6月24日讀畢需時 3 分鐘

RobooPi: 低速移动机器人的创新应用

已更新：6月25日

低速移动机器人（Low-Speed Autonomous Mobile Robots, LS-AMRs）是自动驾驶技术在特定低速场景下的应用，主要用于执行简单、重复性高的任务。随着传感器技术、计算能力以及人工智能算法的快速发展，低速移动机器人的自主导航、避障和路径规划能力得到了显著提升。这些机器人已在多个行业中得到广泛应用，如仓库管理、医院清洁、机场行李运输和零售商店导览等。

Eyecloud.ai推出的RobooPi Px系列低速移动机器人边缘算力控制站是该领域的创新产品。以RobooPi P56为例，该工作站是专为移动机器人和智能边缘物联网设备设计的高性能计算平台，搭载 NVIDIA Orin Nano，可提供高达 40 TOPS 的 AI 性能，并结合先进的 AI 软件堆栈，支持GMSL2和MIPI CSI-2摄像机应用于自主机器、工业检测、机器人和边缘计算。

图1：RobooPi P56机器人侧面图

图2：RobooPi P56机器人正面图

低速移动机器人的发展过程需要解决一系列核心技术问题，以确保其在各种应用场景中的可靠性、安全性和效率。以下是一些关键核心技术问题：

环境感知技术

低速移动机器人需要通过多种传感器（如摄像头、激光雷达、超声波雷达等）准确感知周围环境。这包括检测障碍物、识别地形特征以及读取交通信号。

定位与导航技术

机器人必须具备精确的定位能力，通常通过SLAM（Simultaneous Localization and Mapping）技术实现。这使得机器人能够在未知环境中自主导航。

路径规划与避障算法

高效的路径规划算法能够使机器人在复杂环境中找到最优路径，并能实时响应突发障碍物，确保安全和效率。

决策与协同算法

机器人需要根据感知信息做出快速决策，并在多机器人系统中实现协同工作。这涉及复杂的算法设计和实时数据处理。

通信技术

包括与控制中心、其他机器人以及周边设备的通信能力。这确保了数据的及时交换和远程监控的实现。

硬件可靠性与安全性

机器人的硬件系统需要能够承受恶劣环境和长时间运行的考验。这对材料选择和工程设计提出了高要求。

软件架构与计算能力

强大的计算平台和优化的软件架构是支持复杂数据处理和算法运行的基础。需要确保系统的高效性和稳定性。

人工智能与机器学习

利用AI技术提升机器人的自主性和适应性，通过机器学习不断优化性能，使机器人在不断变化的环境中表现出色。

解决上述核心技术问题对于推动低速移动机器人的实际应用和产业化至关重要。而RooboPi Px系列边缘算力站的推出，特别适用于高图像质量、低照度成像和低延迟传输解决方案。该解决方案包括具有各种接口的摄像头，如MIPI、GMSL、FPDLINK、USB等。我们还提供Linux驱动程序和示例应用程序，及ecfg视觉中间层，以实现快速的集成。

同时借助于NVIDIA Isaac AMR平台，可实现仿真、验证、部署、优化和管理自主移动机器人车队，包含了边缘到云的软件服务、计算以及一套参考传感器和机器人硬件，可加快 AMR 的开发和部署速度，减少成本和缩短产品上市时间。

RobooPi P56机器人自主感知多摄像头接入