什么是机器人技术中的自主性？

谈到机器人技术，自主性并没有一个公认的定义。对于一些人来说，当一个移动机器人能够规划自己的路线时，它就是自主的；而对于另一些人来说，只有当一个机器人能够实时识别并对其环境做出适当的反应时，它才是真正的自主。这就需要高水平的概率计算。

概率计算

为了本文的目的，我们涵盖了所有使移动机器人能够独立于固定路线移动的技术，认识到这是可以通过高水平的确定性编程来实现的（例如，如果从A到B的路线被阻断，则采取从A到C到B的路线），以及使用概率计算的更复杂的应用。

在自主性的高级阶段，机器人能够根据物体或人的特征（例如，儿童或成人）来识别和回应，这在技术上是复杂的，而且在商业应用中还没有。

目前，编程和安装在机器人应用的总成本中占了很大一部分。上述功能和机器人学习技术的发展，再加上越来越直观的机器人编程界面，将继续降低机器人安装的总体成本，从而推动机器人的应用。机器人制造商和集成商也有可能转向"即插即用"模式，这种模式在计算机领域已经非常成熟。制造商将为机器人提供一定程度的功能，但也将提供一个接口，通过这个接口可以轻松地添加第三方应用程序，并将额外的集成成本降到最低。

导航

自主导航--机器人绘制并执行从A到B的路线，在遇到障碍物时实时调整路线的能力--是AMR的基础。机器人的自主导航建立在同步定位和绘图（SLAM）算法的基础上，该算法自20世纪80年代以来一直在不断发展。SLAM算法在建立机器人周围环境地图的同时，根据从传感器收到的数据，确定机器人在该地图中的位置。由于每种确定位置的技术都有缺点（例如，在测量的距离和可变条件（如雾或高温）下的可靠性方面），大多数SLAM的应用结合了来自多个来源的数据，包括光成像检测和测距（LiDAR）、雷达、GPS、里程测量（车轮旋转）和超声波。LiDAR是最稳定的应用。最近，VSLAM（视觉SLAM）算法将二维和三维视觉系统数据添加到混合中。SLAM和VSLAM都是高度复杂的计算问题，许多研究都是针对它们的。VSLAM从相机数据中增加了大量的数据，还需要复杂的算法来识别冗余的数据（"噪音"）。这些都需要大量的计算资源，但对于使AMR识别它所遇到的物体--和人--的类型并作出适当的反应至关重要。

在接下来的几年里，计算机能力的不断提高，以及算法的改进，减少了需要处理的数据量，并加快了处理速度，应逐渐降低SLAM和VSLAM的成本。

视觉和传感

来自Photoneo的3D运动相机图像

在过去的五年里，机器人视觉和传感器有了很大的发展，大大增强了固定和移动机器人的能力。三维视觉技术的发展对移动机器人尤其重要，因为三维视觉提供的深度数据是评估与潜在障碍物的距离等所需的。三维视觉传感器从多个来源获取输入信息，以找到从不同角度感知的物体之间的匹配点，从而推断深度。许多三维视觉系统除了使用激光传感器外，还使用一个或多个摄像头。三维视觉是非常复杂的，尤其是在移动环境中，照明、物体和人的位置等条件都在不断变化。

在未来五年内，我们可以期待看到传感器的改进--特别是在处理非常小的距离范围方面--以及随着传感器变得更加普遍而降低价格。传感器将能够更好地处理环境条件，如雾、雨和明亮的阳光，以及室内的扭曲，例如来自反射物体的扭曲。识别移动物体的位置和性质的技术也在迅速改进--例如，在更快但不太稳健的飞行时间和立体视觉测量中加入平行结构的光线测量6。这是采用取放机器人处理在传送带上移动的物体的关键。

视觉系统可能会变得越来越定制化，这样最终用户就可以很容易地在他们的机器人队伍中更换视觉系统，以满足应用的要求。随着视觉系统变得更加复杂，机器人用户必须了解并遵守数据隐私法规，特别是在使用3D数据传输方面--例如，使人在物体上被识别，但不捕获个人的任何识别特征。

车队管理

AMR通常通过车队管理系统与同一制造商的其他AMR相连，通过这些系统可以协调和监测它们的活动。车队管理系统可以被配置为不仅控制移动机器人，而且还控制其他机械或硬件，使机器人能够触发活动，如启动传送带或加工工具。车队管理软件正在迅速发展，除了管理车队内机器的运动外，还使用先进的算法来确定车队的最佳设置。机器人和车队中的其他机器可以通过中央车队管理系统连接，也可以直接相互连接。例如，如果一个机器人接近一扇门，开门的命令可以由机器人向中央系统发送它在门前的信息，然后由系统向门发送指令，或者直接由机器人传送到门上，并向中央系统更新其位置。混合模式也很常见，其中机器人通过直接通信执行一些行动，而其他行动则由中央管理。

