概要：人工智能將成為設置和使用AMR的不可或缺的一部分，從而簡化其部署流程并改善其工作流程；即使沒有技術專長，AMR用戶也將有權做出更明智的決定，而機器人將成為第一線支持，預測何時需要干預或自動進行故障排除。

在當今競爭激烈且昂貴的商業環境中，越來越多地使用自主移動機器人（AMR）在倉庫、制造設施中運輸物料。甚至醫院、機場和學校都使用AMR作為對公共場所進行消毒或向患者提供藥物或食物的手段。

與常規（通常是不靈活的）物流解決方案（如叉車，傳送帶和自動導引車（AGV））相比，AMR的主要功能是其內置的智能功能。AMR無需像AGV那樣沿著基礎設施中內置的一組軌道或傳感器移動，而是自動沿工廠車間無軌道移動，繞過其路徑中的障礙，甚至自行尋找新路徑。

但是他們真的有多聰明？   

通過安裝AMR的車隊管理系統，制造商可以從一個工作站集中控制機器人，而最先進的設備可以通過24/7移動機器人操作消除任何瓶頸和停機時間。對AMR進行編程后，車隊管理系統將管理優先級，并根據位置和可用性選擇最適合當前操作的機器人。它還監視機器人的電池電量，自動管理充電，并通過協調多個機器人交叉路口的關鍵區域來控制機器人的交通方式。

▲戰略性放置的MiR AI Camera靜態相機使AMR可以預見其路線上的障礙物，因此它們能夠提前重新布置路線以優化導航。

這絕對聽起來很聰明，但是一些AMR借助人工智能（AI）以及經過戰略定位的攝像頭將這些智能設備提升到了一個新水平，這些攝像頭可以用作擴展的機器人傳感器。如果沒有AI，AMR會對所有障礙物以相同的方式做出反應，如果可能的話，它們會放慢速度并試圖在一個人或物體周圍導航，或者如果沒有安全的方法來繞過它，則停止或后退。借助AI，AMR甚至可以在進入某個區域之前就學會適當地調整其行為。這意味著他們可以在特定時間避開人流密集的區域，包括使用叉車定期運送和轉移物料時，或者在休息或輪班變更期間有大量的工作人員時。

人工智能驅動的AMR如何工作？

如今，移動機器人使用傳感器和軟件進行控制（以定義機器人應在何處以及如何移動）和感知（以使機器人能夠理解周圍環境并對周圍環境做出反應）。數據來自集成的激光掃描儀，3D相機，加速度計，陀螺儀，車輪編碼器等，可針對每種情況做出最有效的決策。AMR可以使用最有效的路線動態導航，具有環保意識，因此可以避開障礙物或行進路線的人，并在需要時自動充電。

▲在這一階段，自動移動機器人中使用的人工智能專注于機器學習和視覺系統。

現在，用于AMR的AI技術主要集中在機器學習（ML）和視覺系統上，它們極大地擴展了早期基于傳感器的功能。技術進步，包括更小，更強大的傳感器；云計算和寬帶無線通信；以及以AI為中心的新型處理器架構—以更低的成本得到了更廣泛的應用，這使得從機器人的即時、擴展和預期環境以及內部條件中提取數據比以往任何時候都更加容易。

技術進步助力AI /智能機器人

小型、低成本和高能效傳感器使移動和遠程設備可以捕獲并傳輸有關機器人的即時、擴展和預期環境以及內部條件的大量數據。

云計算和寬帶無線通信允許幾乎從任何接入點即時存儲、處理和訪問數據。安全的虛擬網絡可以適應動態需求，幾乎消除了停機時間和瓶頸。

AMD、Intel、NVIDIA和Qualcomm等傳統半導體公司以及包括Google和Microsoft在內的該領域的新廠商都廣泛提供了強大的，以AI為中心的新型處理器架構。當傳統的廣泛使用的半導體面臨摩爾定律的限制時，這些新芯片是專門為AI計算而設計的，這在提高功能的同時降低了成本。低功耗，經濟高效的AI處理器甚至可以集成到小型移動或遠程設備中，從而可以進行現場計算，從而快速、高效地做出決策。

