智能機器人市場正在增長，包括航空航天、國防、醫療、制造、貨運和其他行業都在尋找利用機器人來改善其服務和產品的方法。然而，人工智能在宏觀層面上影響著一切。

　　在機器人應用中使用 AI 的關鍵驅動因素

　　在機器人技術中使用AI的一個基本驅動因素是改善我們自己的條件。我們一直在尋找更好的手機、電視、汽車或智能設備來提高我們的生活質量。有時，我們會考慮通過風力發電和太陽能電池板等創新來改善我們的物理環境。其他時候，我們正在尋找減少接觸危險工作的方法，或者我們只是想找到避免枯燥和重復性工作的方法。

　　工業界認識到人類改善生活質量的愿望。他們通過創新、創造新技術和優化流程來做出回應。然而，這些創新推動市場繼續創新并創造下一個更新、更好、更快的人工智能解決方案。

　　新興的人工智能機器人帶來的挑戰

　　這種不斷創新的循環帶來了一些挑戰。IDC 預測，到 2025 年，全球數據量將增長10倍，達到163澤字節，高于2016年生成的16.1澤字節。今天，機器人正在生成大量數據，主要來自操作所需的感官輸入。更高水平的機器意識使工業環境擁有豐富的傳感器衍生數據，但在處理和分析部門中可能過于薄弱。傳統的計算策略和框架可能會不堪重負。

　　邊緣解決方案

　　將所有這些數據推送到其他地方進行處理(進入云)不再實用，也沒有意義。我們提高了生產力，因為有了人工智能和對如此多數據的訪問，機器人可以比人類更快地做出決定，而且從統計上講，機器人總是會做出最好的決定。

　　由于混合了如此多的機器、傳感器和數據，計算將越來越多地發生在邊緣。機器人本身將能夠更好地執行更多活動并自主做出更多決策。

　　由在邊緣收集和處理的數據驅動的機器人可以檢測其自身故障的可能性，或者至少檢測未能保持質量標準的可能性。與裝配線上的其他機器人進行通信時，處于危險中的機器會關閉，而其他機器會實時調整其工作流程以彌補丟失的工人。生產線變慢但不會停止，技術人員介入，進行所需的調整或維修，然后系統恢復全速。實現此功能和相關功能的唯一方法是通過邊緣。

　　安全綁定數據和連接

　　隨著機器人的移動化、協作化、邊緣化，以及與內部和外部傳感器和物聯網設備的連接，數據豐富的生態系統向潛在黑客開放了多個接入點。公司可能會發現自己容易受到惡意軟件、網絡贖金、生產延遲和業務中斷的影響。此外，針對高度靈活、功能強大的機器人系統的網絡攻擊也帶來了一些嚴重的物理安全問題。

　　安全不應該是事后諸葛亮。要采取的一些基本措施包括啟用安全引導、使用容器技術更有效地管理已部署的軟件、利用時間分區等概念將拒絕服務(DoS)攻擊的可能性降到最低，或者使用強制訪問控制(MAC)更好地隔離軟件組件。

　　系統集成商還需要了解他們正在安裝的機器和整個環境，著眼于識別潛在的接入點和加固易受攻擊的目標。最后，運營商的IT團隊需要積極參與，監控威脅，更新安全措施。

　　在實時技術堆棧中尋找什么

　　如果所有數據的 75% 將在邊緣消耗，那么 25% 的數據將被推出。當數據從 A 點移動到 B 點時，我們必須選擇正確的堆棧來進行信息傳輸，因為所有堆棧都不是平等的。公司希望在考慮互操作性的情況下使協議棧適應用例。TSN 和 OPC-UA 是兩個值得考慮的例子。

　　時間敏感網絡(或 TSN)是過去稱為音頻視頻橋接 (AVB) 的演變。TSN 確保如果您將數據從 A 點發送到 B 點，數據將在一定的時間范圍內和準確度內到達。

　　OPC-UA 允許用戶擁有一個與供應商無關的通信系統，目的是讓機器與其他機器對話。

　　結論

　　為了幫助人工智能機器變得更加自主，可以通過整個系統獲得的所有知識都是必要的。邊緣云現在是一個機器生態系統，為 AI 機器和數據提供最佳連接。人工智能和自治新時代的業務影響意味著機器人系統決策的動態正在迅速發展。我們曾經認為的漸進式步驟現在變成了轉型的機會。