机器人正逐渐走进千家万户

机器人：科学幻想还是近期现实？现在它们更倾向于近期付诸现实，超越简单的机器助手，进一步满足实际需求。在家中，在最后一英里交付，满足安全需求。嵌入式产品让这些机器人可以被消费者轻松收入囊中。

对我们许多人而言，机器人技术仍然是一种主要受限于工厂或仓库的应用。我们可以看到，关于私人机器人助手和机器人在医院中发挥更大作用的媒体报道，听起来都是不错的想法，但似乎仍是一种远景，近期无法实现。尽管已经开始投入实际应用。如今家用机器人正在完成一些基本家务。配送无人机开始出现。一家富有创造力的丹麦公司正在利用机器人紫外线消毒设备攻击新冠病毒，目前已在中国一些医院投入使用。

机器人应用和市场

危机总是带来转机，对我们大多数人来说，只要价格合适，达到便利性就足够了。机器人真空吸尘器 已经成为人们熟知的产品。机器人除草机 正在亮相家庭和花园商店。您可以在线购买 机器人擦窗器 或 机器人泳池清洁机。甚至还有机器人来监控家庭安全。国内机器人市场预计将增长至接近4000万台（到2025年）和1亿台（到2030年）。机器人配送无人机预计将增长至接近 80万台（到2030年）。自主移动机器人在工厂、超市和商店、送货服务、库存和其他应用方面同样具有重要价值。此类需求也有望到2030年达到数百万单位水平。

SLAM和导航

所有自主机器人背后的“魔力”来自SLAM（同时定位和地图构建）。SLAM能在不熟悉的领域学会快速导航。但不同于想象的是，SLAM并非基于机器学习，因为领域的某些方面可以并且将会动态改变（你可以移动家具或者狗决定睡在地板中央）。相反，SLAM依赖于更传统的技术，尤其是计算机视觉，以及一些非常繁重的线性代数。

要像机器人真空吸尘器那样导航，SLAM需要估算摄像头的轨迹并绘制地图。它需要地图来预估摄像头轨迹，然后根据轨迹绘制地图，因此需要同步实施这些步骤。该地图还远远不够详尽，仅仅是通过跟踪、映射和闭合循环三个步骤，沿着走过的路径设置的非常稀疏的点集。跟踪的基本工作包括寻找特征点、拟合运动模型以及映射准备，所有这些工作都必须采用定点处理，且以实时速度运行。映射基于一组帧的子集运行，但是执行由类似数百位浮点数相乘的矩阵表示的线性方程，没有跟踪那么快，但仍然接近实时。

这些运算运行效果良好，且均为实时计算。受算法以及传感器相关的校准误差/噪声所限，真实路径和估计路径会随着时间的推移而出现分歧。当机器人重新回到曾经在全局闭合循环中到达过的某个点时，错误可以被纠正。这种计算显然不需要经常发生，但是必须要解答由数千位浮点数相乘的矩阵表示的线性方程组。这需要足够长的时间，因此必须在后台运行。

多传感器和融合

视觉感应必须通过其他形式的感应增强，例如，通过time of fly传感器的距离或时间感应避免撞上狗或电视机。此外，机器人还可能被低障碍物、椅子的地板支撑或地板和地毯之间的边界卡住。为了应对此类情况，机器人需要一个6轴传感器，来检测可能会导致机器人卡住的倾斜区域，并应尝试不同的路径。机器人通常还包括光流传感器（例如跟踪鼠标移动的传感器）等等。这些额外的输入改善了SLAM处理的精度，但他们必须智能校准和融合以确保实际提升精度。基于摄像头的跟踪还必须融合惯性和其他类型的感测，以便于当机器人进入床或桌子下面时，可以继续沿着合理的路径行动。 

SLAM平台的要求

综合考虑，运行高质量的SLAM需要大量的传感器信息处理。云计算无法实现；通讯延迟会扼杀有效性。计算需要在基于机器人的特制低功耗平台上实时运行。一种基于DSP的架构，旨在支持多种类型感测融合，利用专用指令优化实现快速定点SLAM计算以及快速浮点线性代数。通过硬件支持上述视觉惯性SLAM融合。还有支持广泛应用ORB-SLAM2开源流的SDK。

原文标题：SLAM和多感官机器人很快就会走进千家万户

文章出处：【微信公众号：CEVA】欢迎添加关注！文章转载请注明出处。

责任编辑：haq