产业|嵌入式传感器将是未来机器人等技术增长的核心

简介: 移动即服务(MaaS)被认为是智能移动的一个关键要素,而机器人汽车技术将是智能移动的一个重要因素,它又高度依赖于嵌入式传感器。

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

CE0F080F_2303_46b7_AB26_4E701B5D84DD

移动即服务(MaaS)被认为是智能移动的一个关键要素,而机器人汽车技术将是智能移动的一个重要因素,它又高度依赖于嵌入式传感器。

根据市场研究和战略咨询公司Yole development pement (Yole)的预测,在这种情况下,高端传感器技术和原始计算能力将成为这场正在进行的市场颠覆的中心,用于机器人车辆的传感器将成为它们自己的产业,在未来15年内,CAGR将达到51%。在一份名为《机器人移动传感器2020》的新报告中表示,到2024年,传感器预计将产生9亿美元的收入,到2028年将达到34亿美元, 2032年将达到170亿美元,届时将有100万辆机器人汽车在我们的街道上行驶。

2024年传感器的收入分为4亿美元的激光雷达,6000万美元的雷达,1.6亿美元的相机,2.3亿美元的IMU和2000万美元的GNSS设备。不同的传感器模式之间的分歧在未来15年可能不会保持不变。在Yole看来,智能交通的发展面临哪些挑战呢?报告称,目前的交通方式正面临五大限制。

第一个问题涉及最脆弱的形式,即行人安全正在恶化。第二,在人们现在生活的主要城市,公共交通在效率和成本方面面临挑战。第三,汽车不再像过去那样是解决交通问题的好办法。拥堵和拥有成本正在削弱这一选择。第四,航空运输目前正在快速扩张,但由于城市到机场的连接仍然很差,旅行仍然很困难。第五,由于所有现有的交通工具造成的二氧化碳排放使得紧急改变变得至关重要。监管者和消费者都愿意在自上而下和自下而上的方式上做出改变。

Yole首席分析师Pierre Cambou表示,移动行业必须去适应,对一些人来说,这将是一个巨大的机会。“在这方面,机器人的灵活性显然符合所有的标准。无论是机器人汽车、航天飞机还是电动VTOL飞机,所有这些新模式的结合将提供从城市到郊区、从城市到城市的“MaaS”。以前的移动方式不会消失,就像电影仍然存在,而电视被大规模部署。不管反对者怎么说,机器人汽车技术将在2032年之前为Netflix提供移动服务。”

他补充到:“我们的街道和城市正面临混乱的情况。多年来,机动性定义了人类组织社会的方式,我们的世界目前正围绕新一代机器人交通工具重新构想。“MaaS市场预计将在未来10年内达到2.4万亿美元的价值,谷歌、百度、亚马逊和优步是热门公司。加上个人拥有的自动驾驶汽车的销售将产生1.1万亿美元的额外收入,到2032年,自动驾驶的附加价值将达到3.5万亿美元。

Yole表示,机器人汽车不关注成本和长期可靠性问题,而这是其他汽车主要关注的问题。所有重要的是传感器套件的即时可用性、性能和可支持性。机器人传感器的数据流受到下游计算能力的限制。前几代机器人的速度是每秒几百TOPS,而最新的机器人速度是每秒1000次。这在传感器数据流方面带来了有限的增长,这与Yole所说的“摩尔定律之外”有关。所需的计算能力随数据流输入的平方而增加。传感摄像头、雷达和激光雷达的数量增长将远远慢于机器人车载计算机的性能。

CCACCD6D_F502_4927_9CD6_E60C739F488F

解决数据稀疏问题的方法是让机器人专家使用“更好的”数据,即传感器,它会带来其他类型的信息。信息的质量提高了,而不是数量。除了工业级相机和雷达外,它们还大量使用3D传感lidars、导航级GNSS设备和IMU,以及最近出现的热红外相机。视觉和视觉智能市场继续快速发展,有一些引人注目的技术趋势正在发生,预计它们将推动多年以来的下一个大规模增长。

3D相机和3D感测:3D相机或更一般的3D感测技术允许场景中深度计算和场景3D地图的构建。这项技术已经存在一段时间了,在微软的Kinect等游戏设备中已经普遍应用,最近在iPhoneX生物特征识别中也有应用。此外,机器人、无人机和带有3D摄像头的自动驾驶汽车可以识别物体的形状和大小,用于导航,绘图和障碍物探测。同样,3D相机和立体相机是增强、虚拟和混合现实的支柱。

边缘和云中的深度学习:基于神经网络的人工智能已经风靡全球,而今天可用的计算能力又使得深度学习成为可能。还有其他因素促成了神经网络在实际应用中的增长,包括大学和大型公司用于培训和尖端研发的大量数据(视频、照片、文本),以及它们对开放源代码的贡献。这反过来又引发了神经网络的很多实际应用。事实上,对于机器人、自动驾驶汽车和无人机,在边缘的GPU/SoCs上运行深度学习推理已经成为常态。云将继续用于训练深度学习以及离线存储数据的视频处理,只要网络延迟和视频管道延迟被认为是可接受,边缘和云之间的分离架构处理也是可能的。

