325
5月11日，研华科技携手合作伙伴Basler及Canonical成功举办“机器人发展的三大关键：视觉、神经与大脑”主题在线论坛，与大家共同探讨机器人发展的三大关键要素，本文带您回顾会议精彩内容！
根据Omdia/HIS 2021年的市场调查报告指出，到2024年，整体移动机器人（AGV/AMR）的市场总值将达到60亿美金。其中使用传统磁条感应及QR code技术的移动机器人，整体市场价值占比各为约12%，运用同时定位与地图构建技术（SLAM）的整体市场价值占比将达到约50%。
本次在线论坛，研华特别邀请到了在机器人发展中扮演关键角色的摄像头厂商Basler与软件操作平台厂商Canonical的专家，从实际应用出发，就机器人应用开发的三大关键“机器视觉”、“软件平台”及“AI运算平台”与大家进行分享。
- 机器人的眼睛：工业相机的选择及标准
Basler业务部业务经理李玉杰从视觉应用端回推到需要的摄像头技术与规格，表示“根据相机选型要素应用的需求选取适合的相机分辨率、帧率（速度）、传输接口、影像传感器种类等来决定适合的相机”。
例如瑕疵检测AOI系统，因相机需在高速移动状态下拍摄微小瑕疵，建议使用CoaxPress 接口、高分辨率、高帧率、高带宽接口并搭配耐扰线材。机器手臂上在低移动速度或静止状态下拍摄，可选用GBE接口、较低帧率相机并因机器手臂的扭转必须搭配高扰曲线材，分辨率则根据被测物大小决定。
我们看到在AMR、移动机器人、自动辅助驾驶等在复杂的使用环境下需要深度感知，3D视觉，对此，李玉杰先生就“如何选择在工业领域中适用的3D成像技术”分享如下：
1. 时间飞行法 (Time of Fly / ToF) : 依靠光飞行时间测距。适合机械手臂、AMR、AGV物流方面的应用。
2. 结构光 (Structured Light) : 投影图案的形变。适合3D瑕疵检测（AOI）、3D扫描。
3. 主动/被动立体视觉 (Stereo Vision) : 来自两个相机图像中的对应点。适合机械手臂、服务机器人。
- 机器人的神经：Ubuntu 如何为开发者及ROS提供支持
关于嵌入式作业平台与软件，对于大量部署的机器人来说，如何达到实时的安全性更新是一大挑战。Canonical联网方案架构师彭日廷表示，Ubuntu长期提供维护与安全性的操作系统，对于安全性的保证，有公开、客观的安全性测试指标（CVE）, 每三周定期发布一次安全性更新，维护周期可长达10年。
此外，对于机器人应用使用的ROS/ROS2也提供适配的Ubuntu LTS 版本，进行长期的更新维护。基于Ubuntu OS 开发AI机器人平台，在开发阶段，可为客户提供多样性的AI SDK及完整软件开发生态链；在训练阶段，需要用到大量的资料，Ubuntu OS与多种云服务商如Azure AWS及Oracle合作密切，用户可以很方便训练AI模型；在地端部分，设备选择多。在Ubuntu上的开发体验会非常完整，也很方便。
研华目前已经广泛采用Ubuntu操作系统在硬件平台上验证, 同时与Canonical有合作协议, 由其提供Ubuntu Certified的认证。
- 机器人的大脑：研华嵌入式高效AI计算平台与服务
研华嵌入式物联网平台事业群资深产品经理王圣文分享到，就应用角度来看，目前移动式机器人开发平台大概可分为两种：一、内建AI效能：适用于机械手臂或AMR，二、扩展AI加速卡，可扩充 xPU、FPGA等。基于开发机器人平台需要的特点，我们针对不同应用需求的AI运算能力, 使用空间与环境等来开发研华的嵌入式AI平台。
- 小型化机器手臂、商用无人机等需要小型化和轻量化的特点，我们提供第一代Pico-ITX AI运算平台MIO-2375，仅手掌大小。
- AGV、AMR、配送机器人等这类在室内或户外高度复杂环境应用，对尺寸要求不高，但须处理的数据流与传感器数量较多，我们提供从Intel第11代开始的3.5”高集成嵌入式单板 MIO-5373来满足各项需求。
- 而在未来专用领域需要更高效能的AI运算，须具备专用加速器的扩充如独立GPU、xPU加速器、ASIC、FPGA、DSP等加速器，我们也着手开发第12代Intel平台，如MIO-4370，提供PCIe Gen.5及Thunderbolt的扩充能力。
嵌入式AI的应用相较于服务器或云端AI运算而言更重要的是性能与功耗，体积与成本，时效与效益的平衡。研华致力于提供适合嵌入式AI应用的平台, 从原生AI运算效能到可扩展的AI计算方案，并搭配Ubuntu、Yocto OS，大幅降低客户的前期开发困难。研华也将持续携手合作伙伴，为客户提供更多更好的AI与机器人解决方案和技术支持。
下载ECAD模型