先進的軟件算法可在機器人、云端或甚至是遠程擴展傳感器中生產力最高的位置分析和處理數據，這些數據可為機器人提供額外的情報數據，以預測機器人的需求并主動適應其行為。

使用這些功能和以AI為重點的攝像頭，AMR機群可以在在線時學習，在沒有持續訪問在線內容的情況下執行。低功耗，具有AI功能的設備和高效的AI技術支持具有低延遲和快速反應時間，高度自治性和低功耗的新型機器人系統，這是成功的關鍵能力。  

AMR中的新AI功能有助于維護機器人的安全協議，并提高路徑規劃和環境交互的效率。例如，新的高級學習算法包含在遠程連接的攝像頭中，這些攝像頭可以安裝在交通繁忙的區域或叉車或其他自動車輛的路徑中。攝像機配備了小型，高效的嵌入式計算機，可以處理匿名數據并運行復雜的分析軟件，以識別該區域中的物體是人、固定的障礙物還是其他類型的移動設備（例如AGV）。然后，攝像頭將此信息提供給機器人，從而擴展了機器人對周圍環境的了解，因此即使在進入某個區域之前，它也可以適當地調整其行為。例如，如果AMR檢測到一個人，他們可以像往常一樣繼續駕駛，但如果他們檢測到AGV就會停車，以便AGV可以駛過。機器人還可以預先預測封鎖區域或人流量大的區域，并重新路由，而不是進入封鎖區域然后重新路由。盡管機器人的內置安全機制將始終阻止機器人在其路徑上與物體、人或車輛相撞，但其他車輛（如叉車）可能不具備這些功能，從而有可能使其中一輛進入機器人。在外部低成本照相機設備中包含專用的AI處理器意味著現在可以在不修改硬件的情況下擴展具有AI功能的現有MiR機器人。

借助AI驅動的AMR，他們可以在高流量區域到達之前對其進行檢測并識別其他車輛，并采取適當的行動以降低發生碰撞的風險，從而改善了自己的行為并適應了其他車輛的限制。  

人工智能驅動的AMR的未來

那么接下來呢？隨著AI的發展，AMR也將不斷發展，使它們變得越來越智能和增強功能。

在新環境中部署AMR可能是一個漫長而微妙的過程，在此過程中，需要仔細設計特定的地圖區域，以從一組機器人中獲取最大的價值。將來，機器人應該能夠通過識別地板標記，繁忙的十字路口，狹窄的通道和其他獨特的條件來完成大部分繁重的工作。盡管移動機器人仍將是帶有緊急停止按鈕的可控制工具，他們知道應該導航到軌道的哪一邊，，或者應該在何處調整其最大速度，將是其正常操作，并且不需要持續的人工干預。

但是，如果設置的復雜性超過了它們帶來的額外好處，這些令人興奮的新功能將不會給人留下深刻的印象。因此，基于諸如基于示例的培訓和基于規則的設置之類的概念，使用AI擴展工作流的過程需要簡單直觀。設置智能AMR并不比向AI算法顯示要檢測的對象困難，或者旋轉一兩個刻度盤來調整機器人的行為并不困難。

最后，機器人不斷產生數據的金礦，這些數據可用于監視其正常運行時間和網絡連接等，同時也可作為有效技術支持干預的起點。管理AMR的用戶將獲得個性化的信息和有關必要操作的預測的強大權限。這意味著獲得建議以改進特定機器人的部署，或者預測何時需要提前更換組件。

總而言之，人工智能將成為設置和使用AMR的重要組成部分，從而簡化其部署過程并改善其工作流程；即使沒有技術專長，AMR用戶也將有權做出更明智的決定，而機器人將成為第一線支持，預測何時需要干預或自動進行故障排除。這就是AI將AMR帶入未來的方式。

（本文的作者為MiR的AI開發人員和項目經理Louren?oCastro）