机器学习和深度学习已成为我们生活中不可或缺的部分。利用自然语言处理（NLP）、图像分类和物体检测实现的人工智能（AI）应用已深度嵌入到我们使用的众多设备中。大多数AI应用通过云引擎即可出色地满足其用途，例如在Gmail中回复电子邮件时可以获得词汇预测。虽然我们可以享受到这些AI应用带来的益处，但这种方法导致隐私、功耗、延时和成本等诸多因素面临挑战。如果有一个能够在数据来源处执行部分或全部计算（推断）的本地处理引擎，那么这些问题即可迎刃而解。传统数字神经网络的存储器功耗存在瓶颈，难以实现这一目标。为了解决这一问题，可以将多级存储器与模拟内存内计算方法结合使用，使处理引擎满足更低的毫瓦级（mW）到微瓦级（μW）功率要求，从而在网络边缘执行AI推断。通过云引擎提供服务的AI应用面临的挑战如果通过云引擎为AI应用提供服务，用户必须将一些数据以主动或被动方式上传到云，计算引擎在云中处理数据并提供预测，然后将预测结果发送给下游用户使用。下面概述了这一过程面临的挑战：图1：从边缘到云的数据传输1.隐私问题：对于始终在线始终感知的设备，个人数据和/或机密信息在上传期间或在数据中心的保存期限内存在遭受滥用的风险。2.不必要的功耗：如果每个数据位都传输到云，则硬件、无线电、传输装置以及云中不必要的计算都会消耗电能。3.小批量推断的延时：如果数据来源于边缘，有时至少需要一秒才能收到云系统的响应。当延时超过100毫秒时，人们便有明显感知，造成反响不佳的用户体验。4.数据经济需要创造价值：传感器随处可见，价格低廉；但它们会产生大量数据。将每个数据位都上传到云进行处理并不划算。要使用本地处理引擎解决这些挑战，必须首先针对目标用例利用指定数据集对执行推断运算的神经网络进行训练。这通常需要高性能计算（和存储器）资源以及浮点算数运算。因此，机器学习解决方案的训练部分仍需在公共或私有云（或本地GPU、CPU和FPGAFarm）上实现，同时结合数据集来生成最佳神经网络模型。神经网络模型的推断运算不需要反向传播，因此在该模型准备就绪之后，可利用小型计算引擎针对本地硬件进行深度优化。推断引擎通常需要大量乘-累加（MAC）引擎，随后是激活层（例如修正线性单元（ReLU）、Sigmoid函数或双曲正切函数，具体取决于神经网络模型复杂度）以及各层之间的池化层。大多数神经网络模型需要大量MAC运算。例如，即使是相对较小的“1.0MobileNet-224”模型，也有420万个参数（权重），执行一次推断需要多达5.69亿次的MAC运算。此类模型中的大多数都由MAC运算主导，因此这里的重点是机器学习计算的运算部分，同时还要寻找机会来创建更好的解决方案。下面的图2展示了一个简单的完全连接型两层网络。输入神经元（数据）通过第一层权重处理。第一层的输出神经元通过第二层权重处理，并提供预测（例如，模型能否在指定图像中找到猫脸）。这些神经网络模型使用“点积”运算计算每层中的每个神经元，如下面的公式所示：（为简单起见，公式中省略了“偏差”项）。图2：完全连接的两层神经网络在数字神经网络中，权重和输入数据存储在DRAM/SRAM中。权重和输入数据需要移至某个MAC引擎旁以进行推断。根据下图，采用这种方法后，大部分功耗都来源于获取模型参数以及将数据输入到实际发生MAC运算的ALU。从能量角度来看，使用数字逻辑门的典型MAC运算消耗约250fJ的能量，但在数据传输期间消耗的能量超过计算本身两个数量级，达到50皮焦（pJ）到100pJ的范围。公平地说，很多设计技巧可以最大程度减少存储器到ALU的数据传输，但整个数字方案仍受冯·诺依曼架构的限制。这就意味着，有大量的机会可以减少功率浪费。如果执行MAC运算的能耗可以从约100pJ减少到若干分之几pJ，将会怎样呢？消除存储器瓶颈同时降低功耗如果存储器本身可用来消除之前的存储器瓶颈，则在边缘执行推断相关的运算就成为可行方案。使用内存内计算方法可以最大程度地减少必须移动的数据量。这反过来也会消除数据传输期间浪费的能源。闪存单元运行时产生的有功功率消耗较低，在待机模式下几乎不消耗能量，因此可以进一步降低能耗。图3：机器学习计算中的存储器瓶颈来源：Y.-H.Chen、J.Emer和V.Sze于2016国际计算机体系结构研讨会发表的“Eyeriss:ASpatialArchitectureforEnergy-EfficientDataflowforConvolutionalNeuralNetworks”。该方法的一个示例是Microchip子公司SiliconStorageTechnology（SST）的memBrain?技术。该解决方案依托于SST的SuperFlash?存储器技术，这项技术已成为适用于单片机和智能卡应用的多级存储器的公认标准。这种解决方案内置一个内存内计算架构，允许在存储权重的位置完成计算。权重没有数据移动，只有输入数据需要从输入传感器（例如摄像头和麦克风）移动到存储器阵列中，因此消除了MAC计算中的存储器瓶颈。这种存储器概念基于两大基本原理：(a)晶体管的模拟电流响应基于其阈值电压（Vt）和输入数据，(b)基尔霍夫电流定律，即在某个点交汇的多个导体网络中，电流的代数和为零。了解这种多级存储器架构中的基本非易失性存储器（NVM）位单元也十分重要。下图（图4）是两个ESF3（第3代嵌入式SuperFlash）位单元，带有共用的擦除门（EG）和源线（SL）。每个位单元有五个终端：控制门（CG）、工作线（WL）、擦除门（EG）、源线（SL）和位线（BL）。通过向EG施加高电压执行位单元的擦除操作。通过向WL、CG、BL和SL施加高/低电压偏置信号执行编程操作。通过向WL、CG、BL和SL施加低电压偏置信号执行读操作。图4：SuperFlashESF3单元利用这种存储器架构，用户可以通过微调编程操作，以不同Vt电压对存储器位单元进行编程。存储器技术利用智能算法调整存储器单元的浮栅（FG）电压，以从输入电压获得特定的电流响应。根据最终应用的要求，可以在线性区域或阈下区域对单元进行编程。图5说明了在存储器单元中存储多个电压的功能。例如，我们要在一个存储器单元中存储一个2位整数值。对于这种情况，我们需要使用4个2位整数值（00、01、10、11）中的一个对存储器阵列中的每个单元进行编程，此时，我们需要使用四个具有足够间隔的可能Vt值之一对每个单元进行编程。下面的四条IV曲线分别对应于四种可能的状态，单元的电流响应取决于向CG施加的电压。图5：ESF3单元中的编程Vt电压受训模型的权重通过编程设定为存储器单元的浮栅Vt。因此，受训模型每一层（例如完全连接的层）的所有权重都可以在类似矩阵的存储器阵列上编程，如图6所示。对于推断运算，数字输入（例如来自数字麦克风）首先利用数模转换器（DAC）转换为模拟信号，然后应用到存储器阵列。随后该阵列对指定输入向量并行执行数千次MAC运算，产生的输出随即进入相应神经元的激活阶段，随后利用模数转换器（ADC）将输出转换回数字信号。然后，这些数字信号在进入下一层之前进行池化处理。图6：用于推断的权重矩阵存储器阵列这类多级存储器架构模块化程度非常高，而且十分灵活。许多存储器片可以结合到一起，形成一个混合了权重矩阵和神经元的大型模型，如图7所示。在本例中，MxN片配置通过各片间的模拟和数字接口连接到一起。图7：memBrain?的模块化结构截至目前，我们主要讨论了该架构的芯片实施方案。提供软件开发套件（SDK）可帮助开发解决方案。除了芯片外，SDK还有助于推断引擎的开发。SDK流程与训练框架无关。用户可以在提供的所有框架（例如TensorFlow、PyTorch或其他框架）中根据需要使用浮点计算创建神经网络模型。创建模型后，SDK可帮助量化受训神经网络模型，并将其映射到存储器阵列。在该阵列中，可以利用来自传感器或计算机的输入向量执行向量矩阵乘法。图8：memBrain?SDK流程多级存储器方法结合内存内计算功能的优点包括：1.超低功耗：专为低功耗应用设计的技术。功耗方面的第一个优点是，这种解决方案采用内存内计算，因此在计算期间，从SRAM/DRAM传输数据和权重不会浪费能量。功耗方面的第二个优点是，闪存单元在阈下模式下以极低的电流运行，因此有功功率消耗非常低。第三个优点是待机模式下几乎没有能耗，原因是非易失性存储器单元不需要任何电力即可保存始终开启设备的数据。这种方法也非常适合对权重和输入数据的稀疏性加以利用。如果输入数据或权重为零，则存储器位单元不会激活。2.减小封装尺寸：该技术采用分离栅（1.5T）单元架构，而数字实施方案中的SRAM单元基于6T架构。此外，与6TSRAM单元相比，这种单元是小得多。另外，一个单元即可存储完整的4位整数值，而不是像SRAM单元那样需要4*6=24个晶体管才能实现此目的，从本质上减少了片上占用空间。3.降低开发成本：由于存储器性能瓶颈和冯·诺依曼架构的限制，很多专用设备（例如Nvidia的Jetsen或Google的TPU）趋向于通过缩小几何结构提高每瓦性能，但这种方法解决边缘计算难题的成本却很高。采用将模拟内存内计算与多级存储器相结合的方法，可以在闪存单元中完成片上计算，这样便可使用更大的几何尺寸，同时降低掩膜成本和缩短开发周期。边缘计算应用的前景十分广阔。然而，需要首先解决功耗和成本方面的挑战，边缘计算才能得到发展。使用能够在闪存单元中执行片上计算的存储器方法可以消除主要障碍。这种方法利用经过生产验证的公认标准类型多级存储器技术解决方案，而这种方案已针对机器学习应用进行过优化。作者简介VipinTiwari在产品开发、产品营销、业务开发、技术许可、工程管理以及存储器设计方面拥有20多年的丰富经验。目前，Tiwari先生在Microchip的子公司SiliconStorageTechnology,Inc.担任嵌入式存储器产品开发总监。

本教程主要包含：如何控制直流电机的正反转、PWM控制电动机正反转和调速的原理、如何用51单片机产生4路PWM信号、R2机器人走黑线、R2机器人避障碍、超声波测距离、超声波魔术手、蓝牙无线下载程序的方法、用keil调试准确延时程序。更多课程详情：https://www.moore8.com/courses/701

