图片由ADI制作
机器人不再仅限于工厂细胞或围环境。自主移动机器人现在在仓库和医院中不断运作。无人机飞行更长，更远，更自主。人形机器人开始与人密切地工作，在共享空间中导航，并实时响应非结构化行为。
这一新一代机器共享了一个共同的转变：移动系统变得变得感知驱动，紧密计算和安全关键。这意味着硬部分不再单独设计单个传感器或单个模型。真正的挑战在系统层面上：确保传感器，连接，计算，功率和安全在现实环境下可靠地运作在一起。为了解决这一问题，汽车行业转向处理汽车作为分布式神经系统，集成的传感器网络，边缘处理器，通信链接和控制元件。现在变得清楚的是，机器人，无人机和人体正在融合在现实环境下可预测的行为。这些机器必须看到，听到和感觉到它们的环境；实时解释这些数据；
感知不再是一个特征，而是基础设施。
在前几代机器人中，感觉常常起着辅助作用。今天，感知是主要控制输入。高分辨率视觉指导导导导导航和巧妙的操纵。多麦克风音频使声音定位化，语音互动和情境意识。触摸和力感觉完善抓住，平衡和人类互动。在许多系统中，这些模式必须紧密同步以支持传感器融合和闭环控制。
这一转变根本改变了要求：
- 数据必须快速，可靠和可预测地到达
- 传感器是物理分布式的，通常在移动关节或长线路上
- 故障必须可在实时中检测，定位和操作
这些并不是假设的挑战，而是汽车系统必须解决的问题，
快速提供质量和可靠性
在移动市场中，市场进入速度仍然至关重要，但软件定义的车辆的经验表明，每次重新设计时重置的速度很快就会成为一个负担。
真正的优势来自于建筑物，速度随着时间的推移而复合，系统可以在现场上更新，扩展，诊断和改进，而不会破坏已经部署的稳定。
机器人平台面临相同的风险。缺乏传感器完整性，通信链接，能源健康或时间行为的系统随着复杂性增长而变得越来越脆弱。调试周期延长。更新变得不确定。场故障变得昂贵和破坏性。
相比之下，使用诊断，确定性连接和预测洞察力设计的平台可以更快地移动，因为它们减少了不确定性。安全性和可靠性成为了反复而不是限制的推动者。
图片由ADI制作
汽车级技术，不仅仅适用于汽车
汽车技术转化为机器人技术和其他交通系统的原因很简单：
它们是为：
- 恶劣的电气和环境条件
- 紧张功率，大小和热包
- 长期运营寿命和大量部署规模
- 无声故障的零容忍度
- 部署后的持续发展
当这些构建块被应用到新的移动平台时，它们会立即带来好处。
高带宽，低延迟视觉链接可以在大型机器人结构中实现多摄像头感知。支持本地化和自然人类互动的确定性音频网络。嵌入式诊断允许系统区分过渡性干扰和实际故障。预测功率和电池智能，提高正常运行时间并降低生命周期成本。安全软件架构可以使优雅的降解而不是突然故障。
这些能力现在在移动性方面都在显现：
- 在人形机器人中，必须安全和直观地导航人类的空间
- 在自主移动机器人中，在动态环境中运行24小时
- 在无人机中，与实时感知和控制平衡紧张的能源预算
- 在服务和工业机器人中，正常运行时间，可服务性和信任等同于性能
应用程序不同，但基础架构需求显著相似。
从技术领导到行业领导
在这种转型中区分类型设备的区别不仅是我们拥有的技术的广度，
汽车自动化迫使一代工程师思考延迟预算，同步领域，诊断覆盖范围和生命周期可观性。
而不是单独重新发明连接，安全和电力管理，机器人技术团队正在越来越多地利用已经在汽车领域验证的架构，以及支持它们的工具，标准和合作伙伴生态系统。这样做，他们正在加速发展，减少风险，并建立可扩展的基础。
这种从汽车转移到机器人，从道路转移到仓库，从司机转移到人形的建筑成熟度并非偶然的。
融合才刚开始
随着机器人越来越接近人类，人们对信任，可预测性和安全性的期望只会增加。同时，竞争压力将需要更快的创新周期和部署后更大的灵活性。
满足这两个任务需要改变视角：将感知，连接，诊断，安全和能源管理视为基础设施，而不是后期思考。汽车可能是第一次被迫应对这些现实的领域。
为自动驾驶汽车开发的建筑原则现在已成为现代动力动机，无人机和在现实世界中必须可靠运行的人形机器人的脊柱。
未来的创新浪潮将属于那些早期认识到这种融合的人，并相应地建立。
了解更多由模拟设备赞助的内容