图片由ADI制作
机器人越接近人，就越重要，
设计人形机器人是当今机器人技术中最复杂的应用之一。一个人形系统必须在复杂的关节，传感器和数据处理网络中管理运动，平衡，视觉和反应。当人形机器人在包括人在内的环境中运作时，这变得至关重要。
作为人类，我们自动做大多数事情。我们判断我们的重力中心，并根据此调整运行或跳跃或移动以避免碰撞。我们同时处理大量的音频和视觉信息，实时，然后使用这些信息来决定如何响应。
一个人形机器人必须通过一系列传感器对这种环境意识进行近距离，然后快速解释这些输入，以建立一个安全的工作区，并采取适当的行动，以避免伤害其附近的人。
为了确保安全的互动，人类和机器人之间需要信任。与人类或人类周围工作的任何机器人都需要能够应对我们的自然不可预测性。机器人还必须能够向周围的人表达自己的意图，以防止由于误解而不安全的人类行为。
随着劳动力短缺的加剧，更多的机器人进入共享空间，
视觉
在人形机器人中，情况意识从视觉开始，特别是在人们和设备不断移动的环境中。人形机器人需要看到和理解其周围环境，以便迅速和适当地反应，无论是拿起物体还是远离一个人。标准的人类视觉可以通过RGB图像传感器接近，以及通过飞行时间，结构化的光或立体视觉方法实现的深度感知。
仅仅有视觉输入是不够的；快速和准确地处理这些数据是必不可少的。相机和视觉传感器不太可能位于中央计算机附近，这意味着所有视觉数据都必须通过机器人穿过长线缆。电缆增加了重量，限制了运动的灵活性，因此重要的是充分利用每个电缆。
在人形机器人中，一个主处理器作为大脑，头部或部内视觉传感器直接连接到中央计算机。快速控制循环需要较低的延迟时，例如控制驱动快速运动的电机，专门的较小处理器可以靠近传感器或执行器，处理本地处理，减少电缆带和确保功能安全，同时将数据传输到主处理器。
在汽车行业中已经广泛使用，ADI的Gigabit多媒体连接 (GMSL) 技术在实时中运输视频数据，在一个流中能够运输每秒多千兆。在人形机器人中，这使得视觉数据的冗余性和快速，本地处理成为可能，这使得这些系统能够使用物理人工智能识别和理解其周围环境来处理视觉数据本地在机器人中，而不是将其发送到云中。
音频
然而，仅仅是视觉不够；如果机器人要与人类合作，它也需要智能听力。
人形机器人也必须能够理解其环境中发生的声学事件。如果有东西撞到机器人后面的地板，它必须能够识别声音的来源，以及理解声音意味着什么，奥斯特姆解释说。声学事件的分类是一个非常适合当地的任务，物理人工智能。
就像视觉数据一样，音频输入必须从多个麦克风到机器人中央计算机进行处理，
当谈到声音事件，定位和检测时，从麦克风到计算机的定性延迟非常关键，Ostrem说。
这是ADI的A2B音频巴士非常擅长的东西，因为从麦克风到计算机的信号使用A2B的时间是完全决定性的。
A2B是一种低延迟音频运输技术，支持音频源本地化，并通过允许许多麦克风在单个公共汽车上连接在戴西链上，通过两个线路运输电源，音频和控制系统来实现整个系统的音频连接。
如果您看看机器人，所有传感器所需的电缆数量是最大的问题之一，Ostrem说。A2B允许您使用很少的电线安装先进的音频功能。
图片由ADI制作
电池/功率
所有这些传感器，处理器和连接设备都需要电力才能运行。人形机器人以电池组的形式提供自己的能源。大多数人形机器人使用48 ,60或72伏的离子电池，比汽车使用的电池小，但承担了许多相同的风险，如过热或热 runaway。
由于ADI提供了电力化学阻力光谱 (EIS) 等技术，可以早期检测电池化学中的不安全变化，以便在故障之前更换电池。
EIS允许你深入研究电池的化学反应，奥斯特姆解释说。如果电池出现问题，或者它不安全，你可以提前检测到这一点。在它成为危险之前。当机器人要围绕人类运行时，如果电池在热 runaway，你肯定想确保电池在实际发生时远离人类。
这一切都取决于音频，视觉和其他内部传感器能够识别问题，快速传达它们，
结论
随着人形类型进入更复杂的角色，安全性，感觉和交互需求将会不断增长。奥斯特姆认为未来在反应时间，安全性和电池寿命方面都在处于更好的人工智能边缘。
在汽车领域，ADI已经设定了感觉和感知，连接和电池管理。
在某些方面，人形机器人是许多年前汽车的位置，奥斯特姆说。建筑尚未完全设置，并且在标准化接口方面，行业合作的空间很大，以刺激人形机器人的生态系统。
了解更多信息，请访问 https://www.analog.com/en/solutions/industrial-automation/industrial-robotics/humanoid-robotics.html
由模拟设备赞助的内容
如何学习人类学如何学习人类学如何学习人类学如何学习人类学如何学习人类学如何学习人类学如何学习人类学如何学习人类学