Sawppy是一个机动模型，其布局和比例模仿了火星漫游者的设计思路，它忠实地再现了真实漫游者的悬架运动学，旨在成为未来自主运行的软件项目的硬件平台。继续大胆探索后院，索普！SawppytheRover受到JPL的OpenSourceRover项目的启发。Sawppy及其JPL灵感之间的大多数差异是出于降低成本和降低复杂性的愿望。JPL的漫游车专为教育设计，由一支学校团队组装，为结构化课程奠定了坚实的基础。Sawppy更适合像我这样的个人爱好者，他们乐于修补并愿意为降低成本进行一些折衷。预算为$500，并且要到达那里需要进行以下更改：机动化：代替使用带有RoboClaw电动机控制器管理的编码器的齿轮电动机，而是使用串行总线伺服电动机来完成车轮的移动。构造方法：代替使用Actobotics构造系统，Sawppy将由Misumi15mm3系列铝型材挤压梁制造，并通过3D打印的塑料零件连接。这两个主要设计目标可以概括为：小号ervo一个ctuatedW¯¯高跟鞋，Printed我nterconnect˚F或êxtrusion。首字母缩略词SAWPIFE导致了昵称“Sawppy”。当我创建Sawppy时，我的第一个目标是为机器人爱好者提供有趣的东西。目标人群是高中生及以上的人群，这意味着创建一个独立的软件堆栈，并且足够集中以便于学习和修改。为了满足Sawppy开发人员的雄心壮志，未来的工作清单之一是编写必要的模块，以通过开源机器人操作系统驱动Sawppy。（ROS）这是一个功能更强大的平台，可以访问由机器人研究人员创建的模块，但对于机器人初学者来说并不容易。从那时起，我就不断地与ROS一起玩，从来没有达到我实现它所需的熟练程度。因此，我对RhysMainwaring的Curio流浪者感到非常兴奋。Curio是Sawppy兄弟姐妹，身体基本相同，但运行的是基于ROSMelodic的完全不同的软件堆栈。浏览Curio代码存储库时，我看到的不仅仅是运行物理漫游车的一组节点，它还包括对智能漫游车的两个重要贡献。仿真中的CurioRover当今，智能机器人研究存在一个普遍问题：不断发展的机器学习算法需要多次迭代，而在物理机器人上运行它们将花费很长时间。更重要的是，在现实生活中，Sawppy和他们的兄弟姐妹都很慢。Rhys已将Sawppy的CAD数据并转换为ROS研究人员使用的Gazebo机器人模拟器的物理形式和所有关节运动学。现在可以在适应现实世界之前，在虚拟世界中的智能漫游车上工作。流动站里程表我认识到（但不知道如何解决）的挑战之一是计算流动站轮里程表。Sawppy上使用的LX-16A伺服器可以返回车轮位置，但只能在整个360度圆弧内大约240度的弧内。超出该范围，位置数据会变得嘈杂且不可靠。Rhys已设法通过编码器滤波器克服了这个问题，该滤波器学会了识别伺服位置数据何时不可靠。这构成了计算里程表的系统的基础，该里程表可与现有硬件很好地配合使用，而使用附加的Arduino甚至可以更快。用于Sawppy的ROS软件堆栈有好几个人向我索要用于Sawppy的ROS软件，我很高兴Rhys勇于面对挑战并将这项工作回馈社区。我鼓励所有希望ROS的Sawppy建设者认真研究Rhys的工作，并尽自己的能力做出贡献。作为ROS的初学者，我将与您并肩，从此项目中学习并尝试在自己的流动站上运行它。文章来源hackaday

在电机控制系统中安装过流保护有两方面的意义：一是防止在电机正常运行时，电机出现超载或堵转而使得电枢绕组电流过大损害电机甚至引发火灾；另一方面是由于电机肩动时启动电流很大，往往不能直接启动，既需要等励磁绕组逐渐建立磁场后再正常运行，又希望电机以尽量快的速度肩动起来。有了过流保护对电流进行斩波，可以使电机安全快速地启动。过流保护原理图如下图所示。电机的相电流通过康铜丝转换成电压信号Vtext，经过运算放大器放大后的模拟量AD1送至控制器A/D转换模块，同时将经过电压比较器比较后的数字量EVA送至控制器的外部中断口。针对搬运机器人的前轮转向舵机和后轮驱动电机的控制要求，采用以Cortex-M3为内核的STM32F107作为主控制器，采用嵌入实时操作系统μC/OS-II，将程序分成启动任务、电机转速控制任务、舵机控制任务等相对独立的多个任务，并设定了各任务的优先级。该系统能较好地实现搬运机器人的运动控制。

着人工成本的不断升高，用机器人代替人力去做一些重复性的高强度的劳动是现代机器人研究的一个重要方向。搬运机器人在导航寻迹中，需要后轮驱动电机和前轮舵机的协调工作。搬运机器人电机驱动有其特殊的应用要求，对电机的动态性能要求较高，能在任意时刻到达控制需要的指定位置并且使舵机停止在任意角度；电机驱动的转矩变化范围大，既有空载平整路面行使的高速度、低转矩工作环境，也有满负载爬坡的运行工况，同时还要求保持较高的运行效率。功率驱动的设计电机的供电电源是由24V的蓄电池提供，额定功率为240W，由4个75N75组成桥式电路来实现。75N75是MOSFET功率管，其最高耐压75V，最高耐流75A，电机驱动电路下图所示。Q1、Q4和Q2、Q3分别组成两个桥路，分别控制电机的正转和反转。高端驱动的MOS管导通时源极电压和漏极电压相同且都等于供电电乐VCC，所以要实现MOS管正常的驱动，栅极电压要比VCC大，这就需要专门的升压芯片IR2103.控制器产生的PWM信号输入HIN引脚，控制器I/O口输出的EN1、EN2作为使能信号。输出端HO就可得到比VCC要高的电压，且高出的电压值正好是充在电容两端的电压。二极管提高导通速度，使得75N75的导通电阻更小，降低了开关管的损失。同时IR2103的两个输出口HO、LO具有互锁功能，防止由于软件或硬件错误造成的电机上下桥臂直通造成短路。

RS485总线 本设计采用485总线进行通信通过主板发出指令来控制从板从而控制各个舵机的工作：舵机控制电路 每块从板上共有六组舵机驱动，用P117光耦进行隔离电路图如下：

机器人控制电路设计本次所设计的机器人是由新华龙C8051F310控制，两条人形机械腿由十二个舵机组成由三块电路板控制。且三块电路板由三名组员分别设计完成。其中一块主控板控制两块从板，通过485总线进行通信，从而实现机械腿的协调动作。一． 电源电路   电源芯片采用AZ1084和LM1117。其中AZ1084输入电压为7.2v，输出电压为5v，LM1117输入电压为5v，输出电压为3.3v。F310单片机的工作电压是3.3v，因此需要经过两次降压达到3.3v。为了稳定工作电压，采用IB0505LS来稳定单片机的工作电压。

在本视频教程中，我演示了如何使用PlayStation4控制器控制RaspberryPi4DIYRover机器人。我将介绍硬件组装过程，然后介绍如何将控制器与RaspberryPi配对，最后介绍如何使用Python接收控制器输入并控制机器人的方向。文章来源网络

视频中是我一个机器人项目，通过ArduinoNano，蓝牙，激光，扬声器，SD卡，LED和太多的杜邦线实现的可遥控的机器人，可以通过Android手机控制升级的机器人。用到的一些材料如下：2×9g微型伺服1×ArduinoNano激光指示器模块无线电控制器应用看到arduino中没有用于神经网络的CPU周期后，我们发现只需要制作一个远程控制应用程序，并利用生物神经网络即可。如您所见，目前，这是非常简单的事情。到现在为止，我还不知道伺服分配，所以都是通用的。基本上，connect按钮会在已配对的设备列表中查找“linvor”蓝牙模块，然后进行连接。如果“linvor”不在您的蓝牙设备列表中，则它仅连接到第一个蓝牙设备。顶部的滑块设置伺服PWM值，第一行按钮打开和关闭PWM。RC伺服器在位置上使用1到2ms之间的PWM，但事实证明，如果您只是切断信号，它们基本上会关闭。这对于连续旋转步行驱动伺服系统非常方便，因为您永远无法找到零点。因此，现在您可以使用滑块设置方向，然后使用按钮打开和关闭它。该实现使用200ms更新定时器来避免arduino上的RX缓冲区溢出。要设置PWM，它将发送“a”至“d”，然后发送00至64，然后发送LF。LED排简单地切换IO的开和关，我们这里有激光器和一些LED。这仅向通道发送“A”至“D”，然后发送“0”或“1”，然后发送LF。接下来的两行发送命令以播放不同的wav文件。（目前它们有点NSFW）。为此，它只发送“p”，然后发送“0”到“5”，再发送LF。画龙点睛斯科特和我周六聚会，敲定了最后的细节，让斯科特有机会正常工作蓝牙模块。这次有了瞄准镜，他取得了比我更好的进步。拥有硬件还意味着他可以对代码进行一些调整以修复一些错误，不过我将让他详细说明。同时，我陷入了布线困境。大多数电线都需要修剪和端接，因为多余的长度浪费了宝贵的空间。我还通过串联电阻为肩部和遮阳板的LED接线。如果将LED直接从单片机的IO引脚上断开，这似乎是最简单的，所以它们配备了电阻器以将电流降低至约15mA（遮阳板有两个串联的高亮度红色LED，对于15mA电流，其电阻为120欧姆。单个绿色LED的光通量为270欧姆，目标电流类似。）肩膀不能很好地散射光线，所以我拿了些水纸擦干了绿色镜片的内部，并打磨了LED本身，以减少方向性。测试配电板是否正常工作，从电源供电并检查电流消耗。最初的计划是将Arduino和Bluetooth模块放在AA电池曾经使用过的“背包”中，但是空间太紧了。取而代之的是，我们将带有引脚和插座的电缆直接焊接到了Arduino，之前我已将其从其中移除了。这里是用于测试的长电线，一旦我知道要放哪里，就可以对它们进行大幅修剪。蓝牙模块可以断开是很重要的，因为在Arduino编程时无法连接蓝牙模块。在这里，我开始将事情放到正确的地方，在如此狭小的空间中放置所有东西确实是一个难题。大多数电缆都修剪到了最终的长度，胸板上的钻头可以装上（勉强！）。我用破碎的15英寸液晶显示器清除掉了旧的4欧姆扬声器，然后将其切入头部，然后用侧切刀随意切掉塑料碎片。我确保3M牢固地固定了扬声器和头部中的LED粘尘垫，以确保扬声器工作时没有令人讨厌的振动。微型SD卡适配器位于后面，实际上非常方便，使我们可以在需要时上传新的声音。您也可以看到电池连接器，因此可以在不拆卸任何东西的情况下为电池充电。在这里，他完成了所有饰板的重新安装，看起来像他那破旧的旧机，却塞满了现代技术！我今晚会收到一些视频，但我想我们可以称这个项目完成了。最起码到现在！来源hackaday

我是为应对挑战而设计的，我受到启发来改进（前Mythbuster）JamieHyneman在他2015年的项目视频中分享的想法。我所说的令人毛骨悚然的的蜘蛛机器人的关键是Flexapod机制。凸轮，轴和轴承的布置，可在粗糙的地面上实现超强的移动性和适应性。而且它还具有使人的皮肤蠕动和蠕动的能力。它使用3D打印和现成的RC零件：电池，轴承，电动机，控制器，螺钉，螺栓以及一些自定义位。我将尽一切努力向那些想要自己构建一个项目的人分享这个项目。因此，如果您热衷于构建它，请告诉我，我将尽一切可能为您提供帮助。这些是机器组装和操作的图形。托盘和左侧的分解图。右侧是镜像副本。在马达皮带轮和内凸轮轴皮带轮之间的传动带中未显示。“臀部”子部件的分解图。其中的8个首先组装，4个左侧定向4右侧。凸轮协同工作以形成步态。请注意，主凸轮（此处显示为透视图）如何在支腿上下枢转的同一轴线上旋转。这是独立悬挂双腿的关键。让我们从物料清单和STL开始。这些说明将在不久的将来发布在一系列帖子中。BOM链接到BOM。大多数零件都是现成的或3D打印的。零件中的2个（x2）是定制的，凸轮轴，我将在以后的说明中对此进行说明。补充交易链接到STL拉链。STL零件设计为在带有0.5mm喷嘴的LulzbotMini6“上打印。您的结果可能会有所不同，因此，我建议您在打印所有零件之前先打印每个零件之一，以防万一您需要进行一些打印调整。使用结实或坚硬的材料（例如尼龙或PLA）打印“凸轮提升器”和“凸轮主要部件”。所有其他部分使用我使用过的ABS。可以使用任何您喜欢的材料，但是凸轮必须是坚固的材料，因为轴承会产生很大的切削应力。“齿轮”和“60齿皮带轮”可能需要0.5mm的打印喷嘴。这是由于牙齿需要的细节。我从未尝试过将它们打印在大于0.5mm的喷嘴上。如果您尝试更大的喷嘴，请告诉我结果。不要打印所有纸盘文件，如果您有该尺寸的打印床，请选择“12英寸打印机”文件。如果打印床较小，则使用其他3个文件。以进来的所有XYZ方向打印所有零件。这是为了最大程度地提高组件强度。另外，某些零件将需要支撑材料。除“60齿皮带轮”外，请以最大填充量打印所有零件。请注意，有时100％填充会凸出一部分。因此，填充90-95％可能会更好。“60齿”可以快乐地以10％的填充量存活。来源hackaday

