无论是传统的工业机器人系统，还是当今的协作机器人（Cobot），它们都要依靠可生成大量高度可变数据的传感器。这些数据有助于构建更佳的机器学习（ML）和人工智能（AI）模型。而机器人依靠这些模型变得“自主”，可在动态的现实环境中做出实时决策和导航。

工业机器人通常位于“封闭”环境中，出于安全原因，如果该环境中有人类进入，机器人会停止移动。但是限制人类/机器人协作，也使得很多益处无法实现。具有自主运行功能的机器人，可以支持安全高效的人类与机器人的共存。

机器人应用的传感和智能感知非常重要，因为机器人系统的高效性能，特别是ML/AI系统，在很大程度上取决于为这些系统提供关键数据的传感器的性能。当今数量广泛且日益完善和精确的传感器，结合能够将所有这些传感器数据融汇在一起的系统，就可以支持机器人具有越来越好的知觉和意识。

AI的发展

机器人自动化一直以来都是制造业的革命性技术，将AI集成到机器人中显然将在未来数年中使机器人技术产生巨大变化。本文探讨了当今机器人、自动化和把AI及AI所需数据紧紧链接在一起从而实现智能的*重要技术的某些关键发展趋势，还讨论了如何在AI系统中使用以及融汇不同的传感器。

推动机器人的AI处理技术至边缘计算

ML包括两个主要部分：培训和推理，可以在完全相异的处理平台上执行它们。培训通常是以离线方式在桌面上进行或在云端完成，并且包括将大数据集入神经网络。在此阶段，实时性能或功能都不是问题。培训阶段的结果是在部署时已经有了一个经过培训的AI系统，该系统能够执行特定任务，例如，调查组装线上的瓶颈问题、计算和跟踪一个房间内的人员或确定账单是否是伪造的。