AMR：重新定义供应链
发布于2022-07-12
自主移动机器人 (AMR) 是未来制造业/仓储业处理危险和复杂材料以及高效运作物流中心的理想选择，为此AMR需要具备与人类相似的能力和灵活性。要实现这些增强功能，需要有相应的设计/开发工具和硬件系统，同时还要确保安全性和可靠性。
本文旨在向读者介绍有助于AMR设计开发的资源和工具，以及关系到AMR能否成功实现的硬件系统。
大脑：AI/机器学习系统与控制
在AMR出现之前，机器人要实现自主移动，就需要遵循预定义的程序或沿着轨道移动，或者在工作中受到足够的限制，使之只需简单的预编程指令就能够有效地工作。这些做法显然限制了机器人技术所能实现的效率和生产力提升。因此，对于AMR而言，更可行的方案是通过人工智能/机器学习 (AI/ML) 算法来驱动，这些算法可以在经过训练后轻松应对各种环境，并且使AMR能够不断改进，而无需对每一种可能的互动或操作专门编程。AMR AI/ML系统离不开两大关键组成部分：学习和开发系统，以及必要的硬件。它们可以实现AI/ML控制，并且对外部环境和内部子系统进行感知和互动。
用于AMR的人工智能和机器学习
AMR AI/ML系统的主要功能是确保自身安全、避开障碍物、自主执行一组给定任务，并在必要时随时接受新任务训练。为此，AMR需要具备一个AI/ML内核，其中可以包含AI/ML学习算法和数据，以及可由该AI/ML内核引导和解释的基本传感器、处理硬件和控制硬件。该AI/ML内核（模型和推理/运行时引擎）还需要有成熟的基础设施来支持其进行训练。
开发AI/ML核心并非易事，这往往是一项漫长而又昂贵的工作。因此，许多开发人员和组织都提供了预先构建的AI/ML内核或工具包，它们的设计开发目的就是为了方便重用，并且与各种兼容的硬件选项集成。这些内核通常包含开发工具、处理核心、数据存储，以及用于连接一组或单个传感器的接口。此类AI/ML内核还可能配备应用程序编程接口 (API)，并支持多种AI/ML模型，也可能随附与推理硬件对接的软件和开发工具。
AMR人工智能/机器学习硬件
AI/ML系统需要搭配硬件才能实现AI/ML模型，并处理传送到模型的传感器输入以及从模型发出的控制输出。这一过程需要采用特定类型的处理硬件，例如微处理器单元或计算处理单元 (MCU/CPU)、图形处理单元 (GPU)、现场可编程门阵列 (FPGA)，或者某种类型的专用硬件，如特定应用集成电路 (ASIC)、视觉处理单元 (VPU) 或张量处理单元 (TPU)。
AI/ML硬件通常可以使用各种处理单元来实现，例如用GPU或VPU处理来自图像传感器的传入信号、用MCU/CPU和FPGA来处理传感器信息并输出控制信号（图1）。在许多情况下，AMR的工作都离不开确定性和实时性，以确保安全性和效率，所以AI/ML模型、软件和硬件都必须具备确定性和实时性。
图1：AI/ML处理硬件的类型。（图源：贸泽电子）
表1：AI/ML处理硬件比较。（来源：贸泽电子）
根据不同的任务和传感器类型，要实现尽可能好的效果，可能需要采用不同的处理器组合或数量。例如，如果需要处理大量相机视觉数据，但功率存在限制，此时更加通用的VPU可能会比GPU更高效；然而，如果AMR需要配备许多个视觉系统，那么在考虑系统复杂性和功耗的前提下，相较于配备多个VPU而言，采用单个功率较高的GPU可能是更好的做法。
虽然MCU/CPU一般都是通用的，但它们往往更加适用于快速、依次地进行处理；如果需要处理大量的并行任务，那么FPGA可能是更好的解决方案，而且可以采用不同类型的FPGA来处理和控制各种功能，如通信、电机控制和电源转换。
四肢：电机控制、电机选型与储能方案
AMR的移动性和驱动力离不开电机、电机控制系统和电能存储。AMR面临的两大主要电机控制挑战是AMR底盘的移动性和机械手的驱动，后者可能包含许多不同类型的电枢，也可能就像一个升降雪橇那样简单。自然，这些电机的能量需要以某种稳定的形式储存起来，而且能量密度要足够大，并且能够有效地提取。
电机控制技术
用于电机控制的主要硬件选项包括带CPU和/或GPU的单板计算机 (SBC)、MCU/数字信号处理器 (DSP) 或FPGA，具体选择哪种方案取决于驱动和执行的复杂性与性能要求。一般而言，SBC的体积更大，功耗也更高，但在灵活性和能力方面具有优势；MCU/DSP更小、更紧凑，编程也更容易，但它们的串行控制能力有限，可配置性上也存在硬件限制；具有专门硬件逻辑设计的FPGA可能是节能和高性能的理想选择，并且在本质上促进了硬件并行，然而设计FPGA硬件需要学习专门的硬件描述语言 (HDL) 以及有关数字控制系统实施的专业知识，这与SBC或MCU/DSP的编程截然不同。
电机类型
截------对于AMR应用，典型的直流电机往往不够可靠或者不够高效。虽然在某些AMR应用中，交流电机也许足够高效，响应也足够迅速，但此类电机还需要DC-AC逆变硬件，这就增加了交流电机驱动方案的成本和复杂性，同时也降低了效率。AMR驱动电机更常用的方案是无刷直流电机，它通常可以实现优异的性能和效率，但需要更复杂的控制，以及直流到多相转换硬件。