这个项目是为帮助一位先天性肢体缺乏症患者而建造的经肱骨假肢。假肢配备了计算机视觉（对象识别和对象跟踪），以支持手腕运动并选择最佳握持模式对象进行处理。假肢还配备了简单的脑机接口和肌电传感器，因此用户可以随意控制假肢，或者控制假肢选择相应的动作。假肢重量不到1公斤，并且灵活性高。总体而言，它具有10个自由度，由树莓派和多个Arduino控制。整个假肢是模块化的，因此你可以将设计拆分为较小的假体（手腕或手或仅手的trans骨假体）。我编写了一些与假肢配套使用的应用程序和软件，包括一个可以用来控制假肢（串行通信）的动画手臂应用程序，以及一个记录大脑和肌肉信号的记录器应用程序。令人振奋的是，这个项目是完全开源的，可以在Github找到相应的源代码，包括：手动模块的应用程序GUI通用示波器：用它记录脑电信号SSVEP示波器：衍生自通用示波器，但支持可玩的游戏。假肢所有模块的固件主动视觉系统源代码

Bobble-Bot旨在帮助学生，爱好者和教育工作者以安全，负担得起且有趣的方式了解机器人技术的基础知识。他是一个看起来很有趣的小家伙，胸怀宽广，马不停蹄的做事-他的整个平衡状态都取决于他严格的时间管理。-支持许多计算机科学与工程课程的学习。-根据要求提供适合大学实验室环境的练习。-带有免费的开源模拟器。-使用C++或PythonAPI自定义Bobble-Bot的软件。-3D可打印零件！认识Bobble-Bot为什么做这个？创建Bobble-Bot主要目的是增强有抱负的制作者的创作能力。该机器人提供了一种有趣且负担得起的方式来获取和展示计算机科学与工程学中的宝贵技能。它解决什么问题？每天，世界各地的企业都在努力解决全球范围内与技术相关的技能和人才短缺的问题。这使世界经济损失了数千亿美元。我们认为，导致这一问题的一个原因是缺乏可访问的，高质量的和开放源代码的教育材料。Bobble-Bot项目可帮助有这些目的的个人发展有价值的跨学科技术相关技能。特别是，Bobble-Bot填补了教育机器人领域的不足。到现在为止，还没有一个可以轻松访问的开放源代码示例可供DIY人群实时控制。我们的目标是什么？我们希望教育者，学生和业余爱好者能够尽快使用此开源机器人启动并运行。我们希望该项目可以作为如何开发和测试机器人原型鲁棒控制系统的指南。我们预想该机器人将对希望在玩耍的同时提高技能的专业人士，以及希望将动手应用到世界各地课程中经常使用的枯燥工程理论的学生有用，仿真与硬件的结合为探索和开发开辟了许多可能性。

使用3D打印和无刷电机制作的一个名为黑鸟双足机器人，从产品的完成度来讲，令人难以置信这是一个仅有两个人团队的作品。更重要的是等这个产品完全完成了，作者会将这个机器人的源代码都开源，方便更多志同道合的朋友学习或者改进。

在上一篇的测评中（MYD-C8MMX开发板硬件篇）我们了解了MYD-C8MMX开发板的应将结构，在本次的测评中我们将对MYD-C8MMX开发板进行软件部分实际操练，以及简单对标一下RPi3B。米尔MYD-C8MMX开发板官方资料下载路径如下：http://down.myir-tech.com/MYD-C8MMX/在之前硬件的测评中，默认上电的情况下，开发板会启动EMMC中预安装yoctoLinux系统，在米尔科技官方提供的资料中主要包括yoctolinux，Ubuntu18.04和Android9三个系统相关的image及SDK（SoftwareDevelopmentKit软件开发工具包），这样开发者就可以根据需求选择对应的系统进行开发。下面我们就根据米尔官方提供的资料，进行Ubuntu18.04的系统更换。如下文件为我们从米尔科技官网拿到的Ubuntu18.04系统的相关资料：在这个部分中我们可以看见MYD-C8MM-Update-System.rootfs.sdcard.zip文件，将这个文件解压我们就可以得到一个SD卡启动的image，该image启动后将自动为EMMC烧录对应的文件系统及iamge，如果没有这个文件，如果无法找到MYD-C8MM-Update-System.rootfs.sdcard.zip也可以尝试自行生成。自行生成方法参考如下：先将MYiR-iMX8MM-mkupdate-sdcard_ubuntu.tar.gz复制到linux系统的电脑中，这里实体机，虚拟机均可。执行解压缩：tarzxvfMYiR-iMX8MM-mkupdate-sdcard_ubuntu.tar.gz执行米尔科技已经准备好的生成脚本：./build-sdcard.sh如上操作既可以得到更新EMMC时需要使用到的image文件，MYD-C8MM-Update-System.rootfs.sdcard.img。将MYD-C8MM-Update-System.rootfs.sdcard.img文件通过烧录软件烧录到SD卡。再将ubuntu18_rootfs.ext4文件复制到mfg-images路径下，这样一个完整的SD卡烧录工具就完成了。下面就要开始正式的为MYD-C8MMX开发板烧录Ubuntu18.04系统，接上串口，插上SD卡，修改启动模式为SD卡启动，上电。启动模式的配置如下图，参考右侧丝印标识，这样当SD卡内的系统启动后，就会进入自动烧写EMMC的流程。这个系统烧录的流程有点像使用U盘来给电脑装系统，从U盘启动WinPE，在WinPE中给电脑中实际的硬盘安装操作系统。开始更新EMMC，我们会在串口上看见如下的log，同时D18指示灯会进行闪烁，这说明我们的开发板正在进行烧录，这个过程只要耐心等待，差不多5分钟左右就可以完成烧录。完成后我们可以看见串口打印Systemupdatesuccessfully。同时D18指示灯将会常亮，如果D18不亮了，那么恭喜您，本次烧录失败，请参考前面的步骤再来一遍。OK，我们将启动模式修改回EMMC启动。成功启动，如下图。Ubuntu18.04系统启动后，使用用户名root，密码123456，登录系统。使用熟悉的APT命令进行软件的安装。在执行apt-getupdate的过程中，观察了一下功耗，发现功耗由idel状态下的1.8W增长到2.7W，不过整体来说这个功耗还是很可观的，就连树莓派3B都要将近5W左右功耗。Ubuntu18.04系统安装相关的，我们先告一段落，下面就是喜闻乐见的跑分对标环节。在测试的过程中还出现了一些小的差错，在之前的测评中也有使用sysbench来跑RPi3B和RPi4B的CPU性能，因为均在相同版本的rasbian系统下跑，系统一致，跑起来只做相对的结果对比是OK的，具体的情况可以参考RPi4的测评。但这次sysbench跑起起来差异十分大，系统为RasbianRPi3B需要使用50多秒才能算完20000以内的质数，但是系统为Ubuntu18.04的MYD-C8MMX居然只需要10S的时间，两颗CPU的性能应该是相近的，都是4核的CPU同样的Cortex-A53，只不过树莓派3B的主频是1.2GHz，而MYD-C8MMX则是1.5GHz，正常来说会有一点差异但绝对不应该是5倍这么大的差距。为了实验的结果相对的可靠，小编又特意找了下树莓派官网的ubuntu1804，拿过来做对比，这样sysbench的结果要比Rasbian测试的结果靠谱的多。树莓派3B的sysbench测试结果。10.004SMYD-C8MMX的sysbench测试结果。10.001S，整体来说相差无几，这样也比较符合我们的预期。内存部分使用memtester和time进行测试树莓派3B的内存测试结果。MYD-C8MMX的内存测试结果，树莓派3B内存使用的是1GB的DDR3L，而MYD-C8MMX使用的是2GB的DDR4，测试结果可想而知，RPi3B使用458秒，MYD-C8MMX只用334秒，终究还是DDR4啊，符合预期。网络部分的测试使用iperf，这个部分没有什么好说的，毕竟是千兆的以太网，正常来说跑满带宽没有问题。简单总结下，MYD-C8MMX这款板卡，是一块集合性能，功能于一体的开发板，米尔官方的Ubuntu，和安卓系统加持，使板卡使用起来更加得心应手，因为应用的方向不同，树莓派更加偏向于板卡电脑，而MYD-C8MMX则是物联网开发板，所以这里之和上一代的RPi3B进行比较，相对来说MYD-C8MMX性能足够强悍，可以满足绝大部分物联网项目的需求，板子资源丰富，软件生态完整，以及可完全自定义的yoctolinux系统环境SDK，可以满足各种场景的软硬件需求，同时也是上手linux的完美环境。版权声明：电路城原创，未经许可不得转载！

