官方网站-首页

Sophie Yang

安霸前端AI应用工程总监

协作机器人（cobots）正在重塑我们与机器的互动方式。它们可以在人机共享环境中安全运行，搭载 AI 的协作机器人已广泛应用于制造业、物流业、医疗保健甚至家庭领域。但它们的作用远不止自动化——它们是协作伙伴，能够实时适应、理解情境并做出决策。

协作机器人（cobots）和为单一、重复性任务而设计的传统机器人不同，它专为在动态、不可预测的环境中实现灵活协作而设计。这不仅需要更高的机械精度，而且要求具备实时感知、情境理解和持续学习的能力——所有这些，都因 AI 得以实现。

传统机器人的局限性

传统机器人在场景固定的结构化环境中表现出色。但一旦条件发生变化——比如当有人走进机器人的工作路径，或目标物体位置发生改变，或任务发生变化——这些系统就容易出现问题。这是因为传统机器人行为是预先编排的，修改其行为通常需要手动重新编程，从而较难适应场景的动态变化。

相比之下，协作机器人能够实时地灵活应对复杂情况。它们能解读各种传感器数据、理解自然语言指令、识别物体，并能根据人类行为和距离做出瞬间决策和动作，包括适应工人意外的动作，以及实时调整以执行新任务等。协作机器人的设计初衷就是处理现实(shí)环(huán)境(jìng)中(zhōng)各(gè)种(zhǒng)不(bù)确(què)定(dìng)性(xìng)带来的“混乱”情况，无需为每一个变化重新编程。

以智能保障安全

安全是协作机器人设计理念的核心。由于协作机器人需要与人类在近距离内协同工作，因此必须能够实时感知、预判并应对潜在危险。当人员进入其工作区域时，机器人立刻减速运行，并保证在碰撞即将发生前暂停操作，或重新规划路径以避开障碍物。

AI 使这些安全行为成为可能。借助设备端的机器视觉技术，协作机器人能够检测人类肢体、监测距离并作出相应调整。通过强化学习，它们能够随着时间的推移不断优化响应机制——对熟悉的情况反应更迅速，并能调整策略以适应新出现的场景。

在医疗领域，机器人可以识别并响应患者跌倒等意外事件。在工业环境中，它可以适应快速移动的流水线上摆放的不规则形状零件。这些能力并非源于预先设定的规则，而是由持续学习和情境感知所驱动。

非结构化环境中的灵活性

AI 赋能的协作机器人最近在设备端取得的最重要技术进步之一，便是由生成式 AI（GenAI）赋能的多功能性与适应性。借助轻量级视觉-语言模型（VLM）和语音识别技术，协作机器人能够遵循自然语言指令（例如“把红色盒子拿到 A 站”），而无需依赖固定的编程。

无论是处于在线还是离线状态，感知、语音和视觉语言模型使协作机器人能够分析其所(suǒ)见(jiàn)所(suǒ)闻(wén)，并(bìng)将(jiāng)分(fēn)析(xī)结(jié)果(guǒ)转(zhuǎn)化(huà)为(wèi)行(xíng)动(dòng)。这(zhè)使(shǐ)得(de)系(xì)统(tǒng)更(gèng)加(jiā)灵(líng)活(huó)，更(gèng)低(dī)延(yán)迟(chí)：它(tā)能(néng)够(gòu)在(zài)杂(zá)乱(luàn)的(de)空(kōng)间(jiān)中(zhōng)导(dǎo)航(háng)，处(chù)理(lǐ)各(gè)种(zhǒng)各(gè)样(yàng)的(de)物(wù)体，并对人类输入做出自然的响应——所有这些都可在离线和有限供电状态下运行。

这种更好的适应性在工作流程频繁变化的应用场景中至关重要，无论是柔性生产线或家庭辅助服务。即使环境条件不断变化，协作机器人也无需反复重新训练就能快速适应。

分布式智能在协作机器人系统中的运用

协作机器人不仅能够与人类协同作业，如今还能以协同团队的形式运作。随着设备端生成式 AI（GenAI）技术的进步与实时通信及学习迁移技术的结合，协作机器人现可组成分布式团队进行协同工作：协调任务、共享环境数据，并能根据同(tóng)伴(bàn)监(jiān)测(cè)到(dào)的(de)情(qíng)况(kuàng)（即(jí)超(chāo)出(chū)自(zì)身(shēn)传(chuán)感(gǎn)器(qì)范(fàn)围(wéi)之(zhī)外(wài)的(de)环(huán)境(jìng)数(shù)据(jù)）调(diào)整(zhěng)行(xíng)为(wèi)。

