人工智能软件扩展了波士顿动力机器人的功能

配备深度学习软件的机器人可将图像数据转化为行动的依据。

图1：配备Vinsa人工智能软件的现场机器人可以在电力，石油和天然气，化学制造和核设施等场所使用。

也许是同类中最知名的机器人，来自波士顿动力公司的Spot自动四足机器人现在提供了车载、人工智能软件来处理数据并从中获取认识环境，同时使操作员远离危险环境。2019年9月，波士顿动力公司向全球发布了Spot（图2）作为其第一个商业产品，使非学术和非军事用户可以探索这种灵活的四足机器人作为商业应用程序可以做什么。早期采用者成功地部署了Spot机器人进行数据收集时，知道如何理解该信息并将其迅速转化为可行的见解成为一项挑战。

图2：Boston Dynamics坚固的Spot机器人在2019年9月成为该公司的首款商用产品。

波士顿动力业务发展副总裁迈克尔·佩里说：“斑点可以操纵未知，非结构化或敌对的环境，并且可以收集各种类型的数据，例如可见图像，3D激光扫描或热图像。” “例如，客户对Spot捕获模拟仪表的图像的能力感到很兴奋，但是他们很快表示需要机器人将信息传递到工作指令系统，以便当仪表达到一定水平时，它会触发工作指令。供员工跟进，检查或执行维护。”

寻求使Spot具有了解其收集的数据的能力；波士顿动力公司推出了一项早期采用者计划。当定制计算机视觉软件公司Vinsa提出申请时，Boston Dynamics认为非常适合建立合作伙伴关系，两家公司开始合作。佩里表示，Boston Dynamics和Vinsa一起在公用事业站点，石油和天然气站点（图2）以及一些化学制造合作伙伴上部署了配备了Vinsa软件的Spot。

在软件运行之前，必须进行图像采集。Spot标配五台带全局快门的立体相机，嵌入到体内的灰度图像传感器-正面两个，侧面各一个，背面一个。五对摄像机中的每对摄像机都具有纹理投影仪，并指向地面，以向机器人提供有关其可以将脚放在旁边以保持稳定的信息，同时还提供避障功能。点将高度超过30厘米的任何物体视为障碍物，并避免或绕过它。

此外，机器人还将这些摄像机用于同时定位和制图（SLAM），以实现自主导航。在执行地图任务期间，Spot会在空间中导航并创建空间的3D点云，以在地图中获取航点。这有助于机器人知道要去哪里以及要执行哪些行为。五个立体摄像机的缝合视频可提供实时视频，用户界面可访问所有摄像机。

Spot还具有两个DB25端口，可为外部有效负载提供电源和通信。任何使用Vinsa软件部署的机器人还具有用于推理的机载图形处理单元（GPU），以及高分辨率360°平移-倾斜-变焦相机，在需要捕捉高质量，例如，放大图像以允许软件处理更细致的图像。

Vinsa的主要产品线包括预先构建的深度学习模型，这些模型主要用于工业检查用例，范围从读数表（图3）到检测漏油或漏水。该公司还拥有一个名为Alira的专利引擎，该引擎通过警报系统包括人类操作员来帮助计算机模型适应各种条件，从而优化计算机视觉模型的性能。两种软件产品都部署到Spot机器人中。

图3：Vinsa的软件使用诸如YOLO和Inception之类的深度学习框架，并在完成诸如读取模拟仪表的任务之前进行了30至45天的培训。

Vinsa创始人兼首席AI官Daniel Bruce说：“目前，两家公司正在与一个拥有约100,000个模拟仪表的客户合作，而这些仪表的更换成本非常昂贵。” “借助该软件，Spot可以导航到每个仪表并捕获图像，并且该软件使用内置的光学字符识别工具将其转换为数字读数，因此工厂操作员无需手动读取。”

在具有100,000个仪表的环境中，会出现各种新颖的情况。量规上的眩光使其难以阅读，如果量规损坏或弯曲，或者机器人遇到了以前从未见过的量规，则软件必须决定要做什么以及如何适应。Vinsa的Alira引擎通过聘请人类主题专家并寻求帮助来更好地处理此类情况来处理此类情况。警报取决于操作员的喜好，并通过人机界面，短信警报，电子邮件或亚马逊或Google等平台提供，这些平台均已预先安装了用于处理此类情况的软件。

Vinsa的软件利用了TensorFlow之上的行业框架，例如YOLO或Inception。该引擎使用深度神经网络，并且随着时间的推移，它会看到更多的示例和实例，因此会通过学习得到改进。模型训练需要30到45天，在此期间，Vinsa可以通过识别正常设备的外观来建立基线，并确定何时出现超出基线的警报，从而根据客户特定的环境校准其基础情报层。

布鲁斯说：“重要的是，文萨在训练期间没有做的一件事就是试图找到所有极端情况（仅在正常工作参数之外出现的情况）。” “生产中存在许多关键案例，有些公司通过花费更多时间训练模型来学习所有此类案例而采取了不同的方法。”

Vinsa模型的独特之处在于，它们会通过循环利用人类的专业知识来对这些案例进行培训，这使我们能够更快地将模型投入生产，而且还可以以安全的方式让客户知道何时模型可以识别以前看不见的东西。

训练包括图像和视频数据，后者被合成为单独的帧。例如，通过查看静态框架可能无法检测管道中的泄漏。布鲁斯解释说，可能有必要看到水滴从管道上滴落的顺序，这只能通过视频数据来检测。基本模型可在10,000张图像到几百万张图像上进行训练。在校准期间，Vinsa通常会寻找2,000至3,000个客户数据示例来建立基准。

可以用三种不同的模式进行处理，包括边缘处理，其中所有推理和模型都在板载GPU上的Spot上运行。该系统还支持本地处理，其中Spot将数字数据流回到中央位置进行处理，并且特定的通信被推回Spot。最后，该系统支持云处理。

这种合作努力不仅可以为客户带来更高的生产率收益，还可以使人类工人免受伤害，例如派人在核设施中进行检查，在收容区内进行巡视或应对高度危险的石油钻井平台上的加压设备环境。在最后一个例子中，布鲁斯（Bruce）指出，公司必须给设备减压并关闭操作，以使设备足够安全，以防人员进入。“

不仅能不使人陷入危险境地，而且还能够在不停机的情况下检查处于完全运行状态的设备。这样可以提高正常运行时间、生产率水平和效率。”

外星眼机器视觉认为：波士顿动力的机器人配上人工智能，可以让人不涉及很多的危险地区，这样也有利于人的安全。精干的机器人也会成为人的好助手。

来源于互联网，仅供分享，如侵删