成像对于许多机器人应用至关重要，能让机器人执行基本任务，躲避障碍物，进行导航以及确保基本安全。显然，提供成像的方式是采用低成本视频摄像头，或者再好点，使用两个摄像头实现立体视野和深度感知。但后者存在一些缺点。使用双摄像头实现三维成像会增加功耗和空间需求，同时也会使外形尺寸和制造工艺变得复杂，并且增加成本。由于三维成像是从基本“协助”单元到自主驾驶车辆应用的主流，因此设计人员需要比简单添加更多摄像头更好的替代方案。为此，设计人员正在越来越多地使用替代方案，这些方案在封装、成本、功耗、数据缩减和整体性能方面存在优势。这些替代方案中就有飞行时间(ToF)成像系统（通常又称为光探测和测距，或称作LIDAR）。这些成像系统可采用红外(IR)成像（通常称为热成像）作为辅助手段。从IR谈起红外电磁波的波长比可见光谱红端的电磁波更长；IR波段的波长通常被认为在700nm(0.7μm)到1mm(1000μm)之间。简单的说，这些波长表示物体的热辐射。通过恰当的IR成像系统，此IR“热图”被转换为可见光图像，通常含有添加的伪色，以突出相对温度（图1）。注意，该IR成像不同于IR传感。感测是一种用于检测，或者甚至是测量热源的非接触方法，例如人员经过作为报警系统一部分的被动红外(PIR)传感器，或者监测到管道过热；没有类似图像的细节或者图像分辨率。为何使用IR来替代，或者用于补充传统的可见光成像？有多个理由：当感兴趣的物体融入到背景中，无论是故意隐藏或只是巧合，这时IR就能发挥其价值IR能帮助定位视野中的人员或温血动物在寻找造成局部发热的常见故障时，如过热的管道、蒸汽管路、阴燃火灾或电器故障等，IR也可非常有用现在，由于高集成度、高性能元件的出现，并且这些元件具有易于使用的接口，使得实施IR成像子系统大为简化。例如，FLIRSystems,Inc.的LeptonIR摄像头（图2）。该器件的尺寸约为10×12×6mm，集成了定焦镜头组、适用于8-14μmIR的80×60像素长波红外(LWIR)微测传感器阵列、以及信号处理电子元件。通过使用行业标准MIPI和SPI视频接口，以及类似双线I2C的串行控制接口，使得互连大大简化（图3）。除了尺寸小巧、易于使用，Lepton单元还具有高性能，成像快（不超过0.5秒），且热灵敏度低于50mK。工作功率也较低，为150mW（典型）。这样的产品得益于用户的实践经验，因此FLIR为摄像头模块提供分线板，它兼容基于ARM的评估板和RaspberryPi（图4）。这款25mm×24mm的电路板需要3V到5.5V单电源供电，带有25MHz系统时钟、用于其他低噪电源轨的内部LDO、标准互连接头，以及用于Lepton模块自身的32引脚Molex排针。ToF的兴起热图像对于许多应用都很有用，但却不能满足这些应用的全部要求，此时就需要通常采用3D技术的可见光成像系统。显而易见，这就需要采用标准的视频摄像头。现在许多厂商都提供这样的摄像头，并且提供许多不同的分辨率、光灵敏度、尺寸和接口选择。若需要立体成像，则使用一对摄像头。尽管热成像已问世数十年，但相比如今的成像装置，其性能欠佳、成本和功率消耗较高，而ToF技术则相对较新。20世纪90年代，此项技术首先作为学术概念被提出，然而能让它切实可行的基本元件和处理能力直到过去十年才出现。ToF通常是许多应用的首选成像方法，包括自主驾驶车辆（自动驾驶汽车），并且已经进行数百英里的实际道路测试。（在架构方面，智能或自主车辆属于轮式机器人系统，带有传感器、算法和定义的动作，只是角度不同。）相比传统成像摄像头，ToF方法实际上具有一些明显优势（讨论如下）。工作方式：传统摄像头成像的工作原理通常被工程设计人员所理解，比较直观，而ToF则了解的人不多，并且更多依赖于通过方程和感测到的光子实现。此项技术包括两个关键元件：一个精确控制和调制式光源（固态激光或LED，通常在850μm近IR范围下工作，因此肉眼不可见）、一个用于“查看”由来自成像场景的发射光线反射的像素阵列。要完全了解ToF原理，需要明白定义其工作原理的方程式，且要考虑一些不可避免的错误来源，然后对其进行补偿。整体ToF过程可通过两种方式完成：光源以低占空比脉冲重复，或者由连续正弦波或方波源进行调制。若使用脉冲模式，反射的光能通过两个异相窗采样，这些采样值用于计算到目标的距离。若使用连续模式，传感器每次测量时取四个采样值，每个采样值偏置90⁰，这样便可计算照射和反射之间的相位角以及距离。ToF序列和计算的输出是表示成像区域的点数据集合，术语“点云”由此而来。[1]相对利弊：使用一个或两个摄像头的传统成像，还是使用ToF方法，需要根据应用的具体情况进行判断。对于基本的检测和缺陷识别，假设物体已知并且目标在照明受控的环境中经过特征提取/对比，那么提供二维图像的单摄像头通常是最佳选择。但是，若照明发生变化，ToF可能会更好，因为它受到环境光线变化的影响较小。对于使用两个传统摄像头的三维成像，需要以机械和安装问题为起点从多方面考虑并做出决定。即使这些都不是问题，处理图像的系统也必须采用功能强大的算法，以解决“对应”问题，即将一个摄像头中场景中的点和另一个摄像头中场景中的相同点匹配。这样做需要大量颜色或灰阶变化，深度准确性通常由于成像场景的不均匀表面而受到限制。相比之下，ToF系统受到机械问题、照明与对比度问题的影响较小，不需要三维结果的图像对应匹配。鉴于具有响应快、处理大范围客观特征的能力，以及生成的点云的本质，ToF系统非常适合于在自主驾驶车辆中将手势、面部或身体姿势转换为命令，以及捕捉周围环境。然而，由于许多基础成像摄像头已成为市面上的常见设备，因此使用传统的单个或两个摄像头配置的解决方案成本更低。实现：ToF系统有五个主要的功能块：光源：生成精确定时的光源脉冲的元件光学器件：对焦传感器上的光线对焦镜头；可能还带有光学带通滤波器，以降低环境光线的“噪声"图像传感器：用于捕捉从被照射场景反射回的光线管理电子元件：控制发光单元和图像传感器，并使其同步计算单元和接口：根据发出光线与返回光线的时间差以及感测到的光子计算距离选择光发射器和成像传感器是配置ToF系统的第一步。发射器选择包括二极管，如VishayVSMY1850X01，这是一种专用于高速运行的850μmIR器件。该器件支持由100mA驱动的10纳秒上升和下降时间，使其适合脉冲模式。传感器或像素阵列是ToF系统的核心，现在已能作为更大、集成度更高的设备的一部分提供，如TexasInstrumentsOPT8241飞行时间传感器/控制器IC（图6）。如简化型框图（图7）所示，该器件包括传感器源（上述项目3）、控制电子元件（项目4），并且可向诸如OPT9221飞行时间控制器等协同处理器提供数字化反射数据，处理器可利用数字化传感器的数据计算深度数据。OPT9221还具备各种校正功能，包括抗锯齿、非线性补偿和温度补偿。正如设计用于不仅能够捕捉场景，还能以一致、有用的方式进行的任何视频系统一样，ToF软件的设计并不繁琐。TI提供详细的用户指南[2]、估算工具，以便设计人员评估性能和参数的相互作用，如深度分辨率、二维分辨率（像素量）、距离范围、帧率、视场(FoV)、环境光和物体的反射率。结论机器人系统的设计人员始终面临如何提供细节清晰的“周围环境感测”的挑战。幸运的是，如今的设计人员可以采用高性能、功能强大、相对低成本的技术，包括红外成像、传统视频摄像头、甚至基于飞行时间原理的LIDAR。因此，由于它们的整体功耗较低，许多全套设计采用这些方法的组合，以克服任何单一技术的缺陷，从而提供更全面的多维度图片。

工业机器人是第四次工业革命（即“工业4.0”）的重要元素，这些设备联接到系统和远程传感器，构成了物联网（IoT）的重要组成部分—工业物联网（IIoT）。据国际机器人联盟（IFR）（www.ifr.org）的数据，2018年部署了近250万台工业机器人，且这个数字以每年超过40万台的速度增长。其中，工业，汽车和电气/电子行业占总部署的一半以上，金属和机械、塑料、化工和食品饮料也是重要用户。所有工业机器人中约有75％部署在中国、日本、美国、韩国和德国。机器人的迅速普及不仅限于工业领域，到2018年为止已部署了25万台“专业服务”机器人。这是惊人的增长，年增率超过60％。五分之二已部署的服务机器人被归类为自动导引车（AGV），主要用于物流和制造业。个人和家用机器人市场的增长速度相似（约为60％），目前包括约1,630万台机器人，用于吸尘、教育和研究等各种任务。48V和机器人48V已在许多应用中流行起来，部分因为该电压是通用的最高安全电压。与主电源供电的设备相比，这可使设计人员减少系统保护，并减小导体的尺寸（与12V供电产品相比），从而减少重量、成本和功率损耗。直接由48V供电的电机通常也较小，在机器人应用中，这支持更小和更轻的接头，从而提高机器能效、灵巧性和可靠性，同时减轻重量和成本。这进而为机器人应用开辟更多潜在的机会，以提高所有行业中流程的自动化。48V在当今许多应用中非常流行，包括汽车。在许多车载设备中，48V受欢迎程度迅速超过12V，在云计算中，48V配电用于服务器背板、散热风扇和其他电信相关应用。这种普遍性意味着48V电源的设备和子系统是普遍可用的，这为设计人员增加了选择范围，并以规模经济降低成本。图1：典型机器人的高级框图（包括电源系统）机器人是相当复杂的系统，根据应用和功能的不同，机器人将含许多功能元素，包括联接、图像感知、位置感测和电机控制。还有许多不同的电源子系统，包括AC-DC转换、电池管理、DC-DC转换、多相转换器、负载点（PoL）转换、线性调节和电机驱动器。这每一个领域都需要高能效的方案，以使机器人能够按照设计人员的预期进行工作。如果我们看汽车或云计算系统的类似功能框图，我们会发现与机器人框图有很多相似之处。这为从其他应用到机器人的交叉电源方案带来机会。例如，eFuse广泛用于云计算，以支持存储介质的热交换和冷却设备，如风扇。然而，在机器人应用中，同样的eFuse可以用来引入模块化，从而即使在操作过程中，机器人自身也能够根据手头的任务交换功能块（如工具块）。为48V机器人应用提供电源方案许多现代机器人应用都使用48V总线在系统周围传输电源。其损耗是典型的12V总线的1/16，或者允许使用更细更轻的电缆。在固定机器人安装中，48V将由市电电源产生，将包含功率因数校正（PFC）前端。无人机、护理助手等移动机器人将配备车载电池，定期从电源适配器充电。很少有半导体能够直接从48V开始工作，通常需要降至5V亚伏级水平。非隔离式PoL转换器在此发挥重要作用，将较高的电压转换为IC所需的电平。在某些情况下，使用中间总线转换器（IBC）来创建中间总线电压（通常为12V），该转换器与PoL转换器松散调节，将12V转换为IC供电电压。单级转换越趋成为首选，现在可以使用许多PoL转换器直接将48V电源轨转换为IC电源电压。如所有电源方案一样，机器人应用的电源架构需要高效、可靠，并提供高功率密度，以使机器人足够小巧、灵巧，从而很好地执行其功能。实现此目标的关键是选择合适的半导体以在机器人内形成各种电源功能。机器人电源应用的半导体方案安森美半导体是拥有应用专知并投资以提供各种器件和电源产品的公司典范，使设计人员能够为机器人应用设计高性能电源方案。几乎所有电源方案中最常用的器件之一是MOSFET。安森美半导体的广泛产品范围包括具有多种版本的“超级结”MOSFET，可用于不同的开关类型和应用。FAST器件在硬开关拓扑结构中提供高能效，而易驱动器件既适用于硬开关应用，又适用于软开关应用，可确保低电磁干扰（EMI）和降低电压尖峰。与MOSFET产品配套的是各种高压门极驱动器，支持微控制器或其他逻辑电路直接控制MOSFET。根据电路结构，可以使用简单的非隔离驱动器（例如安森美半导体的NCD570x系列），或者可能需要更精密的隔离方案或高边和低边驱动器。高度集成的方案如智能功率模块（IPM）和汽车电源模块（APM），带来了许多好处。通常，它们将集成多个MOSFET用于与必要的驱动器一起进行多相电机驱动。这些模块比分立方案提供更好的热性能，因为所有器件都贴装在同一基板上。它们还能够处理更高的电流水平，同时改善EMI，并提供比分立方案更小更轻的方案。除这些方案外，安森美半导体还为机器人电源应用提供完整的产品组合，包括eFuse、PFCIC、整流器、电流检测器和开关，用于提供辅助电源轨。配以安森美半导体业界最低功耗的蓝牙模块，用于通讯，以及各种图像传感器实现先进机器视觉。文章来源于网络

