Sophie Yang

安(ān)霸(bà)前(qián)端(duān)AI应(yīng)用(yòng)工(gōng)程(chéng)总(zǒng)监(jiān)

协(xié)作(zuò)机(jī)器(qì)人(rén)（cobots）正(zhèng)在(zài)重(zhòng)塑(sù)我(wǒ)们(men)与(yǔ)机(jī)器(qì)的(de)互(hù)动(dòng)方(fāng)式(shì)。它(tā)们(men)可(kě)以(yǐ)在(zài)人(rén)机(jī)共(gòng)享(xiǎng)环(huán)境(jìng)中(zhōng)安(ān)全运(yùn)行(xíng)，搭(dā)载(zài) AI 的(de)协(xié)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(xiàn)出(chū)色(sè)。但(dàn)一(yī)旦(dàn)条(tiáo)件(jiàn)发(fā)生(shēng)变(biàn)化(huà)——比(bǐ)如(rú)当(dāng)有(yǒu)人(rén)走(zǒu)进(jìn)机(jī)器(qì)人(rén)的(de)工(gōng)作(zuò)路径，或(huò)目(mù)标(biāo)物(wù)体(tǐ)位(wèi)置(zhì)发(fā)生(shēng)改(gǎi)变(biàn)，或(huò)任(rèn)务(wu)发(fā)生(shēng)变(biàn)化(huà)——这(zhè)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环境中各种不确定性带来的“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(pèng)撞(zhuàng)即(jí)将(jiāng)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(guò)强(qiáng)化(huà)学(xué)习(xí)，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(zhù)轻(qīng)量(liàng)级(jí)视(shì)觉(jué)-语(yǔ)言(yán)模(mó)型(xíng)（VLM）和(hé)语(yǔ)音(yīn)识(shi)别(bié)技(jì)术(shù)，协(xié)作(zuò)机(jī)器(qì)人(rén)能(néng)够(gòu)遵(zūn)循(xún)自(zì)然(rán)语(yǔ)言(yán)指(zhǐ)令(lìng)（例(lì)如(rú)“把(bǎ)红(hóng)色(sè)盒(hé)子(zi)拿(ná)到(dào) A 站(zhàn)”），而(ér)无(wú)需(xū)依(yī)赖(lài)固(gù)定(dìng)的(de)编(biān)程(chéng)。

无(wú)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见所闻，并将分析结果转化为行动。这使得系统更加灵活，更低延迟：它能够在杂乱的空间中导航，处理各种各样的物体，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(de)运(yùn)用(yòng)

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(yí)技(jì)术(shù)的(de)结(jié)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，并能根据同伴监测到的情况（即超出自身传感器范围之外的环境数据）调整行为。

例(lì)如(rú)，若(ruò)某(mǒu)台(tái)协作机器人检测到通道堵塞或硬件故障，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(zhōng)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(wài)部(bù)连(lián)接(jiē)的(de)情(qíng)况(kuàng)下(xià)，感(gǎn)知(zhī)与(yǔ)分(fēn)析(xī)能(néng)力(lì)也(yě)必(bì)须(xū)保(bǎo)持(chí)精(jīng)准(zhǔn)。

前(qián)端(duān)AI硬(yìng)件(jiàn)为(wèi)何(hé)至(zhì)关重(zhòng)要(yào)

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 性能，能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

当我们计划将协作机器人部署到人类环境中（如家庭、医院和工业场所），会发现需要解决的不仅仅只是智能问题。这项工作要求平台必须具备紧凑型设计、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——包括设备端生成式 AI（GenAI）处理，以实现离线条件下的智能。

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。