于機器人當前、擴展和預期環境以及內部條件的數據。

云計算和寬帶無線通信允許從任何接入點幾乎立即存儲、處理和訪問數據。安全虛擬網絡可以適應動態需求，幾乎可以消除停機和瓶頸。

強大的以人工智能為核心的新型處理器架構廣泛應用于AMD、英特爾、英偉達和高通等傳統半導體公司，以及谷歌和微軟等該領域的新參與者。雖然傳統的廣泛使用半導體正面臨摩爾定律的限制，但這些新芯片是專門為人工智能計算而設計的，它在提高性能的同時降低了成本。低功耗、低成本的人工智能處理器甚至可以集成到小型移動或遠程設備中，從而使現場計算能夠快速、高效地做出決策。

復雜的軟件算法分析和處理最具生產力的位置的數據——在機器人中，在云中，甚至在遠程、擴展的傳感器中，這些傳感器為機器人提供額外的智能數據，以預測需求并主動適應其行為。

使用這些功能，機器人編隊的行為就像一群學生在網上上課。他們在網上學習，然后可以在不需要經常訪問網上內容的情況下進行表演。低功耗、具備人工智能能力的設備和高效人工智能技術支持新的機器人系統，具有低延遲和快速反應時間、高自主性和低功耗——所有這些都是成功的關鍵因素。

AMRs中的人工智能改進了路徑規劃和環境交互

移動工業機器人（MiR）正在推動移動機器人人工智能的發展，并建立新的行業預期。創新的人工智能能力維護了機器人的安全協議，提高了路徑規劃和環境交互的效率。

人工智能是通過機器人軟件中的高級學習算法，以及安裝在高交通區域、叉車或其他自動車輛路徑上的遠程連接攝像頭來實現的。這些攝像頭配備了小型高效的嵌入式電腦，可以處理匿名數據，運行復雜的分析軟件，以識別該地區的物體是人類、固定障礙物，還是agv等其他類型的移動設備。然后攝像頭將這些信息反饋給機器人，擴展機器人對周圍環境的理解，使其能夠在進入一個區域之前就適當地調整自己的行為。具備人工智能功能的網絡可以幫助機器人在特定時間避開交通繁忙的區域，比如貨物定期由叉車運送和轉移，或者有大量工人在場的時候，比如休息或換班的時候。

通過人工智能，MiR機器人可以有效和適當地對不同類型的障礙物做出反應，從而提高導航和效率。例如，如果他們面對來自另一個制造商的AMR，他們可以預測車輛的運動并適當調整。當遇到一個新的未知物體時，機器人可以保持謹慎和觀察力，收集數據，以便計算出未來互動的最佳可能行為。

同樣，在復雜的、高度動態的環境中——比如那些有自動導航車輛（agv）不能偏離固定路徑的環境，或者有人類驅動的叉車或其他不可預測的車輛的環境中——機器人的機動能力可能是有限的。agv的安全機制通常僅限于遇到障礙物時強制停車，例如，這可能會阻塞AMR。AI-powered MiR AMRs可以識別AGV并意識到它的局限性，這樣他們就可以在AGV安全通過之前，自動在安全位置等待AGV通過，從而在AGV安全通過后繼續執行任務。

雖然機器人內置的安全機制總是能夠阻止機器人在其路徑上與物體、人或車輛相撞，但其他車輛，如人類駕駛的叉車，可能沒有這些功能，從而存在其中一輛車撞上機器人的風險。MiR機器人系統可以在高交通區域到達之前探測到它，并可以識別其他車輛，并采取適當的行動來降低碰撞的風險。通過這種方式，AMR不僅通過人工智能改善了自己的行為，而且還適應了其他車輛的限制。

左圖：MiR AI攝像機檢測到一個它被配置用來做出反應的物體，這阻止了MiR機器人穿越紅色標記的區域。正確示例：MiR camera檢測到一個人，并配置為在這種情況下不作出反應，因為這個人能夠有效地避開機器人。在這種情況下，MiR機器人可以越過綠色標記的區域。

解決人工智能問題

人工智能仍然很新，足以引起人們對正在捕獲和使用的數據的安全和隱私的擔憂，以及在人工智能系統出現故障或受到干擾時確保安全。客戶在考慮ai驅動系統時，需要考慮的主要問題包括：

數據在哪里以及如何存儲、保護和處理？

數據存儲多長時間？

捕獲哪些個人身份信息？

有什么后備安全機制？

為了保護安全和隱私，和平號機器人和人工智能相機只發送決策，而不發送圖像。由于每個設備內部都有所需的計算能力，視覺傳感器捕獲的數據會被立即處理成形狀、大小和顏色，然后被分類為特定的類別，用于決策。因此，唯一可以發送的數據類型是AMRs能夠理解的命令，例如stop或resume;有關環境變化的資料，例如阻塞的道路或擁擠的地區;或者需要采取的新行動，比如選擇另一條路線。

雖然機器人人工智能系統的安全性有時會受到關注，但MiR的主要安全機制是機器人的核心，不能被人工智能決策所覆蓋。例如，當機器人上的激光掃描儀為人工智能系統提供數據時，它們也會做出基本的安全決策，在機器人路徑上有人或有障礙物的情況下機械地阻止MiR機器人前進。

機器人人工智能的未來

移動機器人將繼續成為協作實體，而隨著人工智能的出現，它們與人類之間的技術壁壘將繼續縮小，從而提高協作和效率。

隨著人工智能的發展，我們將獲得更自然地使用語音或手勢與機器人互動的能力。這可能包括舉起一只手讓機器人停下來，把它指向一個更喜歡的方向，或者揮手讓它通過或跟隨——或者簡單地告訴它，“這條走廊在接下來的兩個小時將被封鎖，在那之前走另一條路。”

盡管移動機器人仍將是一個帶有緊急停止按鈕的可控工具，但它們將獲得自主權，這將使它們更有價值。他們將能夠理解哪里可以改進他們的日常工作，并建議更好的路徑到他們的目的地，一天中執行任務的效率更高的時間，其他可以部署到更高效的工作流的機器人，以及最合適的充電時間。

人工智能驅動的AMRS將幫助把工作場所變成有機的、數據驅動的環境，在這種環境中，機器人可以共享來自自身或遠程傳感器的相關數據，幫助機器人團隊做出明智的決策。通過這種數據共享模型，每個機器人都可以訪問其他機器人或相機中的每個傳感器，從而獲得對整個環境的更詳細的視圖，從而實現更高效的路徑規劃性能。

人工智能：推動下一場工業革命

與以往的工業革命一樣，人工智能和機器人技術將使許多費力且不受歡迎的任務變得過時。有了人工智能，MiR機器人可以更高效、更經濟地完成重復性、低價值的物資運輸任務，讓人類有更多的時間從事更有意義的活動。隨著勞動力嚴重短缺阻礙了全球企業的發展，更智能的移動機器人將使企業能夠提供有回報的角色，幫助它們吸引和留住有價值的員工。

來源：搜狐