无人机的应用场景越来越多，包括在紧急情况或灾难现场用作应急人员工具箱的一部分。例如，在巴黎圣母院火灾期间，无人机最初用来报告活跃火灾的规模、热量和范围。此外，它们还配备热成像能力，以搜索仍然困在里面的人员。后来，无人机又用于评估损坏情况。显然，这种应用要求以足够的分辨率透过烟雾和火焰等复杂条件去观察情况，挑战不小。为了应对这些挑战，在无人机上增加更多传感器是很诱人的想法，但设计人员需要始终意识到，无人机是由电池供电的，并且在许多情况下对成本很敏感。因此，设计人员需要在功能、成本、尺寸、重量和功耗(SWaP)之间取得微妙的平衡。当考虑给无人机设计增加传感器和成像设备时，找到这种平衡是主要目标。本文讨论设计人员向无人机添加传感器时需要考虑的架构权衡因素。其中应特别注意电源，电源可能会有磁性元件，这会增加重量并占用宝贵的空间。此外，本文将介绍一些供应商提供的合适电源和传感器解决方案，包括TexasInstruments、EfficientPowerConversion、AnalogDevices、BoschSensortec、STMicroelectronics和SparkFunElectronics。无人机架构设计考虑因素电源：设计人员一旦知道实现无人机最佳性能所要关注的重点方面，便可寻找方法来尽可能减小其物理尺寸和重量，首先是创建尽可能高效的电源。这将使得电源整体的尺寸和重量最小化，从而实现更小、更轻的无人机。由于采用电池供电，电源效率更高的无人机将能以更小的电池尺寸和重量工作。无人机电池的典型选择是可充电锂电池（Li-Ion或Li-Po型），特别是如果设计人员计划在降落或悬停于无线充电器上时为电池充电，或者计划在着陆时通过外部充电器充电。设计人员还可以使用标准的非充电电池作为电源，在电池用完后更换电池。选择DC/DC转换器时，由于转子电机产生的反电动势(BEMF)的高电压脉冲，设计人员需要使用宽输入范围的器件。当电机减速时，在单独的DC/DC转换为转子电机供电后，此BEMF将出现在DC/DC转换器的输入端。TexasInstruments的LM5161DC/DC电源转换器IC是无人机电源的上佳选择，因为当编程为断续导通模式(DCM)时，它提供严格稳压的降压输出，而无需任何其他外部反馈纹波注入电路。它还集成了高压侧和低压侧MOSFET，可节省电路板空间。为了提高可靠性，LM5161具有峰值和谷值限流电路，可防范过载情况。作为附加预防措施，欠压锁定(UVLO)电路可提供独立可调的输入欠压阈值和迟滞。无人机上很可能会有许多传感器，还有相关的传感器融合IC、主处理器和螺旋桨电机。这些都需要良好的电池控制系统。设计人员可以在他们选择的通常使用功率晶体管的电源架构中选择氮化镓(GaN)功率晶体管。GaN将有助于以最小的尺寸/基底面实现最佳的性能效率。无线电源-悬停时充电[理论探讨]：1、2、3这是理想的方式，因为当无人机着陆并关停以充电时以及再次起飞时，转子电机的启动和提升需从电池消耗大量电力。EfficientPowerConversion是研究悬停时无线充电的众多公司之一。一种电源选择可以是基于GaNFET的无线充电架构，例如EfficientPowerConversion的EPC2019。基于GaN的FET支持13.56兆赫(MHz)的开关频率，这是普通硅FET难以达到的。如此高的开关频率还能使电源磁性元件的尺寸和重量最小化。另外，GaN晶体管比硅器件小五到十倍，但能处理相同的功率水平。使用此类电源，无人机不必着陆，而是可以悬停在无线充电基座上充电。设计人员会发现，可使用很多评估/开发板来加快无线电源的上市时间。对于EPC2019GaNFET，EfficientPowerConversion通过EPC9513无线电源接收器开发板对其进行支持，使其可用于无人机内部。该开发板对设计人员很重要，因为它基于AirFuel标准，可确保经认证的无线设计可与全球其他无线充电产品互操作。设计人员可以向供应商索要演示板的Gerber文件，以便重新创建演示板的优化布局。太阳能：另一种电源选择是使用太阳能为无人机电池充电。对此而言，PowerFilmInc.的PT15-75太阳能电池是一个不错的选择。PT15-75可以与AnalogDevices的LT3652电池充电器IC一起使用，实现巧妙、紧凑的电池充电器设计（图1）。请记住，当面板连接到负载并提供电流时，实际上不存在开路电压(Voc)为输出的情况。图1：通过添加此2A太阳能电池充电器，设计人员可以创建可靠、高效的无人机电源；充电器中增加了热敏电阻RNTC以补偿最大功率水平下的太阳能电池（如PT15-75）温度系数。（图片来源：AnalogDevices）LT3652输入稳压环路还能够找到太阳能电池板的最大功率工作点，从而优化太阳功率转换的效率，以向电池提供最大输出功率。传感器：传感器既能增加无人机的可控性，又能提高其实用性。关于无人机控制，传感器可以支持自动水平模式、恒定高度模式或绕行特定物体或目标点的轨道模式。所有这些附加特性都依赖于高性能惯性测量单元(IMU)和大气压力传感器来实现最佳用户体验，并提高专用或商用无人机的可靠性。设计人员可能需要提高无人机性能，这就可能要用到输出信号漂移极低的陀螺仪，以确保无人机处于适当的方向、位置和平衡状态，尤其是在温度条件不断变化的情况下。这可以通过使用BoschSensortec的BMI160加速计和陀螺仪组合来实现，该组合是一个具有九轴传感器数据融合功能的小型低功耗IMU。尺寸为2.5x3.0毫米(mm)，高度为0.83mm；即使陀螺仪和加速计处于全面工作模式，功耗也仅为925微安(µA)。它采用1.71V至3.6V电源供电。作为BMI160的补充，带有温度传感器的数字气压传感器将有助于测量垂直速度、增强GPS导航并确定无人机的高度。为了保持精度，建议偶尔在海平面压力下校准气压计。BoschSensortec的BMP388气压和温度传感器IC是一个很好的例子，设计人员可以将其集成到架构中。此传感器模块的基底面仅有2x2mm2，高度为0.88mm，在1赫兹(Hz)时的功耗低至3.4µA，非常适合于电池供电。该器件的相对精度典型值为+/-8Pa，绝对精度典型值为+/-50Pa，有助于改善无人机的悬停和避障能力。为了检测多个轴上的运动，STMicroelectronics的ISM330DLCTRiNEMOIMU系统级封装(SiP)模块将加速计和陀螺仪与磁力计整合在一个单片六轴IC中。这种配置可使无人机在悬停时保持水平、垂直和旋转稳定性。对于专业级无人机摄影和3D成像之类的应用，需要六轴陀螺仪稳定性，而ISM330DLCTR可提供这种能力。陀螺仪测量并保持无人机方向。将三个加速计集成在一起时，每个加速计沿不同轴定向，故可确定无人机沿任意轴的运动程度。这样将能更好地收集有关无人机滚转、俯仰和偏航的信息，然后将这些信息反馈给无人机的比例积分微分(PID)控制器。磁力计测量地球北磁场的强度和方向，用以校正其轨迹。务必经常校准磁力计；电力线、电机以及电气设备发出的任何其他强磁场都可能对其造成影响。加速计会检测到由外力（例如强风）引起的无人机运动，并将其传递给PID控制器，然后由PID控制器调整电机以进行补偿。测距仪：降落、悬停以及测量与物体的距离无人机需要有良好的传感器才能安全着陆，在无线充电时悬停，并检测物体以避免运动时发生碰撞。这种测距可以使用声音或光。超声波测距仪检测：可以使用超声波传感器来提供无人机着陆、悬停和地面跟踪能力。无人机在着陆过程中，需要检测从无人机底部到着陆区域的距离。尽管GPS和气压计是该控制功能的一部分，但准确的距离感应是安全着陆的关键。超声波传感器还能帮助实现安全悬停和地面跟踪，这可能需要无人机以固定高度飞行。MaxBotix的MB1010-000超声波飞行时间(ToF)测距传感器板就是其中一种用于辅助着陆、悬停和天花板检测的测距传感器。了解ToF所有这些情况都需要使用ToF方法，它是指发射的超声波到达目标所花费的时间加上反射信号回传到无人机传感器的时间（图2和图3）。图2：对于无人机着陆、悬停或无线充电，设计人员需要了解ToF概念。（图片来源：TexasInstruments）图3：超声波ToF的三个阶段。初始发射的声音(1)、静默(2)和接收到的回声(3)，用于无人机设计中的精确测距。若理解此图，加上本文中讨论的评估板和传感器，可以帮助设计人员在实施本部分中的硬件建议时达到飞行稳定性、避免碰撞和最佳无线充电的目标。（图片来源：TexasInstruments）要计算从无人机到任何物体的距离，可使用下式：TexasInstruments提供的PGA460PSM-EVM超声波接近感应评估模块可缩短设计时间。LiDAR范围检测：另一种距离检测手段是利用脉冲激光进行光检测和测距(LiDAR)。从ToFLiDAR系统获得的信息可用于创建三维图像。LiDAR技术可提供高精度、高分辨率和大覆盖范围。设计人员可以选择光学激光测距传感器，例如SparkFunElectronics的SEN-14032，这是一种基于激光的光学测距传感器，测距范围为40m。该传感器需要通过I2C与外部微控制器相连接。此类LiDAR有两种主要架构：固态LiDAR和机动360°视野旋转LiDAR。两者原理相同，都是用激光发出一束光束。固态架构使用反射镜进行扫描，而扫描旋转盘架构使用由电机驱动的转盘。第三种类型的LiDAR称为闪光LiDAR，可同时发出许多短脉冲，使用摄像头芯片接收脉冲反射，然后测量ToF。闪光LiDAR具有非常高的分辨率，但测距范围限于约30米(m)。感测环境热像仪：无人机上的热像仪会检测物体和材料的热信号/温度，并将其显示为静止图像或视频。巴黎圣母院火灾的观察和跟踪便使用了热像仪。热像仪可以检测到微小的热量差异，有时甚至可以小到0.01˚C。无人机热成像应用的另一个重要领域是灾难恢复，例如在地震或严重飓风之后，可能会留下损坏或坍塌的结构，并有人员被困在里面（图4和图5）。图4：无人机首先会使用传统相机拍摄坍塌建筑物的图像，这是重要的一步。然后通过热像仪，无人机能够感测到被困在瓦砾中的人员的体温。（图片来源：IEEE4）图5：设计人员现在拥有了在灾难情况下定位和挽救生命的工具。此图片是消防员演习中使用DJI无人机拍摄的被困人员画面。（图片来源：IndustrialEquipmentNews/MenloFireUAS/Droneprogram，由AP提供）为了在无人机中集成热成像，有一种很好的入门方法，那就是使用FLIRLepton的500-0771-01微型热像仪之类的器件。该热像仪的光谱范围为800纳米(nm)至1400nm，场景动态范围为0˚至120˚C，标称功耗为150毫瓦(mW)（工作）、650mW（快门事件期间）和5mW（待机）。湿度、压力和温度检测：为了帮助确定大气条件，设计人员可以使用BoschSensortec的BME280，它是一种具有SPI接口的数字式湿度、压力和温度传感器。其集成度高，尺寸为2.5mmx2.5mmx0.93mm，休眠模式下的功耗仅为0.1µA，感测所有三个参数时的功耗最高为3.6µA。利用多传感器开发套件加快产品上市DA14585IOTMSENSOR是DialogSemiconductor出品的一款多传感器开发套件，使用了BoschSensortec的环境传感器和TDKInvensense的运动传感器。此套件对设计人员很重要，因为它是一个很好的试验平台，可供开发无人机检测传感器融合能力并加快产品上市。此套件有一个BME680低功耗气体、湿度、压力和温度传感器，另外还有加速计、陀螺仪和磁力计。通过DA14585IOTMSENSOR的传感器融合能力，设计人员将能了解如何使用此特性来获得更好的整体检测性能，同时延长无人机电池的使用寿命。结论无人机提出了异常困难的设计挑战，要求强大的功能和长飞行时间。同任何设计一样，必须知道设备将要执行的主要任务，才能制定计划来确保满足项目要求的架构是最佳的。

小马哥归来，带来最核心技术讲解！四轴遥控器设计教程。遥控器对四轴来说等同于中枢神经，控制着四轴的起起伏伏，其中的奥秘有啥？马哥课堂带你一探究竟！NO.4今天的主题：程序编译、下载、调试快来跟着大神一步步做出自己的四轴遥控器吧！更多课程详情查看：https://www.moore8.com/courses/1684

小马哥归来，带来最核心技术讲解！四轴遥控器设计教程。遥控器对四轴来说等同于中枢神经，控制着四轴的起起伏伏，其中的奥秘有啥？马哥课堂带你一探究竟！NO.3今天的主题：库函数开发流程快来跟着大神一步步做出自己的四轴遥控器吧！更多课程详情：https://www.moore8.com/courses/1678

小马哥归来，带来最核心技术讲解！四轴遥控器设计教程。遥控器对四轴来说等同于中枢神经，控制着四轴的起起伏伏，其中的奥秘有啥？马哥课堂带你一探究竟！NO.2今天的主题：工程创建之Keil开发环境安装与熟悉快来跟着大神一步步做出自己的四轴遥控器吧！更多课程详情查看：https://www.moore8.com/courses/1662

课程介绍小马哥归来，带来最核心技术讲解！四轴遥控器设计教程。遥控器对四轴来说等同于中枢神经，控制着四轴的起起伏伏，其中的奥秘有啥？马哥课堂带你一探究竟！NO.1今天的主题：手柄原理图解析快来跟着大神一步步做出自己的四轴遥控器吧！更多课程详情查看：https://www.moore8.com/courses/1655