例(lì)如(rú)，若(ruò)某(mǒu)台(tái)协(xié)作(zuò)机(jī)器(qì)人(rén)检(jiǎn)测(cè)到(dào)通(tōng)道(dào)堵塞或硬件故障，它可通知其他机器人重新规划路线或重新分配任务。这些本地网络就像协同网格一样运作——去中心化、具备强韧性且日益自主化。

AI 使这种协同成为可能，但同时也带来了新的性能要求：通信必须快速，决策必须分布式进行，即使在没有外部连接的情况下，感知与分析能力也必须保持精准。

前端AI硬件为何至关重要

在前端运行 AI 不仅需要复杂的模型，更需要专为在严格的功耗、空间和散热限制下处理实时推理而打造的硬件。协作机器人需同时执行多项任务，从感知、运动规划到语言理解和安全检查，所有这些都无需依赖云连接。

这正是机器人 AI 系统级芯片（SoC）架构变得至关重要的原因。理想的 SoC 必须提供极高的每瓦 AI 性(xìng)能(néng)，能(néng)无缝集成到紧凑的机器人系统中，并支持多模态感知以及基于生成式 AI 的推理和决策任务，这些正是现代协作机器人移动与运作的核心所在。

安霸前端 AI SoC 产品正是针对这些需求进行了优化，结合了先进的视觉处理、多模态传感器融合与低延迟推理能力，可集成于紧凑而高能效的设计之中。无论是部署在移动平台（自主移动机器人，AMR）还是机械臂中，均可使协作机器人在本地做出智能决策并保持自主性，即使在带宽受限的环境中也不例外。对于移动协作机器人而言，这种高能效还有助于延长电池续航时间，从而在工厂等应用场景中实现更高效的运营。

为现实世界而生

当(dāng)我(wǒ)们(men)计(jì)划(huà)将(jiāng)协(xié)作(zuò)机(jī)器(qì)人(rén)部(bù)署(shǔ)到(dào)人(rén)类(lèi)环(huán)境(jìng)中(zhōng)（如(rú)家(jiā)庭(tíng)、医(yī)院(yuàn)和(hé)工(gōng)业(yè)场(chǎng)所(suǒ)），会(huì)发(fā)现(xiàn)需(xū)要(yào)解(jiě)决(jué)的(de)不(bù)仅(jǐn)仅(jǐn)只(zhǐ)是(shì)智能问题。这项工作要求平台必须具备(bèi)紧(jǐn)凑型设计、高能效特性且足够的稳健性，能够在处理前端 AI 工作负载的同时不牺牲整体系统性能。

客户正采用安霸 CV7x 和 N1x 系列前端 AI SoC 来应对这些挑战，从而实现以下能力：

高能效的 AI 性能：专为语义分割和深度估计等实时机器视觉任务优化，并结合轻量级生成式 AI 视觉-语言模型，在更低功耗下达成复杂任务。

紧凑型硬件设计：芯片及软件集成度高，适用于关节机械臂、自主移动机器人（AMR）及其他空间受限系统集成。

多(duō)模态传感器融合：通过硬件加速，使协作机器人能综合利用多种输入源的数据，从而更全面地理解周边环境与运行场景。

设备端推理能力：支持不依赖云连接的自主运行与安全关键决策——包(bāo)括(kuò)设备端生成式 AI（GenAI）处理(lǐ)，以(yǐ)实(shí)现(xiàn)离(lí)线条件下的智能。

这些能力使安霸前端 AI SoC 能够完美契合现实场景中协作机器人的严苛要求——在这些场景中，功耗控制、安全保证和响应速度都是不容妥协的刚性需求。

无论您是在开发新一代协作机器人、设计多机器人协同系统，或是为类似的新产品平台寻找高性能 AI 硬件，我们都诚邀您与我们联系。