车队管理系统也可以与其他软件应用程序连接，如企业资源规划（ERP）和制造执行系统（MES），实现从订单到执行的全过程自动化。

互操作性

对于已经投资于这些技术的制造商和物流供应商来说，AMR与其他制造商的机械的AGV和AMR之间的互操作性是一个关键问题。如果用户正在操作来自多个供应商的AMR，这些供应商的车队管理系统需要连接。目前，在技术高度混合的情况下，确保互操作性可能会吃掉整个安装成本的很大一部分。目前有许多倡议来解决这个问题--尽管大多数都处于早期阶段。例如，德国汽车工业协会（VDA）的VDA50/50是一个新的接口，使无人驾驶运输系统和控制软件能够相互独立地进行通信7。我们可以预计，编程和通信接口的发展将大大减少集成的时间和成本，从而通过减少安装的总成本来刺激机器人的采用。

边缘/云计算模式

将机器人连接到本地（边缘）或远程（云）服务器，使用户能够收集数据，并进行分析以提高机器人的性能。来自执行相同任务的机器人群的数据可以被汇总和分析，以优化机器人程序，然后可以更新并下载到车队中的每个机器人。分析这些数据模式的算法越来越复杂，因此可以非常迅速地做出调整，并有可能大幅提高效率。

生产或物流周期中的机器数字化也使制造商和物流公司对产品的组成部分有更大的可追溯性。这在食品生产和制药等领域非常重要，例如，可以识别假药。

与远程服务器的连接涉及到大量的数据传输，必须在两个方向上极快地执行，以实现对机器人程序的实时调整等。2019年推出的5G网络有足够的带宽来实现大规模的连接，而且正在进行的5G网络的推广预计也将会是一个新的趋势。

正在进行的5G网络的推广预计将加速联网机器人的采用。5G提供了更快的数据传输，并能全面覆盖整个工厂或仓库，这是WiFi所不能保证的。

云连接带来的远程操作的可能性也使机器人即服务（RaaS）和软件即服务（SaaS）的商业模式成为可能，用户租用机器人和/或软件，并在租赁费内进行维护和更新。这种模式使公司免去了最初的资本支出，并确保他们始终以最新的技术工作。机器人的数据会自动发送到云端，机器人供应商可以预测何时需要维护或更新。不需要详细适应个人用户环境的简单应用也可以从云端下载。一些公司正在采用混合方法，即购买机器人和租赁软件。

移动性

本文所涉及的行业中的大多数AMR都是轮式的，尽管有一小部分是腿式的，用于室内环境，包括平坦的表面、楼梯和斜坡。大多数轮式AMR是双向的，但也有一些是全向的，如KUKA KMR iiwa和Neobotix的MPO系列。全向机器人在运动中提供更大的灵活性，但往往以更重的轮子为代价。然而，我们可以期待全向轮的发展，它将更轻，需要更少的能量来刺激未来的应用。

KUKA

机体材料

机器人的物料会影响它们的尺寸、重量和外观轮廓，所有这些都会影响它们在不同环境中的适用性，包括那些机器人打算或可能会与人类接触的环境。机器人制造商正在使用较新的轻质柔性材料来建造机器人，这些机器人打算从固定或移动基地与人类接触。铝是一种轻而坚硬的材料，经常用于机器人，但机器人制造商正越来越多地转向碳纤维复合材料，这种材料比铝更轻，同时又不牺牲坚硬。例如，库卡公司2005年发布的KR 100-2 PA码垛机器人9，在机器人的一个轴连杆中使用了碳纤维复合材料。机器人电机也越来越轻。更轻的机器人意味着更低的前期前期成本，并通过更快的周期时间为客户提高回报。

可能与人接触的机器人一般都有圆形的轮廓，并可能使用机器人皮肤。皮肤不仅可以吸收接触的力量，还可以安装传感器，以提供先进的触觉特性，这也是处理精细材料的机器人抓手所需要的。

在"软体机器人"方面也有相当大的发展，重点是用于机器人执行器的柔性材料。机器人的无线充电也有发展，这减少了对机器人接口部件的磨损，意味着机器人不需要在充电点花费时间。

在本节中，我们将探讨AMR对不同行业领域的影响。

软抓手，图片来源：qbrobotics