以下是截至2019年6月机器人导航领域的一些最新趋势综述。
机器人导航本身就是一个高度专业化的领域，多年来，为了改进现有技术，我们在研究和开发方面投入了大量资金。
机器人导航的重要性被最近的一份名为“机器人测绘和里程测量”的市场研究报告进一步证实，该报告指出，在世界范围内的几个行业中，自动机器人的使用日益增加，为市场创造了快速增长和需求。
有很多不同类型的解决方案，改善机器人导航的不同方面。下面是一些值得一读的不同技术的综述。
结合跟踪和深度感知的反应性视觉同步定位和测绘(SLAM)
因特尔正在用目视方法RealSense硬件产品线，具有几个深度，光线和跟踪相机。特别是，这条线鼓励混合和匹配相机阵列，以实现更好的机器人导航。例如，其中一种组合是T265跟踪摄像头和D435深度摄像头。
顾名思义，跟踪摄像头通过从imu的视觉数据和传感器数据确定机器人的姿态来帮助跟踪机器人的位置。深度相机提供机器人“看到”的物体的三维点云。总的来说，这些信息在机器人探索的过程中建立了一个精确的环境地图，直到它的整个空间被绘制出来。
有了充分的环境意识，机器人可以对突然出现的新障碍做出反应，而不必完全重新映射或重新扫描环境来决定前进的路径;它有足够的信息知道它可以在周围移动，而且动作非常快。
英特尔还将V-SLAM技术作为RealSense系列产品的一部分。这基本上是一种更加视觉化的SLAM导航。为了提高V-SLAM的功率，两个宽视野鱼眼镜头(163 +/- 5度)用于视觉跟踪和低功率、永远开机的专用VPUs(视觉处理单元)。
使用简化的SDK降低准入门槛
对于许多机器人导航解决方案来说，进入门槛可能相当高，特别是当试图将先进的硬件和软件结合起来的时候。
CEVA试图通过将其SLAM-SDK与现有的专门处理器组合在一起，使机器人导航更容易实现。特别是CEVA-XM6，这是一种专门的计算机视觉处理器，以及NeuPro处理器，这是一种专门的深度学习AI处理器。
CEVA SLAM-SDK提供了允许处理从cpu转移到专门处理器的接口。图像处理构建块也包括功能，如特征检测，加速线性代数，和其他快速的数字操作对计算机视觉很重要。它还提供了用于OpenCV功能的CEVA-CV库和RTOS调度，所有这些都是开箱即用的。
图片由切瓦。
项目和产品可能会受到长时间、复杂的软件开发时间的阻碍，因此，当华丽的新硬件发布并承诺更好的性能时，总是存在一个使用起来有多复杂的问题。如果过于复杂，就永远不会被采纳。CEVA正在设想将他们的SLAM-SDK应用于计算机视觉的各种应用，包括机器人导航、AR/VR和无人机。
用于自主的专用片上系统加速器
先进硬件变得更加节能和节省空间的方法之一是将应用程序所需的一切都整合到一个高度专业化的单一芯片中。SoC加速器并不是一个新概念，但更有趣、更小、更强大的加速器每年都在出现。
英特尔在2019年ISSCC上展示了一个使用这种实验性加速器的项目。该团队展示了一组小型多机器人，它们在没有任何集中处理服务器或人工参与的情况下执行协调任务。这个机器人合作的核心是一个定制的22nm CMOS SoC，尺寸为16毫米，功率为37兆瓦。SoC处理所有传感器数据的融合、映射、定位、对象检测、碰撞检测、运动控制和路径规划。
图片由英特尔。
在一个芯片上管理所有这一切大大降低了进入门槛，特别是当涉及到需要多个机器人协同工作的系统时，这些系统都有能量和空间限制。英特尔建议的应用示例是搜救或精准农业。
基于云的处理和导航
当然，另一方面，在有些情况下，机器人本身可能根本不可能进行SLAM处理。在这些情况下，云解决方案是可行的。
基于云的处理和导航通常包括从机器人接收传感器数据，并远程处理所有处理，然后再发送信息。云服务器受电源和空间可用性的限制较少，因此可以使用更复杂、计算量更大的硬件和算法。
此外，在一个多智能体系统中，来自多个机器人的信息都可以与云共享，然后在整个车队中共享。这有助于更快地绘制区域地图，提供更频繁的更新，并提供更广泛的空间感知。
无论是基于硬件还是基于软件，都有很多方法来实现越来越精确的机器人导航。当然，不同的方法有它们自己的优点和缺点，但是对于许多场景来说，解决方案正在变得越来越好。
特写图片英特尔。
