無論是傳統的工業機器人系統，還是當今的協作機器人（Cobot），它們都要依靠可生成大量高度可變數據的傳感器。這些數據有助于構建更佳的機器學習（ML）和人工智能（AI）模型。而機器人依靠這些模型變得“自主”，可在動態的現實環境中做出實時決策和導航。

工業機器人通常位于“封閉”環境中，出于安全原因，如果該環境中有人類進入，機器人會停止移動。但是限制人類/機器人協作，也使得很多益處無法實現。具有自主運行功能的機器人，可以支持安全高效的人類與機器人的共存。

機器人應用的傳感和智能感知非常重要，因為機器人系統的高效性能，特別是ML/AI系統，在很大程度上取決于為這些系統提供關鍵數據的傳感器的性能。當今數量廣泛且日益完善和精確的傳感器，結合能夠將所有這些傳感器數據融匯在一起的系統，就可以支持機器人具有越來越好的知覺和意識。

AI的發展

機器人自動化一直以來都是制造業的革命性技術，將AI集成到機器人中顯然將在未來數年中使機器人技術產生巨大變化。本文探討了當今機器人、自動化和把AI及AI所需數據緊緊鏈接在一起從而實現智能的*重要技術的某些關鍵發展趨勢，還討論了如何在AI系統中使用以及融匯不同的傳感器。

推動機器人的AI處理技術至邊緣計算

ML包括兩個主要部分：培訓和推理，可以在完全相異的處理平臺上執行它們。培訓通常是以離線方式在桌面上進行或在云端完成，并且包括將大數據集入神經網絡。在此階段，實時性能或功能都不是問題。培訓階段的結果是在部署時已經有了一個經過培訓的AI系統，該系統能夠執行特定任務，例如，調查組裝線上的瓶頸問題、計算和跟蹤一個房間內的人員或確定賬單是否是偽造的。