自主工业革命

从第一次工业革命发明轧棉机和蒸汽机开始，到第二次工业革命开发出装配线，新技术的快速采用推动着世界大步向前发展。

许多分析家认为，在工业4.0和自主系统的推动下，第四次工业革命已经来临。这一次工业革命推动更高效地利用材料和人力资源，所以需要的支持技术也持续快速发展。

自动化和自主行动的机器人、车辆和无人机都与制造业、采矿业、农业和物流进程密切相关，是推动这场工业革命不断发展的关键支柱。

为了达到自主式应用预期的系统性能水平，设备不但需要感知其周围的环境，还要能够进行导航。它可以在传感模式的帮助下实现这些目标，传感模式的输出由传统算法、人工智能或机器学习的算法进行融合和解译。实现可靠性和可用性是最大的挑战，这需要并行使用多种传感器技术，以求最终能够改善安全性、效率和灵活性并降低成本。

自主系统很大程度上以融合的传感模块所收集的高保真数据为基础，从而为AI和算法提供依据。行业普遍采用的传感器包括雷达、激光雷达、视觉、超声波和惯性传感器。下表着重介绍每种传感器的优点和局限性，强调系统中需要多个传感器。

感知传感：赋予机器视觉

工业4.0面临着多种多样的挑战。在恶劣环境下，要使机械（机器人、协作机器人等）在有限空间内自主运行，就需要雷达技术，其占用的空间更小、更准确且能够测量附近的目标。感知周围区域，形成图像并进行分类，这是实现高效率、生产力和安全性的关键。

在RF收发器IC技术最新发展的带动下，雷达正迅速成为感知应用采用的重要传感器技术之一。举个例子，77 GHz全集成全数字收发器MMIC。将高速和线性FMCW线性调频与高输出功率、低噪声发射和接收通道结合之后，MIMO天线阵列现在能够帮助以合理成本，实现高性能、高分辨率的雷达系统。基于雷达的数字波束成型技术能够在恶劣环境条件下检测径向速度、角度和到多个目标的距离，这是机器人、协作机器人和AGV在动态环境下安全有效交互的关键。

在工业环境中，自主系统的任务通常是定位和捡起物体，而不是安全地避开。激光雷达能够准确地检测和分类对象，具备完成这些常见任务所需的精度。

激光雷达系统支持太赫工作频率范围，提供非常精细的角分辨率，可以转化为高分辨率的深度图。利用这些高分辨率的深度图，激光雷达系统可以对检测对象进行分类，与视觉、IMU和雷达信息结合，做出可靠的任务关键型决策。激光雷达系统主要用于动态环境，例如阳光明亮的户外环境。通过使用波长为9xx nm和15xx nm的窄脉冲，并以高功率驱动，激光雷达在这些富有挑战性的环境下能够看得更远。此外，使用窄脉冲可以实现更精细的深度分辨率，能够在一个像素内检测多个目标，在9xx和15xx时红外光的太阳辐射也更低。

要推动激光雷达系统得到广泛采用，必须先克服诸多挑战。这些挑战包括：复杂且昂贵的信号链、光学设计问题以及系统测试和校准。目前的开发正在尝试整合这些信号链，以降低其复杂性、大小、功耗要求和总拥有成本。

导航感测：赋予机器感觉

随着传感器在工业机器上的普及，它们所提供的数据越来越丰富，其位置和相对运动的重要性也越来越大。自主能力通常与移动有关，所以准确定位车辆的位置，或引导机器的移动，或准确地操控仪器仪表都是关键的推动因素。如果技术能够准确检测这些运动，就可以被用在难度更大、更宝贵的应用中，这些应用也需要安全性和可靠性。例如，智能农场需要不断提高作物管理效率，将机器定位在几厘米的误差范围之内，是节约投入和最大化产出的主要驱动力。

实现自主导航的一种方法是利用GNSS定位服务，这项服务无处不在，但容易受到信号中断的影响。完全实现自主需要操作不受限制，不存在阻塞或暂时中断风险。惯性传感器提供一种补充的运动测量方法，它不会受到干扰，也不需要外部基础设施。所有三个轴上的线性和旋转传感器的组合通常组合成一个六自由度惯性测量单元(IMU)。IMU的输出经过附加处理，可以提供相对姿态、行进方向和速度，最终提供所谓的航位推算制导。

实现厘米级定位精度，或者10度指向角，需要用到特殊的惯性传感器。即使在不错的环境中，消费电子级IMU的输出也会快速漂移。它们，无法从包括振动和轴间交叉干扰等其他的误差源中区分出”想要的”移动。高性能惯性传感器在1°/小时范围内具有很高的稳定性，采用特殊的传感器架构来消除线性加速度误差，并通过校准来补偿温度和校准干扰。与GPS和感知传感器相比，惯性传感器以10×至100×的更高速率来准确捕捉运动，因此，最能够取代非自主机器所依赖的人类本能的动作感应。

本次工业革命的发展主要受为其提供支持的传感技术（支持自主能力）的发展推动。雷达、激光雷达和摄像头能够在短距离和长距离范围内准确检测对象并进行分类，让自主式工业车辆能够像人类操作员一样观看周围环境。此外，在为自主应用提供“直觉”或航位推算导航时，惯性技术非常关键。传感器的精度越高，提供给人工智能的数据质量就越高，这最终会带来更安全、更高效的应用。