与 onsemi 专家畅谈技术：机器人技术与物理 AI

     本次专题由 DigiKey 技术营销工程师 Shawn Luke 与 onsemi 营销经理 Bob Card、onsemi 工业业务发展与解决方案负责人 Kersjes 以问答的形式展开探讨机器人技术与物理 AI 系统——即嵌入现实世界的 AI 的融合，聚焦自主移动机器人 (AMR) 如何在工业与商业领域掀起一场革命。 

     自主移动机器人 (AMR) 依赖于多种传感器，如激光雷达 (LiDAR）、摄像头和超声波探测器，以提升安全性、提高生产效率并在复杂环境中高效运行。在本次谈话中，将对比自动驾驶汽车行业，重点阐述 AMR 如何运用类似技术与原理（包括同时定位与地图构建技术——SLAM），来生成精准的实时地图并实现在动态环境中进行自定位。此次讨论还将强调，AMR 最初仅限于可控的室内环境，但随着传感器集成、边缘计算和 AI 技术的进步，这类机器人正越来越多地适应于户外和不可预测的环境。随着这些技术的不断发展，AMR 有望在物流、制造、农业和基础设施检测等领域成为自主性和适应性更强，且不可或缺的解决方案。

Shawn Luke：对于当今更智能的机器人来说，需要考虑哪些设计因素？ 

     Bob Card 和 Theo Kersjes：工业机器人已有数十年的发展历史，在其发挥中作用的领域堪称经验丰富的老手，但在仓库、工厂等环境中与人类协同工作时可能对人类构成安全威胁。工业机器人并非为了在环境中自由移动而设计，在作业环境充满变化时尤其如此。为此，更智能的机器人应运而生，以确保人类与机器人协同工作时保持肢体协调。 

     借助包括超声波、图像、LiDAR、雷达等在内的众多传感器，机器人算法能够处理环境信息并进行精准导航，同时将保障人类安全置于首位。机器人能够协助解决人类无法处理的问题，例如搬运汽车或大型设备，以及完成存在安全隐患或高度重复性的工作。更智能的机器人的灵活性更高，能够完成更多的任务，并且得益于传感器，它们能够借助物理 AI 与机器人技术的融合，完成更广泛的任务。

Luke：AMR 与汽车机器人技术有何相似之处？

     Card 和 Kersjes： AMR 与自动驾驶汽车在内部通信系统方面最为相似。传统上，机器人采用 CAN（控制器局域网），这是一种基于两线制的多点通信协议。但是，onsemi 在新技术领域处于领先地位，推出了 10BASE-T1S 技术，这是一种基于以太网的多点通信协议，同样采用两线制非屏蔽双绞线。

10BASE-T1S 相较于 CAN 的主要优势：

•更高的数据传输速率：10BASE-T1S 的传输速率为 10 Mbps，而标准 CAN 在理想条件下为 2 Mbps，CAN-FD 为 5 Mbps。

•简化布线并减轻重量：这对紧凑型、移动式系统至关重要，如 AMR。

•无需网关：避免了在 CAN 和以太网网络之间进行桥接。

这一创新与汽车和机器人领域的更广泛趋势相契合，即向区域化架构和通信技术融合方向发展，其中 10BASE-T1S 有望在这两个领域取代 CAN。 

onsemi 提供两款 10BASE-T1S 控制器，  分别为 NCN26010 （MAC 和 PHY） 和 NCN26000（仅 PHY），两者均完全符合 IEEE802.3cg 规范，并支持 onsemi 的 ENI（增强型抗噪功能）功能。该技术可拓展单段 10BASE-T1S——在 25 米线缆支持 40 个节点的基础上，实现 50 米线缆连接 16 个节点，或者 60 米线缆连接 6 个节点。

这也进一步印证了先进计算技术的演进趋势——曾专属于数据中心的技术，现已延伸至机器人领域的边缘设备，并依托 NVIDIA Jetson 和其他嵌入式处理器获得了强大的算力。这标志着该领域的一个激动人心的时刻，机器人技术与汽车解决方案之间存在着显著的交叉与融合。

Luke：AMR 的下一步发展方向是什么？ 

Card 和 Kersjes： 传感器的高动态范围性能已获得了显著提升，这使得配备传感器的机器人在非可控环境中也能更高效地工作，如农业、户外配送机器人等。力反馈传感器、旋转位置传感器和湿度传感器能够更好地适应环境变化，并完成如采摘浆果等更精细的任务。

     NCS32100 感应式位置传感器 (IPS) 是一种非接触式绝对旋转位置传感器，其工作精度为 +50 弧秒或更高，转速范围可达 6,000 RPM（转每分钟），最高转速可达 45,000 RPM（精度降低）。onsemi 提供免费在线 PCB 设计工具，可帮助用户快速完成转子和定子 PCB 的设计。这有助于制造高性价比、高精度编码器解决方案，从而满足最严苛的机器人应用需求。 

