- AI
- Edge Computing
- Industries
- Clea
为什么设备端 AI 正在重新定义机器人系统设计
了解 Edge AI 与云基础设施如何重塑 Physical AI 和工业机器人,实现可扩展、安全、实时的边缘到云部署。

工业领域长期以来一直使用机器人平台来完成物料搬运、产品制造和库存管理等任务。如今,自主移动机器人(AMR)、协作机器人(cobot)以及先进的装配和检测产线借助人工智能(AI)实现了更高水平的运行自主性,这属于一个被称为“physical AI”的新领域。
从历史上看,许多 AI 工作负载与云计算联系在一起,这既是因为云计算资源潜力巨大,也是因为嵌入式硬件在功耗和性能方面一直受到传统限制。随着 AI 驱动的任务不断进步,例如从光学字符识别(OCR)到自动缺陷检测,算力需求持续增长。
然而,现代处理平台使许多复杂的 AI 工作负载能够直接在边缘硬件上运行。因此,这些技术正在改变工程师设计工业机器人的方式。
本地智能的运行优势
云计算虽然为 AI 处理提供了充足的资源,但也可能给工业机器人带来一些问题:
首先是处理延迟,它由网络延迟、云服务器内的任务调度以及云端处理时间共同构成。高速、高度协同的操作,例如装配线上的机器人产品检测与剔除,依赖严格的时序来最大限度地提高产能。延迟的波动会降低确定性,进而降低运行效率,因为必须降低速度来加以补偿。
非本地处理还会对运行连续性造成障碍。在网络中断期间,依赖云端的设备可能因处理资源不可用而出现功能下降。由此造成的停机对制造商来说代价高昂,而且如果关键的感知流程被中断,网络中断还可能影响与 cobot 和 AMR 并肩工作的员工的安全。
此外,在数据量大的应用场景中,例如配备高分辨率摄像头的质检 cobot,网络带宽会带来成本和吞吐量方面的顾虑。而且,原始数据离开设备进行分析,还可能增加数据隐私和安全风险。
通过转向设备端智能,机器人系统开发人员可以解决这些非本地处理方面的顾虑:
在靠近数据源的位置处理数据,通常可以降低延迟。开发人员还可以采用专为实时运行设计的软硬件组合来提高确定性,从而实现装配线机器人系统所需的高水平协同。
同样,将所有关键流程直接迁移到机器人平台上,有助于支持无需网络的运行,降低可能影响生产效率或机器人安全的停机和性能下降风险。Edge 处理还消除了基于云的数据分析所带来的成本和带宽限制,并因为原始数据无需离开设备而大幅提升数据隐私和安全性。
对于工业机器人团队而言,采用边缘优先的方法会使硬件工程更多地聚焦于 physical AI 系统的处理和接口需求。实施先进的应用软件和 Edge AI 部署工作流程,则使开发进一步复杂化。尽管如此,板载智能仍为实现更高的机器人自主性提供了一条路径。
云基础设施如何支持工业机器人
尽管 Edge 处理为单个工业机器人平台带来许多优势,云基础设施在支持部署规模的运营方面仍然发挥着重要作用:
基于云的设备群管理使团队能够协调众多机器人的日常和计划作业。实际上,这把一个个独立的系统变成了一个可扩展、如同一个整体运行的网络,减少了运营瓶颈,例如 AMR 在共享空间中相互堵塞路线。
云还提供了一个集中的空间,用于监督控制、通过设备遥测实现可观测性,以及可视化运营洞察,例如装配线上的缺陷检出率和制造产能,而不是原始数据。最重要的是,云平台集中管理关键的软件生命周期管理任务,例如可提升机器人性能并修复安全漏洞的空中升级(OTA)更新。
将本地智能与总体云平台相结合,是现代工业机器人的一项强大策略。不过,这一过程可能很复杂,因此机器人团队可以受益于能够在统一的边缘到云框架内加速硬件和软件开发的量产就绪型解决方案。
用于构建边缘到云机器人部署的可扩展解决方案
SECO 提供全面的生态系统,用于构建面向部署规模工业运营的机器人系统。不过,工程师面临的一个关键挑战是找到能够支持先进 Edge AI 工作负载的处理平台。SECO 通过其 SOM-SMARC-Dragonwing-IQ8、SOM-COMe-CT6-Dragonwing-IQ-X 和 SOM-SMARC-QCS6490 系统级模块(SOM)解决了这一问题。
这些高度集成的边缘平台分别基于 Qualcomm® Dragonwing™ IQ8、Dragonwing™ IQ-X 和 Dragonwing™ QCS6490 处理器,通过允许在本地执行要求苛刻的 AI 任务,降低了运营对云的依赖。这是通过异构处理实现的,其特点包括:
- 多个 CPU 内核,用于先进的应用处理、同步定位与建图(SLAM),以及电机控制和传感子系统等机器人外设之间的并行通信。
- 集成 GPU,用于图像预处理和图形渲染任务,例如在产品检测期间或驱动人机界面(HMI)时。
- 专用 AI 加速,用于在本地执行人员检测、物体识别、声音分类,以及 cobot 环境中的其他关键任务。
SECO 在开放标准的 Computer-on-Module(COM)上提供这些先进处理器,在提供支持机器人应用的工业接口的同时,简化了集成和规模化制造。工程师构建好合适的载板系统后,SOM 的长期供货支持,以及与同一标准 COM 的互操作性,可减少厂商锁定,并在日后必须采购替代方案时尽量减少重新设计的工作量。
与这些硬件平台配套,SECO Clea 为可扩展的边缘到云部署提供了安全、工业级的基础层。Clea OS 提供基于 Yocto Linux 的模块化、高度可定制的软件框架,使开发人员能够充分利用异构处理,同时可以省略不必要的软件组件,最大限度地发挥边缘资源的潜力。
更多 Clea 模块可帮助开发人员构建云层,用于设备群管理、数据编排和安全的 OTA 更新,为部署规模的工业机器人的长期运营提供服务。此外,SECO App Hub 和 Clea Studio AI 提供经过验证的 AI 模型和训练环境,以加速 AI 开发。
Edge AI 的进步正在改变工业机器人,而 SECO 提供解决方案和专业知识,帮助工程师在构建 physical AI 系统时充分发挥边缘硬件的优势。如需了解更多信息,请联系我们的专家,并请继续关注本系列的下一期,我们将探讨 physical AI 和工业机器人不断演变的格局。
订阅 SECO 新闻通讯。
在 seco.com 上用您的电子邮件地址订阅。






