简单自动化的时代已经过去。过去数十年，人们衡量自主系统时主要关注机器能否在无人持续干预的情况下安全运行；如今，更关键的问题是机器能否智能感知周围环境、作出复杂决策并实时响应。
这种转变是显著的，因为自主化不再仅仅是机器人运动技能。它包括机器意识，动态决策，多辆车协调和大规模的空间精度。在工业环境中，每个运营决策都带来财务和安全影响，先进的视觉系统已成为自主机器能实现的最重要的加速器之一。
连接既有车队：硬件无关视觉的案例
对于许多工业专业人士来说，挑战不仅仅是购买新技术；它是将智能集成到现有网站和资产中，而不会拆除所有已经工作的东西。通过硬件无关视觉升级，管理员可以将现有设备转化为高性能自主平台，而不会被锁定在单个供应商生态系统中。
这种方法在实践和经济上都很重要，它减少了完全取代资本密集型舰队的压力，同时还能获得自主运营所带来的生产力，安全性和利用效益。 自主解决方案公司 我们从一开始就建立了Mobius®平台，因为我们服务的工业运营商无法等待完整的舰队更换周期，
超越GPS到预测智能
几年来，GPS被视为自主机器的眼睛。它不是。GPS告诉机器它在哪里。它不能告诉机器它在前面的东西，即将穿过它的路径，或者自上一次旅行以来，前面的路线是否改变。
我们的ASI团队很难做到这一点。在部署初期，我们指定了汽车级传感器，这些传感器是当时最好的。一年内，一个活跃的矿场的尘埃，振动和温度极端产生了100%的故障率。我们不得不从头开始重建我们的整个传感器规格，设计用于现场条件而不是在受控环境中遇到的情况。
这种经验塑造了所有关于ASI今天如何接近感知的方法。在45摄氏度高温中，在尘埃云中驾驶的拖车，携带200吨载荷，带着前方80米的轻型车辆，需要一个针对特定现实而设计的视觉系统不适应消费车平台。在这些条件下失败的机器几乎总是失败，不是因为电动控制或路径规划，而是因为感知。他们看不到他们需要看到的东西，当他们需要看到它时。
真正的自主感知需要边缘智能实时处理车辆的视觉输送，而不依赖网络连接或集中计算。机器必须检测靠近其路径的人，预测他们的运动，并在毫秒内确定最安全的反应。而不是数据到达服务器时。
感知的真正 ROI：停机时间是敌人
传统自动化在有结构的，可预测的环境中，有固定路线，明确标记的路径和控制空间中重复的运动中表现出了最佳效果。但大多数现实世界工业工厂都不算可预测。建筑区每天都会发生变化。农业领域随着天气和季节而发生变化。采矿场地随着采矿的进步不断发展。
在这些环境中错误的感知成本并不抽象。在大型采矿或建筑运营中，不计划的停机时间每小时可能花费数万美元。自动驾驶汽车和载人机之间的单一碰撞可以阻止整个现场，引发安全调查，并侵蚀自动程序生存和扩展所依赖的组织信任。我们在早期部署中看到这种动态反复发生，促使我们把感知看作不是自动驾驶的特征，而是基本的。
智能，空间意识的自主化利用概率感知来预测和导航未预见的障碍，而不是只是停止它们被检测到时。停止和原因的系统之间的区别是实际生产力增长的所在。这也是为什么视觉硬件的灵活性和集成成本几乎与底层自主化平台一样重要。硬件无关传感器架构允许运营商优化对其特定环境的感知，并随着技术的进步而升级，而不会被锁定在单个供应商的路线图中。
多传感器未来：冗余性作为设计原则
自主运动正在成为一个可解决的问题。环境和意识仍然是困难的部分。
工业可靠性的未来在于激光雷达，CMOS摄像头和雷达的融合，而不是作为冗余的备份，而是作为互补的感知层，每个层都能看到其他层次的东西。激光雷达提供了精确的空间映射。摄像头提供了区分一个人与一个位置所需的语境丰富。雷达通过尘埃，雾和完全击败光学传感器的条件运行。
通过在感知层中建立冗余性，我们确保自主设备不仅仅在移动，而且以经验丰富的人工运营者在发展职业生涯的情境意识下运作，并且他们可以在不应要求人类运营者承受条件下不断地这样做。
在ASI，我们现在已经在世界上一些最苛刻的运营环境中记录了450万个自动驾驶英里和近400万的材料。每一个英里都教了我们一些关于机器需要看到什么，以及当它们无法看到什么。下一个工业自动驾驶时代不会由运动的机器定义，而是真正看到的机器。