HusarionCORE2旨在帮助创建者构建互联网连接的机器人和无人机。它有两种配置：a）CORE2--一种低功耗，云连接的实时计算机，带有Wi-Fib）CORE2-ROS--一种ROS供电的云连接计算机，具有Wi-Fi，结合了ARM的实时功能Cortex-M4微控制器和RaspberryPi3或华硕TinkerBoard的高计算能力。自动机器人的理想选择。硬件：实时微控制器：ARMCortex-M4@168MHz，192KBRAM，1MB闪存CORE2-ROS：主板计算机：ARMv8@1.2GHz，1GBRAM，16GB闪存（RaspberryPi3或ASUSTinkerBoard）CORE2（基础）：基于ESP32的Wi-Fi模块4个直流电机输出+4个正交编码器输入6个伺服端口，可选择电压等级（5/6/7.4/8.6V）6个传感器端口（4xGPIO，ADC/分机中断，I2C/UART，5V输出）扩展端口（12xGPIO，7xADC，SPI，I2C，UART，2xext。中断）CAN接口与板载收发器microSD卡接口USB串口（FTDI芯片）电源电压输入：6-16VDC（内置过流，过压和反极性保护）嵌入式软件框架：C++11API基于实时操作系统使用DMA，中断，RTOS功能来处理通信接口并节省处理能力并行处理多个PID用于离线开发的SDK+VisualStudio代码扩展用于在线开发的cloud.husarion.com上的WebIDEArduino兼容支持ROS（机器人操作系统）：基于Ubuntu的专用图像，带有CORE2-ROS的ROS云：您在cloud.husarion.com上列出的所有机器人轻松为每个机器人创建自定义Web用户界面通过链接或电子邮件共享机器人使用WebRTC流式传输视频-例如用于远程呈现机器人Husarion云安全你的机器人只是连接到互联网是不够的。它应该安全连接，因此未经您的批准，任何人都无法访问您的设备。在Husarion，我们在几个不同的领域解决您的机器人的安全问题：a）CORE2和云平台之间的连接-每条消息都经过加密，并且实现了完整的SSL协议，包括CORE2和CORE2-ROS。b）您的云帐户和代码执行-为用户界面提供支持的JavaScript代码在每个机器人的单独沙箱中执行。在WebIDE中编译代码时，编译也会在沙箱中进行。在沙箱中工作可确保用户不会影响服务器或其他用户帐户的操作。c）机器人共享设置-安全性并不意味着只有您可以使用机器人。感谢分享设置，您可以与朋友分享您的机器人一段固定的时间（几分钟，几小时，几天，......或永远）以及指定的访问权限（只读，完全控制等）。选择访问权限后，您可以决定如何共享机器人。有两种方法：通过“魔术链接”-任何拥有该链接的人都可以访问机器人-即使没有在cloud.husarion.com上的帐户。仅与cloud.husarion.com用户共享。使用此选项，您的朋友可以在机器人列表中看到您的机器人，如果您授予他们自由访问权限，甚至可以更改它的固件。d）CORE2-ROS的Web控制台：您可以从cloud.husarion.com用户帐户访问CORE2-ROS的Linux控制台。机器人连接到哪个网络并不重要。使用https://www.zerotier.com/项目完成连接，该项目在您的计算机和CORE2-ROS之间提供安全，轻松的VPN设置。e）运行气隙机器人：由于我们的离线SDK，最安全敏感的机器人可以在没有任何互联网访问的情况下运行。您无需成为互联网技术专家即可在线管理基于CORE2的机器人，而无需担心未经授权访问您的设备。您可以专注于您的机器人应用程序。是否需要HusarionCloud才能使用CORE2？我们经常听到的一个问题是“我是否需要使用HusarionCloud来使用CORE2？”。答案很简单：“不，不用担心，我们也会提供离线开发工具。”为此，我们为VisualStudioCode创建了一个“Husarion扩展”，为您准备开发环境，安装工具链并下载SDK。这使您可以完全脱机为机器人开发代码。安装和使用“Husarion扩展”非常简单：下载VisualStudio代码安装Husarion扩展使用USB电缆编写代码并刷新CORE2如果您是Emacs，Vim，Eclipse或任何其他代码编辑器或IDE的用户，您可以下载我们的SDK并配置您喜欢的开发环境。文章来源于网络

无刷直流(BLDC)电机寿命长、采用直流电源且相对经济实惠，因此广泛应用于硬盘驱动器、冷却风扇和DVD播放机等电子设备的设计。通常情况下，BLDC的速度和扭矩由MCU使用标量技术控制。现在一类新型应用正悄然兴起，其中以四旋翼无人机最具代表性，这类应用正日益受到业余爱好者的青睐。此外，无人机也正被监控等众多商业应用纳入考量。对这些应用而言，尤其重要的是控制器的动态响应，以及控制器在低速和无传感器的情况下平稳控制BLDC的能力。对于负载动态变化的应用来说，标量技术不够精确。而磁场定向控制(FOC)技术能够大大提高精度，因而广泛用于驱动高端工业AC设备。通过实施FOC，BLDC能够以合理的成本为无人机和其他高性能应用（例如医疗机器人、万向系统和自主驾驶车辆）提供精确控制。设计这类产品在过去并非易事。其中需要精通FOC或直接扭矩控制(DTC)等某些其他高级先进的电机控制技术，以及专用软件开发系统的操作知识。如果应用对成本敏感，例如可能在执法行动中使用的带监控摄像头的无人机，则设计经济实惠的BLDC电机也将面临挑战。磁场定向控制(FOC)用于控制BLDC电机的传统标量技术被称为六步（梯形）控制。定子以六步过程驱动，会在产生的扭矩上振荡。每一对绕组会通电，直到转子到达下一位置，而此时电机将转换到下一步。对于无传感器的应用，在定子绕组中产生的反电动势通常用于确定转子的位置。标量控制的动态响应无法处理动态负载快速变化的应用。因此，矢量控制正日益得到广泛应用，从交流电机驱动的白色家电（如洗衣机）到以电池供电的产品。FOC是矢量控制最常用的方法之一。其工作原理为：管理定子绕组以确保转子的永磁体所产生的磁通正交于定子的磁场。FOC最初是为控制三相交流电机而开发。考虑到用于小型无人机的BLDC电源是电压为21V（五节锂聚合物电池）的电池，电子元器件必须包含低压三相逆变器系统。其他主要的元器件还有电机驱动器、MCU以及执行FOC算法的软件，其中软件可能是最重要的。FOC处理在直轴-交轴(d-q)域中完成，该域是一个旋转参照系。直轴和交轴分量是磁链状态矢量分解的两个分量，即产生磁通(d)和扭矩(q)的分量。此关系如图1所示。电机定子绕组内的电流处于受控状态，以确保转子的永磁体所产生的磁通正交（成90°）于定子的磁场。除产生精确的电机控制之外，这种方式还能够提供极其精确的扭矩控制，这才是在d-q坐标系中操作的真正优势。FOC包含三个域变换：(1)定子中的测量相电流从3相静止坐标系变换到2相静止坐标系(α,β)；(2)该2相静止坐标系变换为与转子磁通对齐的旋转二项坐标系(d-q)；(3)为了实际驱动电机，d-q分量又变回到定子坐标系，用于空间矢量脉冲宽度调制(SVPWM)。此过程如图2所示。为了将d-q坐标系与转子对齐，转子位置的详细信息是必不可少的。从相对简单的反电动势过零检测，到复杂的滑模观察器和扩展Kalman滤波器，转子位置的估算技术各种各样。驱动电机从静止3相坐标系变换到2相d-q坐标系将产生之前所说的直轴和交轴分量。直轴(d)分量无有效扭矩，而事实上，它往往会增加电机的轴承磨损。因此，目标之一就是最大限度地减少此分量。交轴(q)分量可产生实际的电机扭矩，这由应用来决定。d-q分量应用于两个PI（比例-积分）控制器，分别对应零和应用扭矩设置，以产生矢量输出。两个PI控制器的输出是是所需定子电压空间矢量的（新）直轴和交轴电压分量。如之前所述，最后一步是将d-q分量转换回到定子坐标系中，以实际驱动电机。上述过程只是FOC工作方式的总结，而其实施所需的许多相当复杂的中间步骤，不在本文的范围内。有关与小型无人机直接相关的更详细的FOC讨论，您可参阅澳大利亚中央昆士兰大学的帕特里克·费雪所写的论文“HighPerformanceMotorControl”（高性能电机控制）。1所需的中间步骤包括：确定电机的特性（除极数以及电压与电流的额定值，BLDC电机很少会提供更多的铭牌信息）转子位置的估算（实施FOC控制的关键信息）设计合适的电源控制方案设计扭矩和速度控制器从头开始设计一个完整的功能性FOC电机控制系统是一项令人望而却步的任务，因此德州仪器、Atmel和NXPSemiconductors等半导体公司已经打造了开发工具，以便为简化实施FOC的设计消除大部分的复杂性。通常情况下，IC供应商也会选择将开发工具使用的软件库存储在ROM中，并使其仅可在选定的MCU上使用，以此来保护其知识产权。以德州仪器为例，该公司已将其InstaSPIN-FOC解决方案用于TIC2000Piccolo32位MCU系列的三个型号：F2806x、F2805x和F2802x。对成本极其敏感型的小型无人机应用来说，最合适的MCU是F2802xMCU系列，其中最受欢迎的产品为TMS320F28027FPTT。如之前所述，精确的电机控制依赖于精确电机模型的建立。InstaSPIN-FOC包括一个名为“观察器”的专有软件算法，可估算转子磁通量、角度、速度和扭矩(FAST)。InstaSPIN-FOC还具有电机参数识别能力，可在开发过程中离线提取必要的性能参数以及在工作过程中在线追踪参数。电机参数信息用于调整电流控制带宽。与其他技术不同的是，TI的FAST观察算法有完全自微调的功能，无需为正常工作进行任何调整。TI称该算法是市场上唯一可靠且“即时”的无传感器FOC操作性解决方案。因此，设计人员在启动开发之后，在短短几分钟之内便可拥有已完全微调的无传感器观察算法，以及完全微调的稳定FOC扭矩控制系统。在螺旋桨控制等应用中，设计人员还需要做的唯一任务就是测试与微调PI速度控制单回路，以实现所需的性能和操作。基本驱动系统的简化版本如图3所示。转速PI控制器的输出将作为PI电流控制器的输入基准信号进行连接。如果转速太低，电机将增大电流以产生更大的扭矩，从而加快转速。反过来，如果电机运转过快，电机将减少扭矩以减慢转速。这两个PI控制器共同形成了级联式控制回路，这就表示控制系统是由具有一个或多个内部回路的外部回路所组成。（图中的Kd、Kd、Ka和Kb四个变量是电机控制软件生成的系数。）关键元器件除MCU之外，一些其他的关键元器件也值得一提。三相驱动器和逆变器系统是必不可少的。小扭矩无人机等低电流应用可使用TIDRV83x2系列集成式三相电机驱动器（例如DRV8332DKDR）。DRV83x2系列包含先进的保护回路，该设计旨在促进系统的集成和易用性，以及保护设备免受短路、过流、超温和欠压等多种故障情况引起的永久性故障。可能用于商业应用的高电流系统需要独立的前置驱动器，例如DRV8301DCAR和具有三相逆变器配置的单独FET。TI的CSD18533Q5ANexFET功率MOSFET就是其中的一个例子。开发软件对于基于FOC的电机控制应用的成功至关重要。TI已在BoosterPackBOOSTXL-DRV8301中开发了包含电机驱动开发软件的套件。该套件通常是6到24V电压以及高达10A连续电流工作条件的最佳选择。这种情况需要控制板，例如采用InstaSPIN-FOC技术的C2000PiccoloTMS320F28027FLaunchPad—LAUNCHXL-F28027F。对连续电流低于3.5A的电机来说，DRV8312-69M-KIT通常是更合适的选择。和其他供应商相比，TI的产品系列更适合低压低扭矩的应用，但其他的个别供应商也可提供电机控制开发套件。例如，NXPSemiconductors为BLDC提供了电机控制开发套件。OM13068LPC1549LPCXpresso电机控制套件可与公司的LPC1549JBD48QLMCU配合使用。该平台可用于控制BLDC、BLAC、步进和双刷DC电机。在性能方面，使用了上述元器件的设计可媲美市面上用于小型BLDC电机的电机控制器。定制FOC控制器和Plush40等商用控制器之间最显著的区别在于速度极低时的换向能力。FOC控制器能够以大约100RPM的速度控制所有四个电机。此外，通过使用InstaSPIN的速度环路，电机能够在这些低转速的情况下产生极大的扭矩。定制FOC板也可实现快于商用控制器的最高电机速度。平均来说，在电机速度从零增加至全速时，定制FOC控制器所需的时间减少了35%。另外，每个电机在FOC控制下的空载转速比任何受测试的商用控制器都要快。1结论一类新型的电机控制应用正在兴起，此应用需要对小型BLDC电机具备出色的动态响应。这些应用包括医疗机器人、万向系统、自主驾驶车辆和小型无人机。虽然FOC电机控制技术在过去几十年中广泛用于AC工业电机和白色家电电机，但由于此技术非常复杂，且需要高性能的MCU，因此迄今为止尚未应用于由电池组供电的小型电机。然而过去几年出现了让这种可能成为现实的新产品。文章来源网络

