#智慧工廠 #協作機器人Cobot #人工智慧AI #感測器Sensor #飛時測距ToF
【為機器人「開智慧」】
無論是傳統的工業機器人系統還是當今最先進的協作機器人 (Cobot)，都要依靠可生成大量高度可變資料的感測器。這些資料有助於構建更佳的機器學習 (ML) 和人工智慧 (AI) 模型；機器人依靠這些模型變得「自主」，可在動態的現實環境中做出即時決策和導航。
機器人應用的傳感和智慧感知非常重要，因為機器人系統的高效性能，特別是 ML / AI 系統，很大程度上取決於為這些系統提供關鍵資料的感測器性能。當今數量廣泛且日益完善和精確的感測器，結合能將所有這些感測器資料融匯在一起的系統，就能讓機器人具有越來越好的知覺和意識。
ML 包括訓練和推論，可在完全相異的處理平台執行。訓練通常以離線方式在桌面進行或在雲端完成，包括將大數據饋入神經網路，即時性能或功能都不是問題，經過訓練的 AI 系統能執行特定任務；但為了讓 AI 實現許多應用，推論 (執行訓練後的 ML 演算法) 必須即時、或近即時完成感測器資料的融合。
為此，設計師需要在邊緣實施 ML 和深度學習模型，將推論功能部署到嵌入式系統中。例如，在工作場所設立協作機器人與人進行密切協作，需要使用來自近場感測器及視覺感測器的資料；所有這些資料都需要即時處理，但是雲的速度達不到協作機器人需要的即時、低延時回應，使 AI 邊緣成了最佳解。
延伸閱讀：
《邊緣上的 AI：「協作機器人」如何快速處理感測器資料》
http://compotechasia.com/a/tech_applicati…/…/0401/41473.html
#德州儀器TI
