当我们思考的机器人,我们大多数人照片的科幻小说或友好胡椒机器人在科技事件在过去的几年里。但目前的现实是没有那么激动人心。今天的许多工业机器人市场上专注于自动化非常简单,重复的任务,如包装、库存,把东西放在托盘,等等。这些机器人通常预先编程/训练做一个特定的任务,即使这是一个合作的机器人在生产工厂组装产品。我的一个朋友曾经训练机器人如何焊接将其描述为一种可视化编程机器人在哪里教模仿一个任务。使用手写笔,他们被教导要遵循一套XYZ坐标,如焊接线在哪里,有多少地区应该焊接,保持合适的温度,等等。
在一天结束的时候,这些机器人并不是真正自治的限制这一个任务。这意味着任何变量不占一个机器人和抛出错误可能导致问题为整个生产线,他们只是不适应的像人类一样。如果别的工厂需要更改,然后机器人操作员/培训师必须引进培训/重新配置所有的机器人生产线。
好消息是,我们更好地找出如何应用传感器计算机视觉和人工智能(AI)机软件。这将使机器能够解释周围的世界,并适应不同的环境比最初的训练了。但是真正的机器人智能将取决于双向学习,知识的感觉,任何个人机器人或设备可以应用到云中的核心算法,然后共享所有类别的机器人。这些上下文敏感的系统机器人将相互关联的物联网传感器(物联网),其他机器人和数字生态系统人工智能数据处理和模型建立。和处理所有数据将取决于一个分布式,混合与低延迟multicloud IT基础设施,私人数据交换安全连接。手机金宝搏188
使机器人通过物联网智能和人工智能
虽然机器人领域的可能有不同的比物联网和人工智能领域的焦点,这是他们支持这些技术的融合和it体系结构,注入更大的智能终端设备——在这种情况下,机器人。ABI研究公司创造了这个词的“网络机器人的事情(IoRT)”来描述这种类型的系统,“智能设备可以监视事件,融合传感器来自各种数据源的数据,使用本地和分布式“情报”来确定最佳的行动方针,然后采取行动控制或操纵对象的物理世界。”[我]与一个独立的机器人程序做一个任务,IoRT系统相连的边缘和云,可以交换数据和见解在实时适应不断变化的情况。
下图说明了连接机器人系统的核心元素。物联网就像五个人类感官感知世界,人工智能在云中是大脑处理信息和理解它,和机器人身体基于这些知识采取行动。在某些情况下,我们不假思索的反应,如不触摸热炉,因为我们的身体已经学会把痛苦。这将是类似于物理机器人的IoRT已经获得所需要的情报很快适应某些情况下。在其他时候,当我们遇到新情况,我们需要思考和学习在采取行动之前,如学习开车的时候停在红灯。这就是云机器人进来,这是关于改善与洞察力的核心云中的人工智能模型收集的机器人在边缘或IoRT相连。
来源:来自“网络机器人的事情:评估概念、附加值和应用程序”(二)
上下文敏感的系统能够检测和预测,在环境中不断变化的环境和反应实时正确的响应。业务发展主任Chiaren库欣,Equinix的
双向的学习例子——交付机器人
这可能是如何工作的一个例子是一个舰队的自主机器人。每个交付机器人有自己的传感器和人工智能计算机的操作和沟通与其他机器人舰队和IoRT平台的优势。随着时间的推移,它会变得明显,一个特定的十字路口是一个问题的几个机器人舰队中。也许交通灯变化太快,他们突然停止,抛出一个错误,或计划外路工作打乱了通常的途径。周围所有的数据从传感器误差,如视频,见解从边缘节点等发送到核心的智能算法在云训练他们认识到这些新的边界情况和考虑这些情况。那更新的人工智能算法是整个机器人舰队运回软件更新,这样他们就可以更好的导航,十字路口。
低延迟对机器智能至关重要
这种类型的双向学习工作好,低延迟是关键。机器对机器(M2M)通信和交互边缘需要子20毫秒的延迟。,同时提高核心云中的人工智能模型可以忍受更高的延迟,恢复软件更新机器人舰队解决问题和提高精度需要可靠的和及时的。需要一个分布式IT基础设施之间的距离缩小的机器人和一个点连接到大带宽。如厂商中立的互联解决方案平台Equinix的®能之间的桥梁核心AI模型所需的计算能力的云,私下里连接到数字生态系统所需的达到低延迟,安全的数据交换和改进的人工智能模型。
下载白皮书想要了解更多关于物联网的数字基础设施。
(二)Mauro Pieter Simoens Dragone和亚历山德罗Saffiotti网络机器人的事情:回顾的概念,附加价值和应用程序,国际期刊《先进的机器人系统,DOI 10.1177 / 1729881418759424, 2018年1 - 2月。
机器人双向学习工作好,低延迟是关键。需要一个分布式IT基础设施之间的距离缩小的机器人和一个点连接到大带宽。