科学技术的发展，让我们在面对这次疫情时展现出史无前例的能力。我们看到10天建成火神山医院、无人机和测温仪在防疫工作中的应用，甚至轮式机器人也开始在医院协助医护人员开展工作。网络购物的发展带动了物流中心数量的增加，因而在物流中心处理许多繁重任务的轮式机器人的数量也随之增加。近段时间，我们越来越多的在银行、商场、酒店、超市看到人类友好型机器人。谁都没想到，这些轮式机器人要应对的下一个挑战——最后一公里交付，来的如此猝不及防。在少聚会、少旅行，不去或少去人员密集场所，乘坐公交地铁火车航班等全程戴口罩的倡议下。轮式机器人存在的意义凸显，这并不是高难度的工作，他们很快就会把药品、文件、外卖等送到办公室或病房。轮式机器人应用组合随着一些人认为是“伪装机器人”的轮式机器人的出现，让我们来看看目前业界使用的整个机器人组合：工业机器人（或机械臂）在工厂里可以处理焊接、码垛、分拣和升降等任务。它们通常位于地板、天花板或墙上的固定位置。它们由放置在底座或机械臂附近的控制器控制。虽然如机械臂等大型工业机器人已使用多年——主要应用于汽车工业中，但随着人类与机器人之间的合作机会不断增加，被称为cobots（协作机器人）的小型变种机器人正在显著进入市场。使用TI的毫米波或飞行时间(TOF)传感技术在拥挤不堪的物流中心实现精确的障碍物感测物流机器人可以用于仓库、配送中心、港口甚至校园。这些机器人能够取货，然后将其送到包装站，或者机器人可以把货物从一栋楼运到另一栋楼。这些机器人在特定的环境中移动，需要很多传感器来定位和绘制地图，也需要传感器来避免碰撞。接待机器人可以用于超市、机场和宾馆。这些机器人作为虚拟工作人员，来欢迎和引导客户/客人。库存机器人可以用于超市或库房，能够定期扫描货架，从而确保商店的产品永远不会短缺。工业机器人通常位于“封闭”环境中，出于安全原因，如果该环境有人类进入，会停止机器人的运行。但是限制人类/机器人协作，阻止了很多益处的实现。具有自主运行功能的机器人，可以支持人类与机器人安全高效地共存。

随着自动驾驶车辆即将来临，开发其软件和硬件的艺术和工艺仍然难以实现。这并不奇怪：毕竟这个领域还处于起步阶段。设计一个强大的系统涉及最先进的软件和（可能）危险和昂贵的硬件的紧密合作。因此，入门栏设置得非常高，仅适用于拥有大量资源的公司，例如Alphabet'sWaymo。我相信，对于想要尝试它的人来说，可以使用这种技术的近似值，就像使用VR和GoogleCardboard一样。该项目的重点是建造一个低成本的DIY机器人汽车，具有先进的传感器，驱动和连接。目标是允许任何人在这个小型机器人上实施尖端机器人和自动驾驶汽车算法。作为一名软件工程师，我经常理所当然地认为我工作的领域的民主化和开放性。我常常忽略了最先进技术的奇迹，只需在Github上公开，一些终端命令远离在我的桌面上工作。幸运的是，自动驾驶汽车领域似乎正朝着这个方向迈出了一步。有针对该主题感兴趣的人提供MOOC和免费在线资料。但是，他们仍然缺乏硬件平台，学习者可以安全快速地评估他们的想法。我们现在最好的希望是模拟器。我相信，对于想要尝试它的人来说，可以使用这种技术的近似值，就像使用VR和GoogleCardboard一样。你能猜出这是怎么回事吗？我提议的平台与GoogleCardboard不同。原则保持不变：低成本（或由您可能已拥有的东西制成），无需专业知识即可开始使用。我一直致力于基于智能手机的遥控车，它可以重复使用所有现代设备上的传感器（GPS，指南针，加速度计，灯光），连接和高分辨率相机。设计机器人有3个主要组件：3D打印机箱机器人的主体基本上是一个先进的智能手机壳。由于手机水平放置，通常相机会看天花板，这不是很有用。因此，在相机顶部有一个镜子，以45度角放置，这样机器人就可以向前看。机箱上放置了许多有源组件。汽车由一个通过一系列减速齿轮连接到后轴的无刷电机驱动。甲旋转编码器被连接到马达的轴上。转向由位于机箱前部的小型伺服控制。车载电子产品为了控制致动器和读取遥测数据，在底盘上安装了少量电子元件。主电路板基于出色的NRF52SOC。它提供蓝牙LE无线电与手机通信。伺服由芯片直接控制，但电机需要额外的电子速度控制器（ESC）。软件为了简化开发，软件分为计算机和手机应用程序。目标是让应用程序尽可能简单，只实现最基本的连接。这使得应用程序不在迭代开发循环中，由于更强大的硬件和机器人软件可用性（例如ROS），这在计算机上要快得多。缺点是机器人必须始终连接到计算机（通过WiFi），并且在读取传感器时会引入一些延迟。由于现代智能手机的视频处理和连接功能，延迟降至最低-相机图像平均延迟80ms，传输转向命令和接收本地WiFi遥测时不可察觉的延迟。通过委托给车载电子设备的实时控制，可以从舒适的10Hz+环路控制机器人。得益于各种可用的传感器，该车可用于实现多种机器人和自驱动算法-通过将加速度计，指南针，编码器和GPS数据融合到使用计算机视觉（或机器学习）进行导航的强大定位。文章来源网络

毫米波技术如何为自主机器人提供边缘智能，使传感器能够做出实时决策，以减缓或停止机器人，并确保其在工业机器人应用中的持续性能。TI毫米波传感器可用于旨在帮助工业机器人避免碰撞的系统中，解决同人类和其他物体相互作用的机器人协同互动的关键问题。若边缘需要额外的机器学习处理，毫米波传感器可与工业级处理器（如Sitara™处理器）无缝协作，以提供额外智能。了解TI毫米波传感器和Sitara处理器如何实现智能机器人技术就像汽车先进的驾驶员辅助系统可使用毫米波进行环绕全景监控和障碍物探测一样，毫米波传感器有助于解决自动导引车（如物流机器人、运载工具、叉车和液压车）的类似挑战，如图1所示。图1：各种自动导引车3D点云探测具有三发射器和四接收器天线配置的毫米波传感器可在方位角和仰角平面上使用角度信息实现最大30m的3D物体探测，以便从高处探测物体。这对于叉车这样的车辆极其有用，因为它的传感器位于离地面较高的位置。单个传感器能够在120度视野范围内探测物体，从而最大限度地减少环绕监测系统所需的传感器数量。高分辨率、准确探测由于毫米波传感器在4GHz带宽下工作，因此可识别间隔4cm的单独物体，并在可能被漆黑、灰尘或物理屏障遮挡的区域中操作。这种高分辨率能力是必要的，以便传感器准确地计数和识别物体或人员，并实时触发适当动作，比如在碰撞之前停止机器人。除实时物体感测和避碰外，毫米波传感器还提供额外功能，以使智能工业机器人成为可能。地速和边缘探测TI毫米波技术通过多普勒频移提供亚毫米级精度和高分辨率，实现精确的地速感测，使传感器系统能够计算车辆的地面速度并探测地面边缘，例如车轮可能滑动的装卸凉台，以避免不可恢复的情况。透明物体探测TI毫米波传感器可以探测透明物体，如玻璃和塑料以及暗物，这可能对某些光基技术有所挑战。提高探测精度有助于避免与玻璃屏障或物体碰撞等潜在意外事故。符合SIL-2标准TI的60GHz毫米波传感器可帮助系统满足IEC安全完整性等级（SIL）-2标准，以便在人机交互密切时进行事件管理。在设计SIL-2认证系统时，工程师可直接使用TI毫米波传感器提供可能需要系统实施额外安全处理器系统或冗余传感器系统从而获得认证的功能。自主机器人中的TI毫米波传感器作为数字信号处理器的一部分，TI高度集成的毫米波雷达传感器具有先进的聚类和跟踪算法，可在边缘提供智能自治。图2所示为带有集成处理的TI毫米波芯片。图2：比较典型的前端传感器解决方案和可实现边缘智能的集成的TI毫米波传感器。由于TI毫米波传感器不受环境（雨、灰尘、烟雾）和照明条件的影响，且可通过塑料等材料感知，因此它们无需外部透镜、孔径或传感器表面就可有效探测机器人路径中的物体。更多边缘智能深度学习是机器学习的一个子集，在工业领域越来越受欢迎。TI提供硬件和软件支持，帮助设计人员为包括机器人技术在内的各种应用带来深度学习推理。对于发生智能传感器自带数据处理能力不足的应用，配备高达1.5GHz高性能Arm®Cortex®-A15内核以及双核C66x处理器的SitaraAm57x处理器系列能够运行深度学习推理和传统的机器视觉算法，可解决预测性维护和剩余使用寿命等应用的机器学习需求，或者基于超出现有功能的传感器输入做出决策。SitaraAM57x处理器为工业通信（EtherCAT、Profinet、时间敏感网络、Profibus、以太网/互联网协议）提供专用硬件，可用作机器人控制器的中央处理单元。总之，用于稳健物体探测的集成毫米波传感解决方案以及用于增强机器学习的Sitara处理器，为机械臂的区域扫描仪或自主机器人避撞提供了智能解决方案。文章来源网络

本项目是一个人工智能机器人，我叫他DroidTrooper。我从去年开始这个项目，因为我热爱机器人技术，并且从8岁开始我就是一个星球大战粉丝。所有硬件都是在微芯的PIC18系列微控制器中实现的，该机器人有包含4个微芯的微控制器。所有用于导航和个性化的算法均是自己开发的，当然不是为这个项目单独开发的，因为在过去的十年中，我的爱好就是机器人技术，所以这是我不断累积的知识。反正在我空余的时候我就会琢磨机器人技术，所以也因此有了这个项目，先来看一张整体成型的照片。机器人主要的参数和功能：该机器人的程序是使用100%的汇编语言。机器人具有IMUMPU6050传感器，主要用于自平衡功能，目前主要控制4个核心伺服器，但以后可能会添加一些新的伺服器。该机器人可通过智能手机和wifi使用，通过wifi模ESP8266该机器人具有人工视觉，该相机是由我在2005年为IEEE机器人大赛设计的，可以跟随颜色并显示视频叠加，因此可以在FPV模式下显示激光枪，非常酷。最初，该机器人基于ARMcortex-M00，并使用2.4GHz的一些无线芯片通过远程控制来使用它，但是平衡控制系统设计的确实很糟糕，比Mip平衡机器人还差。所以后面我想通过3种方式控制机器人：1.-机器人必须是自主的，并具有以下自身的决定：导航，行为和寻找对象2.-机器人可以用块状或其他简单的图形语言编程3.-可以使用FPV远程控制机器人-使用FPV控制需要使机器人尽可能地保持静止，这是因为人们很容易感到头昏眼花，并且原始的平衡模式看上去像个超级醉汉，所以这就是为什么我丢弃了原始的PCB并使用ARMcortex-M0。-全面设计：电子设备，用于自平衡的PID控制，无线通信，传感器，人工视觉等。因此，对于电子产品，我设计了一块板来控制机器人所需的所有东西：8个I/O端口以控制伺服器5个分配给ADC的I/O，主要用于距离传感器和电池电量具有3ARMS的2个H桥来控制每个电机2个计时器输入以接收车轮编码器1个降压转换器，可为伺服和电子系统提供足够的电流4个I2C引脚端口连接IMUMPU60502个UART用于控制无线通信128KBSPI内存8MB闪存RAM用于程序数据1个RTC以保持时间准确1个连接到ViXion凸轮的连接器1个串行连接器以添加NordicNRF24L01+或ESP8266因此，我从0开始，以这些规格设计以下的PCB，软件用的是protel。最后，我来展示下该机器人的一些实际功能：下面的视频是DroidTrooper的行为和“气质”下面的视频是如何自动跟踪物体文章来源hackaday

