作者：Sarven Ipek，Bob Scannell，Andreas Parr

許多分析師一致認為，在工業4.0和自主系統的增長推動下，下一次工業革命已經到來。在下一個工業發現時代，推動更有效地利用材料和勞動力，要求底層技術繼續快速發展。

自動化和自主行動的機器人、車輛和無人機與制造、采礦、農業和物流流程緊密結合，是正在進行的工業革命的關鍵支柱。

為了達到自主應用所需的系統性能水平，設備需要感知和導航其環境。它可以借助傳感模式來實現這些目標，這些模式的輸出由傳統的、人工智能或基于機器學習的算法融合和解釋。可靠性和可用性是最大的相關挑戰，需要并行實施多種傳感器技術，最終目標是提高安全性、效率、成本和靈活性。

自治系統嚴重依賴融合傳感模式收集的高保真數據來通知人工智能和算法。業內最普遍接受的傳感器包括雷達、激光雷達、視覺、超聲波和慣性傳感器。下表突出顯示了每種感知傳感模式的優點和局限性，以及系統中對多個傳感器的需求。

感知感知：賦予機器視覺

工業4.0的挑戰是多種多樣的。有限的空間和在惡劣環境中配對的自主操作機械（機器人、協作機器人等）需要更小、更精確且能夠測量附近目標的雷達技術。周圍區域的成像和分類對于效率、生產力和安全性至關重要。

在射頻收發器IC技術最新進展的推動下，雷達正迅速成為感知應用的重要傳感器技術之一。一個例子是77 GHz全集成全數字收發器MMIC。高速和線性FMCW線性調頻與高輸出功率、低噪聲發射和接收通道以及MIMO天線陣列相結合，現在能夠以合理的成本實現高性能、高分辨率雷達系統。基于雷達的數字波束成形能夠在最惡劣的環境條件下檢測徑向速度、角度和與多個目標的距離，這是機器人、協作機器人和AGV在動態環境中安全高效交互的關鍵。

在工業環境中，自主系統的任務通常是定位和拾取物體，而不是安全地避開它。激光雷達強大的物體檢測和分類精度提供了完成這些常見任務所需的精度。

激光雷達系統在太赫茲頻率范圍內工作，可實現精細的角度分辨率，從而轉化為高分辨率深度圖。借助這些高分辨率深度圖，激光雷達系統可以對物體進行分類，使其與視覺、IMU 和雷達信息融合，從而做出可靠的關鍵任務決策。激光雷達系統設計用于在動態環境中工作，例如戶外明亮的陽光下。通過使用 9xx nm 和 15xx nm 波長的窄脈沖，并以高功率驅動它們，激光雷達能夠在這些具有挑戰性的條件下看得更遠。此外，窄脈沖允許更精細的深度分辨率來檢測像素內的多個目標，而9xx和15xx的紅外光具有較少的太陽輻射。

必須克服許多挑戰才能鼓勵大規模采用激光雷達系統。其中包括復雜且昂貴的信號鏈、光學設計問題以及系統測試和校準。目前正在開發集成這些信號鏈并降低其復雜性、尺寸、功率要求和總體擁有成本的開發。

導航傳感：賦予機器感覺

隨著傳感器在工業機器上的激增，以及從中獲取的數據變得更加豐富，它們的位置和相對運動的重要性也隨之增加。自動駕駛通常與移動性有關，因此精確定位車輛的位置，或引導機器的運動，或精確地轉向它們的儀器是一個關鍵的推動因素。精確地檢測這種運動允許更困難和更有價值的應用使用，其中也要求安全性和可靠性。例如，智能農場面臨的挑戰是不斷提高作物管理的效率，而將儀器定位在厘米以內是節省投入和最大化產出的主要驅動力。

自主導航的一種方法是利用GNSS定位服務，這些服務雖然無處不在，但也容易受到信號中斷的影響。完全自主需要不受限制的操作，沒有阻塞或臨時中斷的威脅。慣性傳感器提供互補的運動測量，不受干擾和對外部基礎設施的需求。所有三個軸上的線性和旋轉傳感器組合通常組合成一個六自由度慣性測量單元（IMU）。IMU 的輸出可以通過額外的處理來解析，以提供相對姿態、航向和速度。這最終提供了所謂的航位推算指導。

需要一類特殊的慣性傳感器來解決厘米級定位的精度，或10度的指向角。即使在良性環境中，消費級IMU的輸出也會非常快速地漂移。他們無法將“想要的”運動與其他誤差源區分開來，包括振動和跨軸干擾。高性能慣性傳感器在 1°/小時的范圍內具有高穩定性，采用特殊的傳感器架構來抑制線性 g 誤差，并經過校準以補償溫度和對準干擾。與GPS和感知傳感器相比，這種精確的運動捕捉以10×至100×的速率完成，因此最能取代非自主機器中依賴的人類本能運動感應。

這場工業革命的發展取決于支持自主性的基礎傳感技術的發展。雷達、激光雷達和攝像頭在短距離和遠距離精確檢測和分類物體的能力將使自主工業車輛能夠像人類操作員一樣有效地看到物體。此外，慣性技術對于為自主應用提供“直覺”或航位推算導航至關重要。傳感器越精確，輸入人工智能的數據質量就越高，這最終導致更安全、更高效的應用。審核編輯：郭婷