自主移动机器人（AMR）是制造业/仓储业中危险/复杂物料搬运和高效物流中心运作的未来。为了实现这个未来，AMR通常需要类似人类的能力和灵活性。需要设计/开发工具和硬件系统来实现这些增强的能力，同时确保安全性和可靠性。

本文旨在让读者了解可用于帮助设计和开发AMR的资源和工具，以及成功AMR的关键硬件系统。

大脑：人工智能/机器学习系统和控制

对于AMR来说，它们需要遵循预定的程序，沿着轨道前进，或者在操作上有足够的限制，简单的预编程指令适合它们的有效操作。由于这将限制机器人技术的效率和生产力的提高，如果AMR由人工智能/机器学习（AI/ML）算法驱动，可以被训练成随时处理各种环境，一般被认为是更可行的。这种类型的学习使AMR能够不断改进，而无需对每一个潜在的互动或操作进行专门编程。AMR人工智能/ML系统需要两个关键组成部分，一个学习/开发系统和必要的硬件，以实现人工智能/ML控制，并感知/互动于外部环境和内部子系统。

用于AMR的人工智能/机器学习

用于AMR的人工智能/机器学习系统的主要功能是确保安全，避免障碍物，自主地执行一组给定的任务，并在必要时随时为新的任务进行培训。要做到这一点，AMR需要一个AI/ML核心，它可以包含AI/ML学习算法和数据，以及可以由AI/ML核心指导和解释的基本传感器、处理和控制硬件。AI/ML核心（模型和推理/运行时引擎）也需要有一个发达的基础设施，可以从中进行教学。

开发一个AI/ML核心并不简单，相反，它往往是一项漫长而昂贵的工作。正因为如此，有一些预建的人工智能/ML核心，或工具包，其设计和开发是为了方便地重新使用和集成各种兼容的硬件选项。这些核心通常包括开发工具、处理核心、数据存储和接口，可用于连接一系列，甚至可能是单一选择的传感器。这种人工智能/ML核心可能配备了应用编程接口（API），支持各种人工智能/ML模型，以及与推理硬件对接的软件/开发工具。

AMR人工智能/机器学习硬件

人工智能/机器学习系统需要硬件来实现人工智能/机器学习模型，并处理传感器输入和控制输出，这些输入和输出都是由模型送出的。这需要某种类型的处理硬件，可能是微处理器单元/计算机处理单元（MCU/CPU）、图形处理单元（GPU）、现场可编程门阵列（FPGA），或某种类型的专用硬件，如特定应用集成电路（ASIC）视觉处理单元（VPU）或张量处理单元（TPU）。

AI/ML硬件通常可以使用各种处理单元来实现，如用GPU或VPU来处理来自图像传感器的传入信号，用MCU/CPU和FPGA来处理传感器信息和输出控制信号（图1）。在许多情况下，AMR需要以确定性和实时性来操作，以确保安全和效率。这意味着AI/ML模型、软件和硬件都必须以确定性和实时性运行。

图 1：AI/ML 处理硬件类型

表 1：AI/ML 处理硬件的比较

根据不同的任务和传感器类型，不同的处理器组合或数量可能是最佳的。例如，如果有大量的相机视觉数据，但有功率限制，VPU可能比GPU更有效，因为后者更通用。相反，如果在AMR上有许多视觉系统，由于系统的复杂性和功耗，单一的高功率GPU可能比拥有几个VPU更可取。

尽管MCU/CPU通常是通用的，可用于各种任务，但它们往往最适合于需要快速处理的串行功能。然而，当给定大量的并行任务时，FPGA可能是一个理想的解决方案，鉴于所选择的FPGA类型，它可以执行各种功能的处理/控制任务，如通信、电机控制和电源转换。

膂力：电机控制、电动马达和储能

AMR的移动性和驱动力依赖于电机、电机控制系统和电能存储。AMR的两个主要电机控制挑战是AMR底盘的移动性和操纵器的驱动，操纵器可能是各种不同的电枢，也可能是简单的上升和下降的雪橇。自然，这些电动机的能量需要以某种稳定的形式存储，能量密度要足够大，并能有效提取。

电机控制技术

主要的电机控制硬件选择是带有CPU和/或GPU的单板计算机（SBC），MCU/数字信号处理器（DSP），或FPGA。选择哪种硬件电机控制解决方案，取决于驱动和执行的复杂性和性能要求。一般来说，SBC要大得多，耗电量也大，但可能是最灵活和潜在的强大控制选项。MCU/DSP更小、更紧凑，可以更容易地进行编码。然而，MCU/DSP的串行控制能力有限，而且在可配置程度上有硬件限制。具有专门硬件逻辑设计的FPGA可以成为最节能和最高性能的选择，并在本质上促进硬件并行。与SBC或MCU/DSP的编程不同，设计FPGA硬件需要有专门的硬件描述语言（HDL）和数字控制系统实现的知识。

