隨著自主移動機器人應用日漸廣泛，感測器融合領域呈現採用AI驅動的演算法、增強物體檢測和分類能力、感測器融合用於實現協同感知、多種感測器模式，以及惡劣條件下的環境感知等趨勢。

自主移動機器人（Autonomous mobile robots；AMR）可幫助製造商提高生產效率、增強安全性並節省大量成本，因而在各行各業得到廣泛應用。2022年全球AMR市場規模為86.5億美元，預計2022年至2028年間的複合年增長率（CAGR）將達到18.3%。

進入工業5.0時代，人類將與人工智慧（AI）機器人協同工作，機器人輔助而非取代人類。願景固然美好，但要實現這一目標，AMR必須克服重重挑戰，整合各種感測器以及新興的感測器融合技術將為此提供助益。

AMR採用過程中所面臨的挑戰

AMR普及的一大難題是其在多種不同應用和環境中的適應性。AMR已廣泛應用於倉庫、農業技術、商業園林綠化、醫療保健、智慧零售、安防和監控、配送、庫存管理、揀選和分類等多個領域。在這些不同的環境中，AMR需要安全地與人類共處。

此外，複雜的情境也極大地增加AMR的工作難度。有些情況人類可以輕鬆應對，但對於AMR而言卻並非易事。例如，假設送貨機器人在配送最後一個包裹的途中看到路中間有個球，它可能會成功識別這一障礙物並避免碰撞。但其智慧化程度是否足以預判會有小孩跑出來撿球呢？類似這樣的複雜情境還有很多：AMR能否利用安裝在柱子上的90度反光鏡觀察彎道的交通狀況並做出預測？AMR是否知道自己不能在新澆築的混凝土上行走？

人類很容易作出判斷，但機器人卻難以應對。然而，若配備了合適的感測器，AMR在強日光下檢測物體的能力可以超越人類。不過，澆築的混凝土和噴灑的液體仍然比較難以識別，而邊緣、懸崖、坡道和樓梯，對於AMR來說都是挑戰。還有一些特殊情況，比如有人故意搞破壞，將AMR推翻，這也是早期開發逃逸機動系統的緣由。

要想解決這些挑戰，需要在AI技術中採用先進的大型語言模型（LLM）和各類高性能感測器。

用於AMR的高性能感測器

AMR需要使用不同類型的感測器進行同步定位與地圖構建（simultaneous localization and mapping；SLAM），並提供距離和深度測量。感測器的重要指標包括物體檢測、物體識別、顏色識別、解析度、功耗、尺寸、成本、範圍、動態範圍、速度，以及在各種光照和天氣條件下的適應性。

可用於AMR的感測器模式，包括CMOS成像、直接飛行時間（dToF）和間接飛行時間（iTOF）深度感知、超音波、雷達、電感定位、低功耗藍牙（Bluetooth LE）技術、慣性。

上述模式各有其優缺點。例如，雷達能在弱光或惡劣天氣條件下有效測量範圍和速度，但顏色檢測能力較差，初始成本高，且體積較大，而這在AMR設計中是一個重要考慮因素。光學雷達採用大批量CMOS硅鑄造工藝，因此初始成本相對較低，且能夠在夜間/直射陽光下進行檢測，但在物體分類方面表現欠佳。同樣，iToF深度感測器具有高解析度和低功耗處理能力。

顯然，要為AMR提供全面的資訊以應對上述挑戰，僅靠單一的感測器模式無法滿足需求。根據應用和環境的不同，AMR需要使用多種感測器模式。這些感測器不會單獨運行，而是透過「感測器融合」共同發揮作用。

感測器融合如何賦能自主移動機器人

感測器融合是指將兩個或多個數據源（來自感測器和/或演算法或模型）組合，以更好地瞭解系統及其周圍環境。AMR中的感測器融合不僅可以提升可靠性、備援度並最終確保安全性，還可以提高評估的一致性、準確性和可信度，是一項必不可少的技術。

如圖一所示，感測器融合結合了數據收集和數據解釋兩個功能。

圖一 : 感測器融合過程

在感測器融合中，「解釋數據」的步驟需要實現演算法或模型。有時感測器融合的結果直接為人類提供有用資訊（如倒車輔助），有時則供機器作進一步處理（如安防系統中的人臉識別）。

感測器融合具有多種優勢，例如降低訊號雜訊。同質感測器融合可以降低非相關雜訊，而異構感測器融合可以降低相關雜訊。

感測器融合本質上可透過備援來提高可靠性。感測器的數量至少有兩個，這意味著即使其中一個感測器的數據丟失，雖然數據品質降低，但系統仍可利用其他感測器提供的數據繼續工作。感測器融合還可用於預估無法直接測量的狀態，例如遮擋（當鏡頭無法觀察到物體或物體的一部分時）和反射（當物體或表面將光線從一個鏡頭反射到另一個鏡頭時）。

鑒於以上優勢，且隨著採用率日益增加，感測器融合領域已呈現以下趨勢：採用AI驅動的演算法、增強物體檢測和分類能力、感測器融合用於實現協同感知、多種感測器模式、惡劣條件下的環境感知、感測器融合用於實現 360 度環視、即時感測器校準。

感測器融合的核心在於感測器本身，如果獲取的數據不理想，再好的演算法也無法生成高品質的結果。安森美（onsemi）提供一系列的感測器和工具，能夠支持將感測器融合技術用於AMR中。

總結

自主移動機器人應用場景多樣，而且它們的採用率正在加速提升。為順應趨勢，產業已形成了相關的最佳化實務。首先，對於環境實施控制，以減少AMR可能遇到的潛在碰撞情形。例如，可以在製造設施或倉庫中為AMR/自動引導車輛（automated guided vehicles；AGV）設定專門的路線。其次，在開發過程中使用數位分身模擬實際使用場景（包括邊界工況）。最後，將感測器融合與智慧感測器、演算法和模型相結合。

在智慧感知技術領域，安森美的各類捲簾快門和全域快門影像感測器，具有優異的動態範圍性能，並配備運動喚醒等創新功能。除了影像感測器外，安森美還提供用於距離檢測的光學雷達（SiPM）。該產品組合包括超音波感測器、電感感測器和採用低功耗藍牙技術的微控制器，後者支持可用於定位的到達角（AoA）和出發角（AoD）。

AMR中的感測器融合必將對工業和運輸應用邁向工業5.0的進程產生重大影響，完備的感測器和子系統可確保一切順利過渡。