3 周围环境感知

移动机器人必须理解周围环境的动态变化，以实现安全导航。必须尽快检测并避开阻碍移动机器人行进的动态障碍物。移动机器人也可以在定位过程中检测障碍物，因为地图中不存在障碍物的特征。但并不总是能够成功识别这些特征。有时，属于障碍物的特征被错误地匹配到地图中的特征。因此，识别并排除属于障碍物的特征对于可靠定位非常重要。

这就是 AI 和传感器与毫米波 (mmWave) 雷达等其他传感器模式融合的意义所在。AI 和传感器融合可帮助移动机器人准确感知动态物体，从而有助于更安全、更智能地进行导航。基于视觉的深度学习网络能够检测障碍物，对其进行分类，并测量它们与移动机器人的距离。TI 毫米波雷达的独特之处在于，雷达提供障碍物的距离、速度和到达角信息，机器人可以利用这些信息更好地导航而不会发生碰撞。

AM69A 处理器具有四个运行频率为 1GHz 的 512 位 C7x DSP，每个 C7x DSP 都与支持每周期 4K 8 位固定乘法累加 (MAC) 的四个 MMA 的每一个紧密耦合。四个 MMA 提供密集的 32 万亿次运算/秒 (TOPS)，可同时支持具有多个传感器的各种深度学习网络。此外，借助适用于 AM69A 的 Processor SDK Linux，可在 AM69A 上更轻松、更快速地开发 AI 应用。该软件开发套件 (SDK) 实现了多个开源组件之间的相互作用，并且还支持深度学习运行时（例如，在基础 Linux® 组件基础上构建的 TFLite、ONNX 和 TVM）以及用于远程内核和 HWA 的固件包。TI 将其原始训练框架中的 100 多个模型（PyTorch、TensorFlow 和 MXNet）转换并导出为适用于 C7xMMA 架构的格式，并将其托管在 Edge AI Model Zoo 中。TI 还提供 Edge AI Studio 工具集，旨在加快在 TI 嵌入式处理器（包括 AM69A）上开发边缘 AI 应用。利用 Edge AI Studio，可以构建、评估和部署深度学习模型。TI E2E™ 论坛文章如何简化嵌入式边缘 AI 应用开发 更详细地介绍了旨在助开发一臂之力的 TI 免费工具和软件。