电机类型

典型的直流电动机对于AMR应用来说不够可靠或高效。尽管交流电机对于某些AMR驱动应用来说可能是有效的，而且响应速度也足够快，但这些电机也需要直流-交流变频硬件，这就增加了交流电机驱动解决方案的成本和复杂性，同时降低了效率。更常见的AMR驱动电机是无刷直流电机，通常是最高性能和最高效的，需要更复杂的控制和直流到多相转换硬件。

步进电机是无处不在的驱动装置--也是驱动任务的成熟解决方案--被广泛用于数控机床和其他机器控制任务。另一个选择是直流伺服电机，它比步进电机有更多的精度和速度优势。然而，伺服电机通常比步进电机更昂贵，控制起来也更复杂。此外，伺服电机通常是有刷电机，这意味着它们需要定期维护和更换电刷，这对于某些AMR应用来说可能并不理想。

能量存储

锂电池是最常见的用于移动机器人应用的高能量密度电池解决方案。虽然有各种其他的电池类型，如AGM、凝胶、铅酸，甚至是高能量密度的超级电容器，但对于AMR应用来说，锂电池在能量密度和功率密度方面具有理想的平衡。由于电池能量密度直接关系到电池系统在给定储能能力下的整体重量，为了拥有更紧凑和更低重量/效率的AMR，更高的能量密度通常是可取的。

眼睛：3D视觉、2D相机和接近传感器

为了使AMR安全有效地浏览环境，它们需要感知该环境，以便快速处理传感器数据以创建地图、规划路径和机器视觉。此外，AMR需要反应迅速和高分辨率的传感数据，以有效地操纵物体并确保工人的安全。这就是为什么AMR通常配备了一系列视觉传感器，包括三维和二维视觉传感器（照相机），以及接近传感器。

三维视觉和视觉相机

AMR机器视觉应用通常需要以相对较高的帧率运行，并有高分辨率的相机传感器输入，同时尽量减少处理开销。这就是为什么许多机器视觉系统使用专门为处理高吞吐量图像数据而设计的GPU或VPU，并与各种软件开发工具兼容，如英特尔RealSense SDK和为处理3D数据而设计的Open3D开源库。

有了这些三维数据，就可以对环境进行扫描，以实现实时机器人导航。二维相机可用于二维机器视觉应用，如某些执行任务，或者一个二维相机阵列可用于创建一个三维视觉系统（图2）。

图 2：使用多个传感器进行实时深度感测的 3D 视觉相机。

接近传感器

传感器融合通常是提高处理数据准确性的一个重要工具。就AMR而言，由于定位和驱动任务往往依赖于AMR在其环境中以及AMR与目标物体之间的良好位置数据，额外的接近传感器可能非常有用。典型的接近传感器技术包括超声波、红外线（IR）和激光雷达（LIDAR）。这种接近信息与视觉系统相结合，可用于增强AMR的机动性和驱动能力，其精度可达数毫米，而仅用视觉系统来实现这一目标可能更昂贵或困难。

耳朵/嘴巴：无线通信

尽管AMR可以自主操作，但接收定期报告、视觉数据或指导AMR执行新任务往往是至关重要的。在没有人工系绳的情况下，这需要与人工智能/ML核心相联系的无线通信硬件系统。这些通信系统的响应速度、安全性和可靠性是非常宝贵的。4G LTE蜂窝通信系统已被广泛部署在工业环境中，以连接各种传感器，甚至机器人系统。沿着类似的思路，Wi-Fi通信系统也被部署在工业环境中，以提供视频监控、安全、收集传感器数据，并提供对一些工业和机器人系统的控制。

由于AMR系统可能经常需要实时、低延迟和确定性的通信，标准的4G LTE或Wi-Fi都不是这种应用的最佳装备（图3）。有一些建立在4G LTE蜂窝技术甚至是Wi-Fi上的专有系统来完成这个任务。尽管如此，5G标准内置的超可靠和低延迟（URLLC）功能可能更适合于AMR应用，特别是如果多个AMR需要相互沟通和协调。虽然Wi-Fi系统能够进行点对点（P2P）通信，但许多4G LTE系统却不能，这对任何涉及多个AMR的AMR应用可能是至关重要的。如果一个AMR可能还需要与工业环境中的各种其他系统进行通信，那么5G大规模机器型通信（mMTC）功能也可能是理想的。

图 3：要使多个 AMR 实时协调，机器人与基础设施之间的低延迟通信是必要的。

结论

制造和物流中心订单履行的未来取决于 AMR 硬件，从 AI/ML 系统到无线通信系统。考虑到这一明显的需求，现在可以使用范围广泛的 AMR 硬件解决方案，这些解决方案由硬件和软件开发工具提供支持，以缩短设计周期并优化系统性能。