隨著
機器人獲得更多導航和操縱自主權，為處理機器人實時產(chǎn)生及收集的數(shù)據(jù)，云端相關機器人技術已有長足進步。目前開發(fā)人員能使用的工具不多，但AWS RoboMaker承諾將加速開發(fā)機器人云端服務，讓開發(fā)人員能應用機器學習和協(xié)調機器人的工具。
對此，亞馬遜云端服務(AWS)機器人和自主服務部門總經(jīng)理Roger Barga將在6月舉辦的Robotics Summit&Expo上講述未來云端服務對機器人有何用處。
Barga表示，亞馬遜
物流中心擁有10萬臺自動機器人，對邊緣設備進行編程難度很高，促使AWS打造了AWS RoboMaker，這是可與機器人作業(yè)系統(tǒng)(ROS)、機器學習、監(jiān)控和追蹤協(xié)同工作的可靠工具。
許多新創(chuàng)公司負擔不起硬件或團隊成員，而不先進行模擬或測試又會浪費時間，因此很難進行無線下載(OTA)部署并擴展到數(shù)千臺機器人。個別公司有其用例并建立自有服務。AWS在2019年關注的重點是協(xié)助它們從機器人中獲取數(shù)據(jù)并建立自己的車隊。
Barga指出，模擬機器人功能可節(jié)省開發(fā)人員和用戶的時間，對調試應用程序，看到機器人以正確方式運行及建構模型很重要。以在Amazon Robotics打造的最新機器人為例，模擬將建構時間縮短了25%。
AWS目前支持Gazebo 7和9及名為Ignition的新版本以及ROS1 Melodic，目前也在研究其他物理引擎。AWS還能平行執(zhí)行批量模擬。AWS負責運行模擬，客戶可查看日志。模擬當機或耗盡算力時，客戶也會收到警報。
關于云端機器學習對機器人的意義，Barga表示，他將在機器人峰會上談論Deep Racer。他們將RoboMaker與AWS SageMaker整合以加強學習，在不同軌道上運行了數(shù)十種玩具車模擬，并將這些實驗所學到的經(jīng)驗整合到一個模型中。然后，他們就可訓練車隊管理以部署到實際軌道。
舉例來說，吸塵機器人若卡在某處，它可概括其經(jīng)驗并更新模型。亞馬遜團隊正在訓練TurtleBot來識別其環(huán)境。它能識別對象并構建用于強化學習的庫。
云端實現(xiàn)客戶服務和其他機器人功能方面，AWS已進行關于服務機器人和云端服務的案例研究。例如在商店和法院工作的機器人禮賓服務。人們可跟它交談，它能提供方向。機器人若使用AWS Polly和Lex服務，不僅可提供方向，還能感知某人是否感到沮喪。客戶若選擇高級方案，機器人甚至能顯示對方的臉部來作出回應。它能在沒有搭載運算能力的情況下進行此操作。
使用Amazon Robotics技術，個別機器人可自主運行，但每個機器人都有另一個Oracle服務監(jiān)控。機器人若進入象限并建構同步定位與地圖建構(Simultaneous Localization And Mapping；SLAM)地圖，另一個機器人就能利用Polly和Lex調用SLAM地圖并使用。
此外，Barga認為物聯(lián)網(wǎng)(IoT)和5G等新興技術將與云一起成為新場景的推動者。但RoboMaker在沒有連線的情況下運作得很好。它能與客戶的PC一起運作，不過這會妨礙其透過云端服務進行車隊管理或監(jiān)控的能力。