随着自主移动机器人应用日渐广泛，感测器融合领域呈现采用AI驱动的演算法、增强物体检测和分类能力、感测器融合用於实现协同感知、多种感测器模式，以及恶劣条件下的环境感知等趋势。

自主移动机器人（Autonomous mobile robots；AMR）可帮助制造商提高生产效率、增强安全性并节省大量成本，因而在各行各业得到广泛应用。2022年全球AMR市场规模为86.5亿美元，预计2022年至2028年间的复合年增长率（CAGR）将达到18.3%。

进入工业5.0时代，人类将与人工智慧（AI）机器人协同工作，机器人辅助而非取代人类。愿景固然美好，但要实现这一目标，AMR必须克服重重挑战，整合各种感测器以及新兴的感测器融合技术将为此提供助益。

AMR采用过程中所面临的挑战

AMR普及的一大难题是其在多种不同应用和环境中的适应性。AMR已广泛应用於仓库、农业技术、商业园林绿化、医疗保健、智慧零售、安防和监控、配送、库存管理、拣选和分类等多个领域。在这些不同的环境中，AMR需要安全地与人类共处。

此外，复杂的情境也极大地增加AMR的工作难度。有些情况人类可以轻松应对，但对於AMR而言却并非易事。例如，假设送货机器人在配送最後一个包裹的途中看到路中间有个球，它可能会成功识别这一障碍物并避免碰撞。但其智慧化程度是否足以预判会有小孩跑出来捡球呢？类似这样的复杂情境还有很多：AMR能否利用安装在柱子上的90度反光镜观察弯道的交通状况并做出预测？AMR是否知道自己不能在新浇筑的混凝土上行走？

人类很容易作出判断，但机器人却难以应对。然而，若配备了合适的感测器，AMR在强日光下检测物体的能力可以超越人类。不过，浇筑的混凝土和喷洒的液体仍然比较难以识别，而边缘、悬崖、坡道和楼梯，对於AMR来说都是挑战。还有一些特殊情况，比如有人故意搞破坏，将AMR推翻，这也是早期开发逃逸机动系统的缘由。

要想解决这些挑战，需要在AI技术中采用先进的大型语言模型（LLM）和各类高性能感测器。

用於AMR的高性能感测器

AMR需要使用不同类型的感测器进行同步定位与地图构建（simultaneous localization and mapping；SLAM），并提供距离和深度测量。感测器的重要指标包括物体检测、物体识别、颜色识别、解析度、功耗、尺寸、成本、范围、动态范围、速度，以及在各种光照和天气条件下的适应性。

可用於AMR的感测器模式，包括CMOS成像、直接飞行时间（dToF）和间接飞行时间（iTOF）深度感知、超音波、雷达、电感定位、低功耗蓝牙（Bluetooth LE）技术、惯性。

上述模式各有其优缺点。例如，雷达能在弱光或恶劣天气条件下有效测量范围和速度，但颜色检测能力较差，初始成本高，且体积较大，而这在AMR设计中是一个重要考虑因素。光学雷达采用大批量CMOS??铸造工艺，因此初始成本相对较低，且能够在夜间/直射阳光下进行检测，但在物体分类方面表现欠隹。同样，iToF深度感测器具有高解析度和低功耗处理能力。

显然，要为AMR提供全面的资讯以应对上述挑战，仅靠单一的感测器模式无法满足需求。根据应用和环境的不同，AMR需要使用多种感测器模式。这些感测器不会单独运行，而是透过「感测器融合」共同发挥作用。

感测器融合如何赋能自主移动机器人

感测器融合是指将两个或多个数据源（来自感测器和/或演算法或模型）组合，以更好地了解系统及其周围环境。AMR中的感测器融合不仅可以提升可靠性、备援度并最终确保安全性，还可以提高评估的一致性、准确性和可信度，是一项必不可少的技术。

如图一所示，感测器融合结合了数据收集和数据解释两个功能。

图一 : 感测器融合过程

在感测器融合中，「解释数据」的步骤需要实现演算法或模型。有时感测器融合的结果直接为人类提供有用资讯（如倒车辅助），有时则供机器作进一步处理（如安防系统中的人脸识别）。

感测器融合具有多种优势，例如降低讯号杂讯。同质感测器融合可以降低非相关杂讯，而异构感测器融合可以降低相关杂讯。

感测器融合本质上可透过备援来提高可靠性。感测器的数量至少有两个，这意味着即使其中一个感测器的数据丢失，虽然数据品质降低，但系统仍可利用其他感测器提供的数据继续工作。感测器融合还可用於预估无法直接测量的状态，例如遮挡（当镜头无法观察到物体或物体的一部分时）和反射（当物体或表面将光线从一个镜头反射到另一个镜头时）。

鉴於以上优势，且随着采用率日益增加，感测器融合领域已呈现以下趋势：采用AI驱动的演算法、增强物体检测和分类能力、感测器融合用於实现协同感知、多种感测器模式、恶劣条件下的环境感知、感测器融合用於实现 360 度环视、即时感测器校准。

感测器融合的核心在於感测器本身，如果获取的数据不理想，再好的演算法也无法生成高品质的结果。安森美（onsemi）提供一系列的感测器和工具，能够支持将感测器融合技术用於AMR中。

总结

自主移动机器人应用场景多样，而且它们的采用率正在加速提升。为顺应趋势，产业已形成了相关的最隹化实务。首先，对於环境实施控制，以减少AMR可能遇到的潜在碰撞情形。例如，可以在制造设施或仓库中为AMR/自动引导车辆（automated guided vehicles；AGV）设定专门的路线。其次，在开发过程中使用数位分身模拟实际使用场景（包括边界工况）。最後，将感测器融合与智慧感测器、演算法和模型相结合。

在智慧感知技术领域，安森美的各类卷帘快门和全域快门影像感测器，具有优异的动态范围性能，并配备运动唤醒等创新功能。除了影像感测器外，安森美还提供用於距离检测的光学雷达（SiPM）。该产品组合包括超音波感测器、电感感测器和采用低功耗蓝牙技术的微控制器，後者支持可用於定位的到达角（AoA）和出发角（AoD）。

AMR中的感测器融合必将对工业和运输应用迈向工业5.0的进程产生重大影响，完备的感测器和子系统可确保一切顺利过渡。