发布时间:2019-07-19 阅读量:2542 来源: 德州仪器 发布人: CiCi
在我的上一篇博文中,我讨论了德州仪器(TI)毫米波(mmWave)传感器如何为工厂中的机械臂提供边缘智能。现在,我想讨论毫米波技术如何为自主机器人提供边缘智能,使传感器能够做出实时决策,以减缓或停止机器人,并确保其在工业机器人应用中的持续性能。
TI毫米波传感器可用于旨在帮助工业机器人避免碰撞的系统中,解决同人类和其他物体相互作用的机器人协同互动的关键问题。若边缘需要额外的机器学习处理,毫米波传感器可与工业级处理器(如Sitara™处理器)无缝协作,以提供额外智能。
了解TI 毫米波传感器和Sitara处理器如何实现智能机器人技术
就像汽车先进的驾驶员辅助系统可使用毫米波进行环绕全景监控和障碍物探测一样,毫米波传感器有助于解决自动导引车(如物流机器人、运载工具、叉车和液压车)的类似挑战,如图1所示。
图1:各种自动导引车
3D点云探测
具有三发射器和四接收器天线配置的毫米波传感器可在方位角和仰角平面上使用角度信息实现最大30 m的3D物体探测,以便从高处探测物体。这对于叉车这样的车辆极其有用,因为它的传感器位于离地面较高的位置。单个传感器能够在120度视野范围内探测物体,从而最大限度地减少环绕监测系统所需的传感器数量。
高分辨率、准确探测
由于毫米波传感器在4 GHz带宽下工作,因此可识别间隔4 cm的单独物体,并在可能被漆黑、灰尘或物理屏障遮挡的区域中操作。这种高分辨率能力是必要的,以便传感器准确地计数和识别物体或人员,并实时触发适当动作,比如在碰撞之前停止机器人。
除实时物体感测和避碰外,毫米波传感器还提供额外功能,以使智能工业机器人成为可能。
地速和边缘探测
TI 毫米波技术通过多普勒频移提供亚毫米级精度和高分辨率,实现精确的地速感测,使传感器系统能够计算车辆的地面速度并探测地面边缘,例如车轮可能滑动的装卸凉台,以避免不可恢复的情况。
透明物体探测
TI 毫米波传感器可以探测透明物体,如玻璃和塑料以及暗物,这可能对某些光基技术有所挑战。提高探测精度有助于避免与玻璃屏障或物体碰撞等潜在意外事故。
符合SIL-2标准
TI的60 GHz 毫米波传感器可帮助系统满足IEC安全完整性等级(SIL)-2标准,以便在人机交互密切时进行事件管理。在设计SIL-2认证系统时,工程师可直接使用TI 毫米波传感器提供可能需要系统实施额外安全处理器系统或冗余传感器系统从而获得认证的功能。
自主机器人中的TI 毫米波传感器
作为数字信号处理器的一部分,TI高度集成的毫米波雷达传感器具有先进的聚类和跟踪算法,可在边缘提供智能自治。图2所示为带有集成处理的TI 毫米波芯片。
图2:比较典型的前端传感器解决方案和可实现边缘智能的集成的TI 毫米波传感器。
由于TI 毫米波传感器不受环境(雨、灰尘、烟雾)和照明条件的影响,且可通过塑料等材料感知,因此它们无需外部透镜、孔径或传感器表面就可有效探测机器人路径中的物体。
更多边缘智能
深度学习是机器学习的一个子集,在工业领域越来越受欢迎。TI提供硬件和软件支持,帮助设计人员为包括机器人技术在内的各种应用带来深度学习推理。
对于发生智能传感器自带数据处理能力不足的应用,配备高达1.5 GHz高性能Arm®Cortex®-A15内核以及双核C66x处理器的Sitara Am57x处理器系列能够运行深度学习推理和传统的机器视觉算法,可解决预测性维护和剩余使用寿命等应用的机器学习需求,或者基于超出现有功能的传感器输入做出决策。Sitara AM57x处理器为工业通信(EtherCAT、Profinet、时间敏感网络、Profibus、以太网/互联网协议)提供专用硬件,可用作机器人控制器的中央处理单元。
总之,用于稳健物体探测的集成毫米波传感解决方案以及用于增强机器学习的Sitara处理器,为机械臂的区域扫描仪或自主机器人避撞提供了智能解决方案。请参阅我们的资源开始开发。
其他资源
· 开始使用我们最新的参考设计“配备Sitara™ 处理器和毫米波传感器且使用 ROS 的自主机器人参考设计。”
· 阅读白皮书,了解“24 GHz以上的60 GHz 毫米波传感器如何实现更智能的工业应用。”
· 阅读应用说明:“毫米波雷达传感器:物体与范围。”
· 在我们的白皮书“传感器数据如何为机器人技术中的AI提供动力”中了解更多信息。
在AI算力爆发与云计算需求激增的2025年,数据中心面临高带宽、低时延、低成本的三重挑战。GIGALIGHT推出的400G QSFP-DD SR4至4×100G单波互连方案,以“单波长100G PAM4”技术为核心,突破传统并行架构的瓶颈,实现单端口带宽利用率提升300%、功耗降低20%,并减少75%的光电转换单元,为全球超大规模数据中心提供兼具弹性与经济效益的短距连接新范式。这一方案不仅解决了传统400G部署中光纤资源浪费、端口密度不足、TCO过高等痛点,更在NVIDIA GPU集群、云原生Spine-Leaf架构等场景中验证了其技术领先性。
在AI数据中心高速迭代的浪潮中,是德科技KAI系列解决方案以全栈测试能力重构AI基础设施验证范式,通过算法仿真、高速网络验证与光互连测试三大核心模块,直击AI集群设计效率低、网络验证复杂度高、光模块测试精度不足等痛点。相较于传统方案,KAI系列通过全生命周期协同验证,帮助客户缩短30%以上的开发周期,并在Meta、阿里云等头部企业的实际部署中实现性能跃升。以下为重新生成的5个标题,结合技术价值与传播吸引力,精准覆盖用户需求场景。
在全球5G与AI技术加速融合的背景下,广和通推出5G AI MiFi解决方案,通过“通信+智能”双引擎重构移动热点设备的行业标准。该方案基于4nm制程高通QCM4490平台,集成Wi-Fi 7多频并发、本地化AI语音交互(支持20种语言互译)及低功耗设计,在2.33Gbps下行速率与95%翻译准确率的加持下,彻底解决传统MiFi设备在跨国场景中的连接延迟、交互单一及云端依赖等痛点。相比Netgear、华为等竞品,其独特的“端侧AI+边缘计算”架构在能效比(0.46Gbps/W)与多场景适配性(工业巡检、国际商务)上展现显著优势,成为推动万物智联时代高效落地的标杆方案。
一般定位追踪可使用GNSS技术,引入NB-loT的作用主要是为了利用云平台实现管理
工业智能化发展使大量工业设备需要接入网络以实现数据采集、远程监控和设备控制等功能