根据著名期刊《国家科学评论》（NationalScienceReview）发表的研究成果，中国研究人员在国际上第一次实现了基于无人机的量子纠缠分发，填补了该领域的空白。据悉，南京大学祝世宁、谢臻达、龚彦晓团队历时两年多研发了这套无人机量子分发系统。在试验中，由一架八轴旋翼无人机搭载重约10公斤的量子通信系统，在几十米高空分别向100米外地面上的两个便携式地面站发射一对纠缠光子，均几乎完好抵达。测量结果显示，A、B两点光子纠缠态的贝尔不等式S值达到2.49，量子纠缠分发获得成功。另外，无人机搭载的纠缠光源净重只有468克，比传统技术下轻了一个数量级以上，但效率依然非常高，每秒可产生240万对纠缠光子。有评论指出，量子通信的“下一个最佳选择可能是相对便宜的无人机”。量子纠缠是一种奇异的量子力学现象，处于纠缠态的两个光子不论相距多远都存在一种关联，其中一个量子状态发生改变，另一个的状态会瞬时发生相应改变。文章来源网络

全国智能车竞赛自第一届以来影响深远，竞赛过程包括理论设计、实际制作、整车调试、现场比赛等环节，要求学生组成团队，协同工作，初步体会一个工程性的研究开发项目从设计到实现的全过程。2018年8月份，摩尔吧第13届全国大学生“恩智浦”杯智能汽车竞赛现场直播，邀请北京科技大学智能汽车队第五届队员佟超为大家讲解，广受好评！那么，如何高效备战智能车竞赛呢？2019年5月份，摩尔吧将推出全新的智能车培训课程，邀请清华大学卓晴大大、北科大佟超以及恩智浦的工程师为大家讲解智能车竞赛的相关内容，愿大家在今年的智能车竞赛中取得理想的名次。直播主题：智能车竞赛创意组“步步为营”关键技术解析—基于i.MXRT1060的可编程视觉模块直播时间：2019/5/2020:00本期直播内容：1.模块整体介绍2.OpenMV功能简介2.使用python开发的特点与方法4.常见问题与解决5.交互式Q&A更多课程详情查看：https://www.moore8.com/special/livevideo/nxp-190520

MavicMini是大疆在10月底推出的一部重量仅有249克的无人机产品。折叠设计，使得体积进一步减小。甚至其收纳体积相对于部分大屏智能手机来说也差不了多少。大疆MavicMini又是如何做到如此小巧便携的尺寸？内部做了哪些改变？是否有减小电池容量？拆解信息电池改为可拆卸电池，通过卡扣固定在无人机中框上，可直接取下。电池容量：2400mAh。顶盖仅通过卡扣与中框固定，然而卡扣较紧，所以需小心撬开后取下。旋桨的收缩折叠通过金属件完成。螺旋桨电机电缆通过焊点与主板连接。云台与GPS板的接口处涂有大量点胶保护，GPS板通过四个橡胶垫固定在底部支撑件上，支撑件与电源管理板有螺丝固定。去掉电源管理板和GPS板后就正面部件就拆解完成。改从底盖下手，底盖同样通过卡扣固定。散热板与主板之间涂有大量散热硅脂。由思特威电子生产的避障传感器，固定在主板上。左右两侧为红外传感器收发装置。避障传感器厂商为思特威电子，型号为032GS，模组厂商为群光电子。前端两个旋桨电机与主板之间除了电机所用的一组电缆。另有一根同轴线，用于连接GPS天线。而GPS天线位于旋桨支撑件内。云台模块与主机的连接主要通过围绕着云台的一整根排线。排线的三个接口连接分别连接主板，GPS板以及云台模块。由于与各模块连接的BTB接口都已断开，云台模块就仅通过四角的橡胶垫固定在中框上。摄像头板连接器处涂有大量散热硅脂用于散热。摄像头板通过泡棉胶固定在云台内。云台1200万像素摄像头，光圈为F/2.8，五片式镜头。主板ic信息：主板正面主要IC（下图）:1：Qualcomm-快充芯片2：winbond-16MB闪存芯片3：NXP-微控制器芯片4：winbond-1Gb内存芯片主板背面主要IC（下图）:1：TI-电池充电控制芯片2：Atheros-2.4/5GHz双频WiFi芯片3：winbond-1Gb内存芯片4：Ambarella-视频处理芯片5：Toshiba-2GB闪存芯片6：Active-Semi-电源管理芯片GPS板背面主要IC（下图）:1：ublox-导航定位芯片总结整机大部分结构件都通过螺丝和卡扣进行固定，卡扣较紧。全新设计的旋桨，将两者直接用螺丝连接在转机上，节省空间的同时，让两个桨叶更灵活的合在一起。所有BTB接口处都有点胶用于保护。主板下都垫有散热板并涂有散热硅脂进行散热。为了缩小整体尺寸及重量，电池容量减少为2400mAh。（编：歆玥）最后，附赠一份遥控器的主板IC吧。遥控器主板正面主要IC（下图）:1：HDSC-FC32F030J8TA-微处理器芯片遥控器主板反面主要IC（下图）:1：TI-USB控制芯片2：ESMT-64MB内存芯片3：Atheros-WiFi芯片4：Skyworks-射频功率放大芯片5：Micron-64Mb闪存芯片来源：eWiseTech

在今天的视频中，将介绍如何将树莓派4B从标准1.5GHzCPU频率一直超频到2.1GHz，为确保获得安全且稳定的超频，视频中使用用了SeeedStudio推出出色的IceTowerRGB散热风扇，价格嘛，大概是2/5的树莓派4B。文章来源TechCraft

机甲战士终于来到了我们身边为了减轻重物搬运的压力，Sarcos机器人公司已经与达美航空公司开始进行合作。总部位于犹他州的机器人公司Sarcos正在开发一种机器人外骨骼，它将从根本上改变工地上的负重工作方式。正值CES的第一天，Sarcos宣布与达美航空公司(DeltaAirLines)合作，将他们的超级战衣带给航空人员。Sarcos的这款名为GuardianXO的套装本质上是一个工人穿的机器人。它使普通人能够用自然的身体运动举起并熟练地操作超过100磅的重物。多年来，电池的重量和容量限制了无缆全电动工业套装的潜力，但Sarcos的工程师们似乎已经用新颖的控制和电源管理技术解决了这个难题。我的最佳猜测是，宇航服是被动的，也就是说，它在静止时不消耗能量。这个简单的转变改变了机器人领域的游戏规则。多年来，笨重的机械手臂用大量的能量驱动关节来保持着单一的姿势。通过将耗电量降至几乎为零的情况下，利用最先进的电池和电源管理技术，Sarcos终于为普通人打造了一套毫无束缚的超级准备。为何说这是一个游戏规则的改变，想象一下这套装备不像一个动力辅助设备，更像一个叉车。通过承受这套服装和有效载荷的重量，外骨骼可以让员工在8小时内反复举起200磅的重量，而不会感到紧张或疲劳。最明显的应用是装载货物，这在航空业很常见。达美航空公司负责机场客户服务和货运的高级副总裁GarethJoyce表示:“我们应该感谢地球上最优秀的航空公司员工，来探索新兴技术是如何让我们的工作更安全、更容易的。”“这就是我们寻求与Sarcos合作的原因。”达美是第一家一线员工与Sarcos直接合作以确定GuardianXO的潜在操作用途的公司。去年11月，达美航空公司代表机场客户服务和货运部门参观了Sarcos的总部，了解它的运作情况，并探讨可穿戴机器人在日常工作中可能给他们带来的好处。GuardianXO被设计用于需要搬运和操作大型或笨拙物体的行业中，这些行业不容易通过标准的升降设备进行操作。达美依靠这件超级装备可以在货仓搬运货物、维修部件，或为地面支持设备提升重型机械和零件。达美航空计划于2020年第一季度在试点地区测试该技术，让员工有机会在真实环境中体验该技术，并就其功能提供额外的反馈。Sarcos首席执行官BenWolff表示:“我们寻找的是在技术应用方面明显处于领先地位的公司，它们有创新的历史，能够满足客户和员工的需求。达美航空是航空业的天然选择，在我们努力将这项技术用于商业部署的过程中，达美显然是很好的合作伙伴。”文章来源于网络

我们见到了AutelRobotics即将推出的8K无人机新品EVO2，其有望与大疆等厂家的竞品一战。尽管面临法规上的严格限制，但消费级无人机市场还是不可避免地迎来了爆发。对于发烧友来说，无人机可视作一项有趣的娱乐活动。此外，无人机能够为人们带来许多便利，比如为视频创作者提供独特的视角、或者帮助土地所有者调查其财产状况。AutelRobotics已结束EVO2的研发工作，并在CES2020上首次亮相。作为一款采用了可折叠设计的无人机，EVO2支持8K摄像、长时间的续航、以及较高的飞行速度。此外，AutelRobotics还提供了配备6K摄像头的Pro机型、以及装有FLIR热成像仪的Dual版本。在消费级无人机市场，大疆（DJI）占绝对的主导地位，但Parrot等厂家也不甘落于人后，纷纷推出了各自的竞品。至于AutelRobotics的EVO2，该机可选6K/8K机型，CMOS传感器为0.5英寸，最高支持8000×6000分辨率。EVO2Pro机型的分辨率较低，但拥有1英寸的CMOS传感器，辅以F2.8至F11光圈镜头，支持5472×3648分辨率和120Mbps的比特率。EVO2Dual机型配备了与EVO2标准款相同的摄像头，但加装了另一枚来自FLIR的热成像仪，可应对更多的使用场景。AutelRobotics为EVO2产品线添加了许多高级功能，包括12个计算机视觉传感器、一对声呐传感器、以及两个着陆灯。无人机可以45mph（72km/h）的速度飞行，单次续航可达40分钟。除了一次检测多达64个对象，它还支持障碍规避和抵抗8级风速。遗憾的是，该公司尚未公布售价和上市日期。文章来源于网络

Bot3Zen-PVSLAM深度学习模块可以集成在各种移动机器人上，以提供室内地图，定位和无轨自动导航。Bot3作为业内顶尖的企业，具有领先的机器视觉深度学习方案。BOT3的VSLAM技术能够帮助机器人实现3D全面性记忆思考。通常，传统的机器人只能2D作业，一旦被抬起来或搬动，就会迷失方向，而BOT3运用自己的专利3D技术，可以使机器人就算被搬动或者移动后，也能继续完成任务并准确地回到原点。该模块可用于家用机器人，例如：家用环境中的RVC（机器人真空吸尘器）和智能机器人，或工业机器人，例如：制造，产品组装，军事和国防，仓库，物料搬运中的AGV（自动导引车）等，以及医院，旅馆，饭店等中的服务机器人。文章来源于网络

荷兰半导体设备供应商ASML表示，无论有无美国发放的极紫外光光刻机（EUV）销售许可证，ASML都希望对华继续供应半导体设备，并希望2020年增加其产品在中国市场的销售份额。据了解，在EUV光刻机领域，ASML是全球唯一能生产EUV的企业，美国一直反对这家荷兰企业与中国的芯片制造公司有过多的生意往来。据路透社报道，稍早前特朗普政府展开“强大攻势”，阻止荷兰向中国出售芯片制造技术。美国国务卿迈克·蓬佩奥正在游说荷兰政府，同时白宫官员向荷兰首相分享了一份机密情报报告。此前并未报道的高规格做法，表明了白宫对阻止中国获得制造世界上最快微处理器所需机器的重视程度。这也显示了美国政府在试图单方面阻止先进技术流入中国方面，很大程度上还难以得逞。本文转载自网络

近日，华为商城上架了一款mBot编程机器人，支持HUAWEIHiLink，原价549元，限时特惠499元。作为入门级的STEAM教育机器人，mBot让机器人编程学习和教学变得简单有趣。mBot已进入“美国CSTAK-12CS标准”《用mBot学编程：玩转无人驾驶汽车》课程。mBot采用模块化设计，各电子模块与主板接口之间以颜色区分，匹配相应的颜色就能接线，只需一把螺丝刀就开始搭建。通过配套游戏化学习app，mBot将编程知识点设计成一个个游戏关卡，引导孩子编程遥控mBot通关游戏，不断解锁不同的知识点，循序渐进地掌握编程技能。mBot拥有丰富的传感器，加上4个扩展接口，可外接100多种电子模块，还可以搭配丰富的扩展包和DIY平台上500多种零件，搭出多种创意形态，并在搭建中学习电子、机械原理和知识。mBot与HUAWEIHiLink结合后，拥有了更加智能的操控方式，打开手机“华为智慧生活”APP，就能实现多种操控。通过华为AI音箱、华为语音助手还可以对mBot进行语音控制。