机器人的心脏？计算机视觉与人工智能

编辑注：insight.tech 支持终止种族主义、不平等和社会不公正的行为。我们不容忍赞助商的产品被用于侵犯人权，包括但不限于政府滥用可视化技术。insight.tech 展示产品、技术和解决方案，并遵循以下前提：负责任和合乎道德地使用人工智能和计算机视觉工具、技术和方法。

机器人一直以来都是科幻小说的主题。在 1956 年的电影《禁忌星球》中，首次出现了具有鲜明个性和冷幽默的机器人罗比。在美国电视剧集《迷失太空》中，B9 型机器人具有超人的力量和音乐才能。

当然，距离具有个性、提供保护和陪伴的全自动机器人出现还有很长的路要走——在这个星球上如此，更不用说在最遥远的太空中了。但是，我们开始看到智能机器人出现在各种日常应用中：

• 问候顾客，回答问题和引导零售购物者
• 提供关于医院设施的信息以及有关持续患者护理的指导
• 接待客人，引导他们到接待处，并将行李运送到酒店房间
• 在银行中心接受付款并收集账户信息
• 在仓库周围运送货物并担任下班时间保安

智能服务机器人剖析

视频 1 展示了 New Era AI Robotic Inc 的智能服务和交付机器人。系统使用同步定位与地图构建 (SLAM) 算法、语音和面部识别软件以及全面的传感器套件来执行上述任务。

这些功能在两个单独的子系统上执行：一个用于导航和控制，另一个用于驱动用户界面。

核心：计算机视觉和深度学习

New Era 机器人所采用的核心技术为内部 SLAM 技术，它允许 40 至 50 公斤的系统安全地在周围导航。确定性的面向控制的 SLAM 软件根据来自多个传感器的输入数据运行，为机器人提供周围环境的 2D/3D 视图，以进行物体检测、识别和回避。

“自动驾驶汽车有许多许多的传感器”，New Era AI 的首席 SLAM 软件工程师 Allen Tsai 说。“同样，室内机器人不能只依赖一个传感器。在像购物中心这样的现实环境中有非常多的人，没有什么是静态的。”

最初，系统仅利用 2D 平面 LiDAR 传感器阵列。虽然 LiDAR 具有高性价比并且相当可靠，但事实证明，它限制了机器人在动态三维空间中的导航。通过在设计中增加英特尔^®实感^™ 摄像头，New Era 实现了立体视觉，可以更好地感知角度、拐角等（图 1）。

“利用英特尔实感摄像头，我们能使用经典的计算机视觉算法来增强图像并识别特征”，Tsai 继续说。“然后我们将其注入到 LiDAR 传感器中，这样我们就不只依赖于一个传感器。”

基于四核英特尔^® 酷睿^™ i5 的 Linux PC 处理来自 LiDAR 阵列和实感摄像头的传感器数据，然后将 SLAM 算法应用于这些输入。这些算法绘制出机器人可互动的物理空间，精度达 5 厘米。软件随后会叠加用于标识特征（例如房间、走廊、物体等）的描述符。SLAM 算法具有极高的内存效率，可以在任何给定时间将数千张地图存储在机器人的硬盘上。因此，每个机器人仅需要 4 GB 的 DDR4 内存。

人类与面部识别和人工智能的交互

第二个计算子系统运行与人类交互所需的所有应用程序，包括面部识别、语音检测、聊天机器人和触摸屏 UI。它基于一台 Windows PC，该 PC 利用四核英特尔^® 奔腾^® N4200 CPU，并运行使用英特尔^® OpenVINO^™ 工具套件开发的卷积神经网络 (CNN) 算法（视频 2）。

OpenVINO 帮助 New Era AI 工程师优化了算法，以在包含集成的英特尔^® HD Graphics 505 GPU 的奔腾处理器上执行。这提供了足够的吞吐量，从而可以实时处理由实感摄像头捕获的图像。同时也开放了一系列重要的面部识别功能。

OpenVINO 优化的算法不仅可帮助机器人检测人类，甚至可用于分析年龄、性别和情绪。借助以匿名元数据形式收集的信息，机器人操作员可以确定哪些人最有可能与机器人互动，在何处互动以及互动多久。例如，在零售或酒店环境中，这些分析可用于最大化销售额或改善客户服务。

而且，由于 Windows PC 提供的本地连接性，新算法、聊天机器人和其他软件可以随时间更新。

更逼真的机器人

New Era AI Robotic 的工程师继续整合技术，使得与机器人平台的交互成为更自然的类似于人的体验。

例如，下一代设计可利用英特尔^® Movidius^™ 视觉处理单元 (VPU) 和/或英特尔^® 神经计算模块，并结合更高级的 OpenVINO 算法。此技术堆栈可能会对平台产生重大影响，实现多人同时通信、本地化自然语言处理 (NLP)，甚至提高图像吞吐量和分辨率以实现更精细的地图绘制和导航。

虽然智能机器人还不能成为星际伙伴，但它们已远远领先于几年前的任何事物。它们也呈现了我们可以期待的未来几十年后的人类/机器人融合社会的样子。