旷视谈移动机器人未来技术趋势——单体智能与群体智能

2021-01-15 10:22:57 来源：粤讯抢沙发

2021-01-15 10:22:57 来源：粤讯

摘要：纵观机器人发展历史，1953年，世界上第一台AGV（Automated Guided Vehicle，自动引导车）诞生
关键词：未来技术趋势

纵观机器人发展历史，1953年，世界上第一台AGV（Automated Guided Vehicle，自动引导车）诞生，可以在仓库中沿着布置在空中的导线运输货物；随着导航技术的进步，AGV开始沿着更加自主化的方向发展，诞生了AMR（Automated Mobile Robot，自主移动机器人）的概念，可以利用软件提前导入工厂建筑物图纸实现导航，让搬运的柔性化大大提升。作为全球领先的人工智能产品和解决方案公司，旷视进入供应链物联网领域后便聚焦智慧物流及工业机器人业务，2020年初，机器人产品部更是独立成为旷视的产品中台之一，专注于机器人产品和关键物流设备的研发。

进入智能制造、智慧物流的新时代，未来的移动机器人又有哪些发展趋势？旷视指出，移动机器人未来的主要技术发展趋势可以概括为单体智能和群体智能，通过AI赋能，单个机器人和机器人系统的智能化程度将不断提升，为客户实现降本增效。具体来看，旷视提出了的机器人技术发展的五大趋势：

第一，基于SLAM技术的AMR正逐渐成为业界的主流趋势。传统AGV多采用磁条、电磁及二维码等导航方式，AMR则更多采用SLAM（Simultaneous Localization and Mapping，即时定位与地图构建）技术，搭载激光雷达或视觉传感器，让机器人在无信标的情况下也能实现定位导航。例如今年10月份旷视发布的具有深度智能环境感知和识别能力、能够立体避障的激光SLAM导航AMR，和具有快速平面搬运能力的SLAM导航堆垛智能无人叉车就是如此，其具有易部署、柔性等特点，更加适合在运行环境复杂、业务经常变动的场景下应用。

图：旷视MegBot－叉车系列

第二，视觉SLAM是未来主要方向，同时需要多传感器融合的导航方式。在工业物流领域，根据传感器不同主要分为激光SLAM和视觉SLAM两种机器人自主导航。旷视表示，视觉传感器成本低，感知信息量大，随着视觉算法技术的成熟，视觉SLAM导航机器人将会替代激光SLAM导航机器人成为市场应用的主流。与此同时，机器人自主导航还需要融合诸如惯导（IMU）、GPS等其他导航方式，以应对鲁棒性要求非常高的现实应用场景，让机器人能够更加稳定有效地运行。

第三，深度学习将广泛应用，加强机器人对周围环境的理解。旷视认为，AI中的深度学习技术在计算机视觉中的应用主要有物体识别、目标检测与跟踪，语义分割、实例分割等，语义SLAM能把物体识别与视觉SLAM结合起来，将标签信息引入优化过程中，构建带物体标签的地图，实现机器人对周围环境内容的理解。中国移动机器人（AGV／AMR）产业联盟《2020－2021工业制造领域自然导航AGV／AMR产业发展研究报告》也指出，物联网、AI、5G等新一代信息技术与机器人技术相互结合，能够让设备高效交互，数据更加自由流动，并通过算法指挥硬件发挥最大效能。

第四，机器人规模化集群作业成为发展必然，需要更高效的多机协作方式。在旷视看来，机器人规模化集群作业不仅要求调度系统能够接入各种类型的机器人，在统一的环境下完成作业调度，还需要多机器人调度算法，找到全局最优方案，使多机器人共同工作时的总效率最高。其中，AI算法能让整个系统不断优化，群体智能化程度越来越高。

第五，同构仿真、数字孪生，为客户提供高效评估手段。数字孪生的关键在于仿真，而仿真的关键是同构仿真。一套功能完备的同构仿真系统可以避免客户做智能化、自动化改造过程中的人为偏差，极大提高评估效率。以旷视自主打造的机器人网络操作系统河图（HETU）为例，系统可以提供规划、仿真、实施、运营等一站式解决方案，实现同构仿真和数字孪生，极大减少机器人项目规划风险，提高运维效率，并且随着软件的更新迭代可以无限逼近现实场景，带来更大的价值。

根据中国移动机器人产业联盟、新战略机器人产业研究所数据统计，2019年度，中国移动机器人（AGV／AMR）市场规模达到61．75亿元，同比增长45．2％。随着行业需求的增多、技术成熟及成本的降低，机器人的应用范围还会进一步扩大，市场也将越来越广阔。未来，旷视也将顺应时代发展趋势，创造更多AI赋能的智能物流设备，继续坚持软硬一体化的产品布局，助力物流行业进行数智化升级。

第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

责编：zhanglinying

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。