2022年1月20日整理发布：为什么你需要一个有 10 英寸屏幕、摄像头、传感器和一堆其他小工具的机器人才能在你的家中四处走动并发出 Wall-E 噪音?因为亚马逊认为它在未来可能会有用。
亚马逊最新的创新产品 Astro 看起来很像带轮子的 Echo Show。它包含了许多有趣的技术，并展示了深度学习、传感器技术和移动机器人已经走了多远。
但是一个成功的产品需要的不仅仅是一个外观漂亮的机器人，它结合了尖端技术和久经考验的应用程序。在展示其真正潜力(或缺乏潜力)之前，Astro 还有很多工作要做。
设备端机器学习
Astro 的功能已被其他技术网点详细介绍。基本上，它是一个移动机器人，可以做很多事情，比如把饮料带到特定的目的地，播放音乐和视频，并提供对家中不同部分的远程监控。它可以识别您家的居民并检测陌生人。它可以对不寻常的事件做出反应，例如玻璃破碎的声音。它可以与其他亚马逊智能家居设备进行交互，例如环形运动传感器和摄像头。
这些本身并不是非常令人印象深刻的壮举，但让 Astro 有趣的是，它在自己的硬件上执行大部分功能，而无需在亚马逊的服务器上运行计算。
近年来，深度学习的局限性导致了人工智能行业的巨大转变。这些限制中最主要的是隐私问题，以及将您的个人数据发送、处理和存储在云中的日益不适，大型科技公司可以将它们用于模糊目的。
这些担忧，以及降低功耗和网络延迟的需求，推动了在用户设备上运行 AI 模型的趋势。这方面的两个显着趋势是TinyML(压缩后可在资源受限设备上运行的机器学习模型)和边缘 AI 硬件(专用于以节能方式运行深度神经网络的处理器)。
其他大型科技公司，包括谷歌和苹果，也开发了在用户设备上运行敏感操作的硬件和软件，例如面部识别和自然语言处理。
Astro 的移动性部分特别有趣。机器人必须检测墙壁、门、物体、人、动物、障碍物和楼梯，并创建您家的地图以进行导航。在机器人技术中，这被称为同时定位和映射 (SLAM)，这是该领域长期面临的挑战。Astro 通过使用多个摄像头和传感器来映射其周围环境并通过多个神经网络和规划器系统运行它们来解决 SLAM。导航尤其需要在设备上进行，因为往返云端会很昂贵，而且速度太慢，无法处理房屋中可能发生的实时变化。
著名的机器人专家罗德尼·布鲁克斯 (Rodney Brooks) 说：“Astro 的 SLAM 做得非常好。能够在本地完成并如此快速地完成，如此迅速地绘制出世界地图——我真的印象深刻。”