AI/5G如何赋能机器人

金融界 中字

一、AI机器感知解决机器理解世界的问题。

1.机器视觉硬件可采集周围环境信息

目前常用的视觉传感器主要有:摄像头、ToF镜头和激光雷达技术。

2.AI视觉技术算法帮助机器人识别周围环境

视觉技术包括:人脸技术、物体检测、视觉问答、图像描述、视觉嵌入式技术等。

3.SLAM技术赋予机器人更好的规划移动的能力

SLAM,全称叫做Simultaneous LocalizationAnd Mapping,中文叫做同时定位与建图。在SLAM理论中,第一个问题称为定位(Localization),第二个称为建图(Mapping),第三个则是随后的路径规划。通过机器视觉的映射,机器人可以通过复杂的算法同时定位并绘制出位置环境的地图,通过SLAM技术可以有效解决规划不合理,路径规划无法覆盖所有地区,导致清洁效果一般的问题。

4. 基于ToF机器视觉的超宽带定位技术

机器人中,基于ToF技术,主要可用来进行高精度测距与定位,目前常用的就是超宽带定位技术。

UWB(超宽带)是一种无线通信技术,可用于高精度测距与定位。UWB 传感器精简设备分为标签和基站两种。其基本工作方式是采用TOF(Time oFflight)的方式来进行无线测距,根据测距值快速准确计算出位置。

二、AI自然语言处理是人机交互的重要技术

人类获取信息的手段中90%依靠视觉,但表达自己的方式90%依靠语言。语言是人机交互中最自然的方式。但是自然语言处理NLP 的难度很大,在语法、语义、文化中均存在差异,还有方言等非标准的语言产生。随着NLP 的成熟,人类与机器的语音交互越来越便捷,也将推动机器人向更“智能化”发展。

1. 语言技术的硬件主要依靠麦克风和扬声器实现

2.AI自然语言处理NLP 算法仍是人类未来尚需攻克的一大方向

三、AI深度学习算法帮助机器人向产生自我意识中进化

1. 硬件:AI芯片技术的发展,使机器人拥有更高算力

2. 算法:AI深度学习算法是机器人的未来

四、AI+5G拓展机器人的活动边界,提供更大算力和更多存储空间,形成知识共享

1.4G时代,移动机器人的四大痛点

2.5G对于移动机器人的赋能:

1)拓展机器人的工作范围

2)为机器人提供更大算力和更多存储空间,形成知识共享

声明: 本文系OFweek根据授权转载自其它媒体或授权刊载,目的在于信息传递,并不代表本站赞同其观点和对其真实性负责,如有新闻稿件和图片作品的内容、版权以及其它问题的,请联系我们。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存