     在减轻人类不愿从事的危险、单调或令人不快的任务方面，机器人也有着巨大的潜力，无论是工业领域还是居家生活，例如清理排水沟或粉刷房屋。 

     自动驾驶叉车已成为工业环境中的安全必备品。美国职业安全与健康管理局 (OSHA) 的数据显示，仅在美国，每年就有约 35,000 起叉车操作员事故发生。此外，该岗位的员工流动率高达 40%，因此引入机器人来执行此类任务可以提升仓库的总体安全性。

Luke：您能详细介绍一下同时定位与地图构建 (SLAM) 技术及其工作原理吗？

     Card 和 Kersjes： SLAM 技术在仓库机器人应用中的实施流程为：首先基于仓库虚拟模型进行环境预学习，机器人通过不断地试错训练掌握空间导航能力；完成部署后，经过训练的机器人会持续更新环境地图，甚至具备规避动态障碍物的能力，如相同环境下的其他机器人。

     在汽车制造领域，这一概念被称为“原型验证车”。AMR 车辆在首次遇到道路或新的障碍物时，必须通过环境学习获取经验，并将这些经验反馈至网络，以便其他 AMR 车辆学习并更新地图。

     移动机器人操作系统通过一种称为 HoloScan 的技术集成传感器。该技术可在如图像传感器等高分辨率或高带宽传感器与机器人之间建立快速交互，将机器人的视觉信息接复制到其存储器中进行处理。这一功能对于如远程医疗等应用具有决定性意义，当医生远程操控机器人进行手术时，网络传输的延迟和带宽将直接决定手术的成败。 

     现代机器人可以采用两种截然不同的方法来实现机器人控制与决策，分别被称为“系统 1”和“系统 2”，这两种方法对应于控制与认知过程的不同层次或方法。这与人类认知系统类似。在机器人学领域，系统 1 的特征是反应敏捷，且往往会表现出预先编程的行为，类似于人类的本能反应。另一方面，系统 2 则涉及更刻意、更具分析性且可能更缓慢的决策过程，需要更复杂的计算和推理。系统 2 还利用 AI 和符号推理来完成更复杂和更高层次的任务。这两种类型对于机器人在人类周围安全地自主运行都至关重要。 

Luke：您认为哪些类型的机器人技术最引人注目？

     Card 和 Kersjes：在各种评估板和客户产品中，我们会看到图像处理的核心技术是摄像头。对于 AMR 来说，传感器布局是关键。例如，当视线被阻挡时（如被携带的物体遮挡），通常会在角落处布置传感器阵列以实现 360° 全景视野。

     如电子保险丝( e-fuse) 和柔性重置功能等技术，对于管理电源并实现更高级机器人功能是不可或缺的，例如在发生电源故障或导航问题时的智能行为。

     电源管理在移动机器人中尤为关键，因为这些机器人依赖电池组而非稳定的 AC 电源供电。由于电池电压可能波动较大（例如，10 节电池组的电压范围为 30 – 42 V），因此高效的 DC-DC 转换器（如 FAN65000 系列转换器）是不必不可少的组件。这些转换器效率超过 95%，有助于为子系统维持多个 DC 电源轨，且直接影响电池寿命和效率，从而延长运行时间。

     在 onsemi，我们致力于在数字环境中展示产品优势，例如通过最新的 Trench 10 高效 MOSFET 延长电池寿命，其中的数字环境如  NVIDIA Omniverse Isaac Sim 等。我们的想法是，通过仿真机器人行为（如沿特定路径行驶），将性能结果（如更长的电池寿命）与底层硬件优势建立关联。

     此外，人们还对以下做法表现出浓厚的兴趣，即将组件集成到功能性机器人仿真和评估过程中，来展示组件的实际系统级优势（超越如脉冲和热测试等实验室测试）。

     此外，该团队与多家拥有不同微控制器平台的渠道合作伙伴展开合作。为此，机器人系统采用 Docker 容器进行设计，使机器人操作系统 (ROS) 能够在不同硬件平台上以便携灵活的方式运行。这些平台包括 NVIDIA Jetson、D3 Embedded、Advantech、Renesas 和 AMD。

     这种方法使机器人软件能够轻松适配各种不同的合作伙伴生态系统。

Luke：你认为机器人技术的未来发展方向是什么？

     Card 和 Kersjes： 我们认为 2025 年将是“机器人能够证明自身能力的关键之年”，因为该领域正涌现出许多日益成熟的创新技术。从间接飞行时间 (iToF) 摄像头到物理 AI，前者通过分析调制光波从物体表面反射并返回传感器的方式来测量摄像头与物体的距离，后者能加速机器人的学习和训练过程。各种适用于不同应用的传感器技术，可确保机器人系统在不同的应用中都能保持安全、高效，从而推动机器人技术的使用和规模在未来几年实现爆发式增长。

     如需更多信息，请访问 机器人应用和技术页面，或访问 DigiKey.com 上的 onsemi 供应商营销中心 。