目前，机器人甚至已经成为小到吸尘器、大到教育或信息电子产品的一部分。
事实上，半导体技术的惊人发展已经引发了自主机器和人工智能的复兴。目前，机器正在越来越多地执行那些以往只有人类才能完成的任务，而这种转变为整个世界带来的影响是令人期待的。
智能机器的重新崛起，尤其是无人机、机器人和半自主驾驶车辆，已经从新生事物演变成无数的商业和工业应用。这些机器所包含的电子部件数量增长迅速，从而实现了很多全新的功能，例如高精度控制和环境识别，即在没有物理接近或专门要求此类信息的情况下，对于一个人周围环境的综合识别。前几代的工业机器人或队列行驶车辆几乎都是预定程序以执行高精度的重复作业。而现代自主机器具有非常鲜明的特点，包括与人类的交互功能、处理突发事件的能力以及快速学习的能力。所有这些特性都要求更强的环境识别功能、更高的智能化和更强的控制能力在背后提供支持。
专门针对人工智能的两个应用包括监测与控制。
监测应用通常负责处理由互联网或大量传感器生成的大数据。对于巨大且持续增长的数据量的数据挖掘和模式识别需要服务器和处理器具有极高的处理能力。诸如安全、医疗诊断和市场营销等数不胜数的大量应用都依赖数据分析和深度学习技术。另一方面，控制应用要求对传感器数据进行实时分析，以及对制动器和电机进行自主控制。自主驾驶车辆、无人机和新一代机器人都被归为这一范畴。
有行业专家表示，三项使能技术合力促成了此次智能机器的重新崛起：
感测
由于半导体和微机电系统（MEMS）技术的进步，部署于自主系统内的大范围环境识别和视觉传感器的价格已经变得可以承担。虽然诸如摄像头、雷达和LIDAR等视觉传感器对于很多自主系统十分关键，但其它那些需要较低处理能力的环境传感器却更加常见。高精度扭矩、温度和磁性传感器融合可以提供丰富的触觉、接近度和周围环境信息；这使得机器人能够与人类交互，并安全有效地处理突发状况。这与人类和动物体内的很多生物系统类似，它们可以对硬度、热度和磁场强度做出反应，并且具有很多其它非视觉的感测能力。
基于这些感测技术，视觉分析自然而然成为了主流技术，这是因为算法和处理器正在变得越来越强大，而价格也越来越亲民。机器视觉被长期应用于工业和消费类应用中（比如游戏机），但是自主系统的任务关键性需要更高性能以及更高可靠性的机器视觉。正因如此，我们现在才能看到汽车、机器人和无人机内应用的大量高分辨率摄像头。这些自主系统正在充分利用视觉算法和立体照相机技术进步的优势，而这些照相机内则拥有进行深度探测和融合的先进处理器。
具有250米延展范围，精度达到几微米（通常这两项技术规格不能同时实现）的全集成互补金属氧化物半导体 (CMOS) 雷达在光学视觉不可用或无法实现时（比如在大雨、下雪或雾中驾车时），能够跟摄像头功能进行有效的互补。LIDAR能够借助高聚焦激光束来实时提供机器周围更加详实的地图。
处理能力
强大处理能力的出现，连同先进的神经网络算法已经为机器视觉的高效和高可靠性、模式识别和机器学习能力做出巨大贡献。大量的图形处理器（GPU）、仿生处理器、以及多核超长指令字数字信号处理器（VLIW DSP）的丰富产品组合已经使广泛的视觉子系统成为可能。具有大量辅助加速器，针对深度学习和图像处理的浮点运算（Teraflops）超级GPU是复合型高级驾驶员辅助系统（ADAS）的关键。
然而，很多自主系统是由电池供电的，它们的处理能量预算有限，并且要求高能效处理。高性能多核DSP配备用于机器学习算法的加速器，可以为移动机器人和无人机等系统提供它们所需的此类高能效处理能力。一款典型的多核DSP，可以提供比GPU功耗更低、物料清单（BOM）更少的处理，并且具有更高的延展性。
电机和制动器控制
电机已经取代了自主机器内的很多液压和机械系统。电机和智能电机驱动器的效率提升已经帮助机器人和无人机实现了高精度运动。虽然电动汽车利用了感应交流电机和驱动器更高效率的优势，但很多轻型机器人和无人机仍然使用无刷直流电机来实现它们所需要的高效率和零维护。具有集成传感器、故障诊断和智能电源管理的电机对于自主系统中的高精度和高扭矩应用至关重要。
尽管有来自技术和其它方面的挑战，智能机器正在我们日常生活中扮演着越来越重要的作用。它们从新生事物到日常使用的转型也正慢慢凸显出来。电子产品和创新型应用的快速进步表明，智能系统的崛起将会一直持续。新一代自主机器将为我们提供有效的解决方案，让我们一起迎接它的到来吧！
来源：TI社区
/2 