同步定位和测绘(SLAM)在汽车、机器人、无人机中的应用:同步定位和测绘(SLAM)是自动驾驶车辆、机器人和无人机的关键部件,这些车辆、机器人和无人机配备有各种类型的摄像头和传感器,例如雷达、激光雷达、超声波等。AR/VR与感知计算:想想微软全息透镜HaloLink,后面是什么?六个带有深度传感器组合的摄像头。微软甚至宣布在英国剑桥开设全息透镜计算视觉研究中心。

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-04-28
本文作者:人工智能学家
本文来自:“人工智能学家 微信公众号”,了解相关信息可以关注“人工智能学家

相关文章
|
2月前
|
网络协议 机器人 C++
KUKA机器人Socket通讯配置方法:技术干货分享
【10月更文挑战第7天】在现代自动化生产线上,KUKA机器人凭借其高效、灵活和精确的特点,成为众多企业的首选。为了实现KUKA机器人与其他设备或系统之间的数据交互,Socket通讯配置显得尤为重要。本文将详细介绍KUKA机器人Socket通讯的配置方法,帮助大家在工作中更好地掌握这一技术。
206 2
|
3月前
|
安全 搜索推荐 机器人
纳米技术与医疗:纳米机器人的临床应用前景
【9月更文挑战第28天】纳米机器人作为纳米技术在医疗领域的重要应用,正逐步改变着传统医疗的面貌。它们在药物输送、癌症治疗、手术辅助和疾病诊断等方面展现出广阔的应用前景。随着科学技术的不断进步和纳米技术的不断成熟,我们有理由相信,纳米机器人将成为医疗领域的一个重要且不可或缺的组成部分,为人类的健康事业做出更大的贡献。同时,我们也应关注纳米技术的安全性和可靠性问题,确保其在医疗应用中的安全和有效。
|
4月前
|
机器学习/深度学习 自然语言处理 算法
聊天机器人开发的最佳实践:技术探索与案例分析
【8月更文挑战第22天】聊天机器人作为人工智能领域的重要应用之一,正逐步改变着人们的生活和工作方式。通过遵循最佳实践和技术探索,开发者可以开发出更加智能、高效、安全的聊天机器人产品。未来,随着技术的不断进步和应用场景的不断拓展,聊天机器人将在更多领域发挥重要作用。
|
4月前
|
Apache UED 数据安全/隐私保护
揭秘开发效率提升秘籍:如何通过Apache Wicket组件重用技巧大翻新用户体验
【8月更文挑战第31天】张先生在开发基于Apache Wicket的企业应用时,发现重复的UI组件增加了维护难度并影响加载速度。为优化体验,他提出并通过面板和组件重用策略解决了这一问题。例如,通过创建`ReusableLoginPanel`类封装登录逻辑,使得其他页面可以轻松复用此功能,从而减少代码冗余、提高开发效率及页面加载速度。这一策略还增强了应用的可维护性和扩展性,展示了良好组件设计的重要性。
57 0
|
4月前
|
人工智能 自然语言处理 机器人
掌握未来沟通的艺术:运用TensorFlow与自然语言处理(NLP)技术,从零开始构建你的专属智能对话机器人,让机器理解你的一言一行
【8月更文挑战第31天】本文详细介绍如何利用TensorFlow与自然语言处理技术开发对话机器人。从准备问答数据集开始,通过预处理、构建Seq2Seq模型、训练及预测等步骤,最终实现了一个简易的聊天机器人。示例代码涵盖数据加载、模型搭建及对话功能,适合希望在实际项目中应用AI技术的开发者参考。
48 0
|
4月前
|
传感器 机器人 测试技术
Nvidia Isaac Sim组装机器人和添加传感器 入门教程 2024(5)
本文是Nvidia Isaac Sim组装机器人和添加传感器的入门教程,介绍了在Isaac Sim中组装一个简单的两轮差速机器人的步骤,包括创建3D模型部件、组建关节、创建关节树、添加关节驱动,以及如何添加和配置传感器,特别是相机传感器。
134 0
|
5月前
|
机器学习/深度学习 自然语言处理 算法
NLP技术在聊天机器人中的应用:技术探索与实践
【7月更文挑战第13天】NLP技术在聊天机器人中的应用已经取得了显著的成果,并将在未来继续发挥重要作用。通过不断探索和创新,我们可以期待更加智能、自然的聊天机器人的出现,为人类生活带来更多便利和乐趣。
|
6月前
|
机器学习/深度学习 人工智能 算法
强化学习:从游戏到机器人的技术之旅
【6月更文挑战第14天】强化学习是智能体通过与环境互动学习决策策略的方法,已在游戏(如AlphaGo和OpenAI Five)和机器人技术中展现出巨大潜力。在机器人领域,它应用于控制、动作学习和交互沟通,帮助机器人适应复杂环境和任务。尽管面临挑战,但随着技术发展,强化学习有望在更多领域发挥关键作用。
|
6月前
|
机器人 定位技术 C++
技术笔记:ROS中测试机器人里程计信息
技术笔记:ROS中测试机器人里程计信息
|
6月前
|
安全 机器人 智能硬件
机器人技术的发展与应用前景广阔,涉及到多个领域和行业
机器人技术的发展与应用前景广阔,涉及到多个领域和行业
下一篇
无影云桌面