机器人遇到意外情况怎么办
扫描二维码
随时随地手机看文章
物联网设备通常用于处理特定任务。机器人需要对开发人员可能没有预料到的意外情况做出反应。人工智能和机器学习帮助机器人处理这种情况。
机器人和物联网设备的相似之处在于,它们都依靠传感器来了解其环境,快速处理大量数据并决定如何响应。大多数物联网应用程序处理定义明确的任务,而机器人则自动处理预期的情况。让我们考虑六种不同的向量:
1.传感器
物联网 :固定传感器的二进制输出。“门是打开还是关闭?”
机器人:来自多个传感器的复杂输出。“在我面前是什么?我该如何浏览它呢?“
2.处理
物联网 :使用众所周知的编程方法处理的简单数据信号流。
机器人:由神经网络计算处理的大型复杂数据流。
3.流动性
物联网:传感器是静止的,信号处理在云端完成。
机器人:载有传感器的机器人是移动的,信号处理是在本地和自动完成的。
4.回应
物联网 :针对情况采取的行动已明确界定。
机器人:可以采取多种行动来应对这种情况。
5.学习
物联网 :应用程序通常不会自行“发展”并开发新功能。
机器人 :机器学习和其他技术用于让机器人“学习”并提高他们应对新情况的能力。例如,随着更多情况的处理,自动驾驶汽车会变得更加智能。
6.设计
物联网:固定式传感器。集中处理,电力随时可用。需要传感器和云之间的通信通道。
机器人: 重量,尺寸和功率需求是重要的设计考虑因素。沟通能力不太重要。
拓扑物联网应用程序主要集中在边缘设备上,自身的智能很少。低成本传感器将信号传输到云中的控制中心,该控制中心分析数据流并决定要采取的行动。中央集线器的成本可以通过数千个基于传感器的应用程序进行摊销,使物联网应用程序更加经济实惠。网络连接和延迟限制了物联网可以满足的应用范围。
机器人和无人机以分散模式运行。他们拥有自己的高度决策能力,即使断开连接也可以自行运作。机器人通常只会分享他们遇到的意外情况的详细信息。这允许通过将机器学习应用于收集的反馈来改进其算法。
思考很难对机器人进行编程以执行相同的任务需要视觉传感器(摄像机)来提供连续的视觉输入,图形处理单元(GPU)用于处理视觉信号流,中央处理单元(CPU)用于控制电机功能。
机器人依靠多个高分辨率传感器来生成复杂的数据流。这需要更多的处理能力和多个神经网络来并行处理它们。
物联网设备则通常用于处理特定任务。这可以像检测门是否打开的传感器一样简单,并且中央集线器发送警报以通知所有者门是打开的。机器人需要对开发人员可能没有预料到的意外情况做出反应。这可能是如何绕过他们路径中的障碍物。
人工智能(AI)平台和机器学习帮助机器人处理这种情况。随着更多机器人的部署和分享他们遇到的意外情况,他们会越来越“聪明”。