步进电机是一种非常常见的驱动配置，而且是一种很成熟的驱动解决方案，在数控机床等机械控制中运用广泛。直流伺服电机是另一种驱动选项，它在精度和速度方面比步进电机更有优势；然而，伺服电机往往比步进电机更加昂贵，控制也更加复杂，而且伺服电机一般都是有刷电机，需要定期维护和更换电刷，因而不适用于某些AMR应用。
储能
锂电池是移动机器人应用最常见的高能量密度电池解决方案。虽然还有其他多种电池类型可供选择，例如AGM电池、凝胶电池、铅酸电池，甚至高能量密度超级电容，但锂电池在能量密度和功率密度的平衡上恰到好处，非常适合AMR应用。电池的能量密度直接关系到电池系统在给定储能能力下的整体重量，因而要实现更紧凑、更轻巧、更高效的AMR，就需要更高的电池能量密度。
眼睛：3D视觉、2D摄像头和接近传感器
AMR要在环境中安全高效地导航，势必就要感知所处的环境，从而快速处理传感器数据，以此来创建地图、规划路径以及实现机器视觉。此外，AMR还需要响应迅速的高分辨率传感数据来高效地操纵物体，并确保工作人员的安全。因此，AMR通常会配备一系列视觉传感器，其中包括3D和2D视觉传感器（摄像头），以及接近传感器。
3D视觉和摄像头
AMR机器视觉应用通常需要在具备高分辨率相机传感器输入的情况下以相对较高的帧率运行，同时尽可能减少处理开销。这就是为什么许多机器视觉系统都采用了专门为处理高吞吐量图像数据而设计的GPU或VPU，并且兼容各种软件开发工具，如英特尔实感SDK和专为处理3D数据而设计的Open3D开源库。
借助这些3D数据，就可以对环境进行扫描，从而实现机器人的实时导航。2D摄像头可用于2D机器视觉应用，例如某些驱动应用，或者也可以使用2D摄像头阵列来实现3D视觉系统（图2）。
图2：使用多个传感器进行实时深度传感的3D视觉摄像头。（图源：英特尔）
接近传感器
传感器融合通常是提高处理后数据准确性的宝贵工具。就AMR而言，由于定位和驱动任务往往依赖于良好的位置数据，包括AMR在所处环境中的位置以及AMR与目标物体之间的相对位置，因而配备额外的接近传感器可能会非常有用。典型的接近传感器技术包括超声波、红外线 (IR) 和激光雷达 (LiDAR)。将这种接近度信息与视觉系统相结合，就可以增强AMR的机动性和驱动能力，其精度可达毫米级；如果仅通过视觉系统来实现这一目标，可能会更昂贵或更困难。
口耳：无线通信
虽然AMR可以自主运行，但往往还是需要接收定期报告、视觉数据，或者指导AMR执行新任务。如果不希望人工直接介入，就需要AMR具备与AI/ML内核相联系的无线通信硬件系统。这些通信系统的响应速度、安全性和可靠性是至关重要的。4G LTE蜂窝通信系统已广泛部署在工业环境中，用于连接各种传感器乃至机器人系统。按照类似的思路，Wi-Fi通信系统也在工业环境中得到了部署，以实现视频监控、安全防护，以及收集传感器数据，并提供对部分工业和机器人系统的控制。
AMR系统可能经常需要实时、低延迟和确定性的通信，标准的4G LTE或Wi-Fi都不是这种应用的理想选择（图3）。虽然一些基于4G LTE蜂窝技术或Wi-Fi的专有系统可以满足这样的要求，但5G标准中内置的超可靠和低延迟 (URLLC) 功能可能更适合AMR应用，尤其是在多个AMR需要相互通信和协调的情况下。虽然Wi-Fi系统能够进行点对点 (P2P) 通信，但许多4G LTE系统却不能，然而P2P通信对于任何多AMR应用而言都是非常重要的。如果AMR还可能需要与工业环境中的各种其他系统进行通信，5G的大规模机器类型通信 (mMTC) 功能也是一种可行的选项。
图3：要让多个AMR能够实时协作，就必须要在机器人和基础设施之间实现低延迟通信。
（图源：kinwun/Stock.Adobe.com）
结语
制造和物流中心订单履行的未来取决于AMR硬件，从AI/ML系统到无线通信系统。为了满足这种显著的需求，人们提出了各种AMR硬件解决方案，它们都得到了硬件和软件开发工具的支持，以缩短设计周期并优化系统性能。
作者简介
Jean-Jacques (JJ) DeLisle就读于罗切斯特理工学院 (RIT)，并获得了电气工程学士学位和硕士学位。在学习期间，JJ从事射频/微波研究，为大学杂志撰稿，并且是RIT第一个即兴喜剧团的成员。在完成学位之前，JJ在Synaptics公司担任集成电路布局和自动测试设计工程师。经过6年开发和鉴定同轴内天线和无线传感器技术的原创性研究，JJ在提交了多篇技术论文并获得一项美国专利后离开了RIT。为了进一步发展他的事业，JJ和妻子Aalyia搬到了纽约市。在这里，他担任了《Microwaves & RF》（微波与射频）杂志的技术工程编辑。在此期间，JJ学会了如何将他的射频工程技能以及技术写作热情结合起来。在JJ职业生涯的下一个阶段，他看到行业内对有技术能力的作者和客观的行业专家有很大的需求，于是转而创办了自己的公司RFEMX。随着这一目标的实现，JJ扩大了自己公司的业务范围和愿景，开始从事信息交换服务 (IXS)。